不确定性知识的表示与推理.ppt

第8章 不确定性知识的表示与推理;第8章 不确定性知识的表示与推理;8.1不确定性处理概述;8.1.1不确定性及其类型(1);8.1.1不确定性及其类型(2);8.1.1不确定性及其类型(3);8.1.2不确定性知识的表示及推理（1）;8.1.2不确定性知识的表示及推理（2）;8.1.2不确定性知识的表示及推理（3）;8.1.2不确定性知识的表示及推理（4）;8.1.2不确定性知识的表示及推理（5）;8.1.3不确切性知识的表示与推理（1）;8.1.3不确切性知识的表示与推理（2）;（1） 程度元组 一般形式： （对象，属性，(语言属性值，程度)） 例8.1 我们用程度元组将命题：“这个苹果比较甜”表示为 （这个苹果，味道，(甜，0.95)） 其中的0.95就代替“比较”而刻画了苹果“甜”的程度。; （2）程度谓词 形式： Pd 或 dP 其中，P 表示谓词，d 表示程度；Pd为下标表示法，dP 为乘法表示法。 例8.2 采用程度谓词，则 ① 命题“雪是白的”可表示为 white1.0(雪) 或 1.0white(雪) ② 命题“张三和李四是好朋友”可表示为 friends1.15(张三，李四) 或 1.15 friends(张三，李四);（3）程度框架 含有程度语言值的框架称为程度框架。 例 下面是一个描述大枣的程度框架。 框架名: 大枣 类属: (干果, 0.8) 形状: (圆, 0.7) 颜色: (红, 1.0) 味道: (甘, 1.1) 用途: 范围：（食用，药用） 缺省: 食用; （4） 程度语义网 含有程度语言值的语义网称为程度语义网。 例8.4 下面是一个描述狗的程度语义网。 ;（5）程度规则 含有程度语言值的规则称为程度规则。其一般形式为 ∧(Oi ,Fi ,(LVi, xi))→(O,F,(LV,D(x1,x2,…,xn))) 其中，Oi ，O表示对象，Fi ， F表示特征，LVi， LV表示语言特征值，x, D(x1, x2,…, xn )表示程度，D(x1, x2,…, xn )为x1, x2,…, xn 的函数。 例8.5 设有规则：如果某人鼻塞、头疼并且发高烧，则该人患了重感冒。我们用程度规则描述如下： (某人，症状，(鼻塞，x))∧(某人，症状，(头疼，y))∧(某人，症状，(发烧，z)) → (该人，患病，(感冒，1.2(0.3 x +0.2 y +0.5 z))) ;◆程度推理的一般模式： 程度推理＝符号推演＋程度计算 程度语言值中的程度可以转化为命题的真度，如： （小明，身高，（高，0.9）） 转化为： （（小明，身高，高），真实性，（真，0.9）） 程度针对于具体的对象而言，并未给语言值整体即软语言值整体建模。;8.1.4多值逻辑;8.1.5非单调逻辑（1）;8.1.5非单调逻辑（2）;8.1.6时序逻辑;8.2几种经典的不确定性推理模型;8.2.1确定性理论（1）;8.2.1确定性理论（2）;8.2.1确定性理论（3）;8.2.1确定性理论（4）;8.2.1确定性理论（5）;8.2.1确定性理论（6）;8.2.1确定性理论（7）;8.2.1确定性理论（8）;8.2.1确定性理论（9）;8.2.1确定性理论（10）;8.2.1确定性理论（11）;8.2.1确定性理论（12）;8.2.1确定性理论（13）;8.2.1确定性理论（14）;8.2.1确定性理论（15）;8.2.1确定性理论（16）;8.2.1确定性理论（17）;8.2.1确定性理论（18）;8.2.2主观贝叶斯方法（1）;8.2.2主观贝叶斯方法（2）;不确定性度量（1）;不确定性度量（2）;不确定性度量（3）;不确定性度量（4）;推理中后验概率的计算（1）;推理中后验概率的计算（2）;推理中后验概率的计算（3）;推理中后验概率的计算（4）;推理中后验概率的计算（5）;推理中后验概率的计算（6）;推理中后验概率的计算（7）;推理中后验概率的计算（8）;推理中后验概率的计算（9