人工智能chapter8uncertainty-经典.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
(5)对同一前提E,若支持若干个不同的结论Hi(i=1,2,…,n),则: 若:专家给出的知识有如下情况 CF(H1, E)=0.7, CF(H2, E)=0.4 非法,应进行调整或规范化 证据(E)不确定性的表示:  证据的不确定性也是用可信度来表示的,其取值范围也为[-1,1]  若E为初始证据,其值由用户给出。 若E为中间结论,其值可通过计算得到。 不确定性的含义: 对E,其可信度CF(E)的含义如下: CF(E)=1,证据E肯定它为真 CF(E)=-1,证据E肯定它为假 CF(E)=0,对证据E一无所知 0CF(E)1,证据E以CF(E)程度为真 -1CF(E)0,证据E以CF(E)程度为假 3. 证据不确定性的表示 4. 否定证据不确定性的计算 CF(?E)=- CF(E) 5. 组合证据不确定性的计算 “合取”与“析取”两种基本情况。 析取:  当组合证据是多个单一证据的析取时 即E=E1 OR E2 OR … OR En时,若已知CF(E1),CF(E2),…,CF(En),则 CF(E)=max{CF(E1), CF(E2), … ,CF(En)} 合取: 当组合证据是多个单一证据的组合时 即 E=E1 AND E2 AND … AND En时,若已知CF(E1),CF(E2),…,CF(En),则 CF(E)=min{CF(E1), CF(E2), … ,CF(En)} CF模型中的不确定性推理实际上是从不确定的初始证据出发,不断运用相关的不确性知识,逐步推出最终结论和该结论可信度的过程。 每一次运用不确定性知识,都需要由证据的不确定性和知识的不确定性去计算结论的不确定性。 6. 不确定性推理 不确定性的更新公式: CF(H)=CF(H, E)×max{0, CF(E)} 若CF(E)0: 若CF(E)=1: CF(H)=0 即该模型没考虑E为假对H的影响。 CF(H)=CF(H,E) 即规则强度CF(H,E)实际上是在E为真时,H的可信度 当有多条知识支持同一个结论,且这些知识的前提相互独立,结论的可信度又不相同时,可利用不确定性的合成算法求出结论的综合可信度。 设有知识:IF E1 THEN H (CF(H, E1))       IF E2 THEN H (CF(H, E2)) 则结论H 的综合可信度可分以下两步计算: (1) 分别对每条知识求出其CF(H)。即 CF1(H)=CF(H, E1) ×max{0, CF(E1)} CF2(H)=CF(H, E2) ×max{0, CF(E2)} (2) 用如下公式求E1与E2对H的综合可信度 7. 结论不确定性的合成 设有如下一组知识: r1:IF E1 THEN H (0.9) r2:IF E2 THEN H (0.6) r3:IF E3 THEN H (-0.5) r4:IF E4 AND ( E5 OR E6) THEN E1 (0.8) 已知:CF(E2)=0.8,CF(E3)=0.6,CF(E4)=0.5,CF(E5)=0.6, CF(E6)=0.8 求:CF(H)=? 解:由r4得到: CF(E1)=0.8×max{0, CF(E4 AND (E5 OR E6))} = 0.8×max{0, min{CF(E4), CF(E5 OR E6)}} =0.8×max{0, min{CF(E4), max{CF(E5), CF(E6)}}} =0.8×max{0, min{CF(E4), max{0.6, 0.8}}} =0.8×max{0, min{0.5, 0.8}} =0.8×max{0, 0.5} = 0.4 例子 由r1得到:CF1(H)=CF(H, E1)×max{0, CF(E1)}       =0.9×max{0, 0.4} = 0.36 由r2得到:CF2(H)=CF(H, E2)×max{0, CF(E2)}      =0.6×max{0, 0.8} = 0.48

文档评论(0)

liuxiaoyu98 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档