不确定性分析方法.docVIP

基于数学的不确定理论方法 综述： 不确定性是人们认识世界的局限性导致的，它是人们根据现有知识的基础上对世界以及事物的看法、决定。由于认识的局限性，就会导致对事物的看法存在不可预知性。不确定性存在于生活的方方面面，大到人文系统，小到零件检测，如何更加准确的了解事物，不确定理论的发展起了重要的作用。不确定性理论就是为了能够在现有知识的基础上来找出其规律，以求得到更合适的方法解决问题的途径。不确定性理论用于数据融合中，有效的促进了信息融合理论的发展，相反，同样也促进了不确定性理论的发展。 自从上世纪统计力学的发展，不确定性理论随之出现并得到了学者重视。曾经较长一段时间认为概率论为处理不确定信息的唯一方法和理论，但是随着应用的加深和人们对不确定性信息处理的更高要求，概率论在很多方面表现出它的局限性和不可描述性。最近的几十年来，随着研究的深入，处理不确定信息方法也取得了较大的发展，主要有Zadeh的模糊集对经典集合论的推广，Choquet在容度理论中的单调测度论对经典测度论的推广等。研究的成果不仅涉及到数学、物理等基础性理论，还拓展到了信息学科、航天技术等高科技领域。基于不确定性智能芯片的开发是不确定性理论发展的见证，在工业领域已大量应用。 对于不确定性理论的研究，首先应该了解不确定测度(Uncertainty Measure)和不确定度(Measure of Uncertainty)的区别。不确定测度是对事物本身不确定程度的描述，而不确定度是对不确定度的度量。比如：一杯水加糖的概率是1/2和有1/2的概率这杯水加了糖，这个性质是不一样的，它反映了不确定测度和不确定度的关系。不确定度的度量主要有熵的方法，如Information Shannon就提供了一个数量上的量度，即为一种典型的不确定度的度量。 为了能够很好地解释各种不确定性理论，对不确定性理论进行分类也是众多学者比较关注的问题。从理论基础上讲不确定性理论分两大类：一类是基于数学的，另一类是基于逻辑学的，本章只介绍基于数学的一类不确定性理论，包括Bayes概率论、可能性理论,Dempster-Shafer理论，以使更好的了解不确定性问题。 不确定性形式繁多，分类方法也多种多样。Klir认为不确定性由三种基本形式组成，即把不确定性分为模糊性(Fuzzy)和多义性(Ambiguity),而多义性又可以分为非特异性(Nonspecificity)和冲突(Conflict)。另外一些学者把多义性分成另两种类型:非特异性和随机性(Randomness)，冲突和随机性是处理同一种类型的不确定性的两种解释。而多义性与模糊性的根本区别在于多义性是统计意义上的不确定性，而模糊性是针对集合的边界而言。对应这些类型的不确定性，不同的不确定性理论所能处理的不确定性的种类不一样。模糊集是处理模糊性的理论，概率论只涉及到事件之间的冲突；可能性理沦表示出事件的非特异性， 而证据理论描述了非特异性和冲突。 Bayes概率 Bayes概率论的提出打破了原有不确定性理论的基础，从数学角度分析了产生、解决不确定性的方法。作为最早的、较为完整的理论基础，Bayes概率论得到了广泛的应用，被认为是处理不确定信息的主要方法。 在Bayes概率中，首先应该了解Bayes理论的基本原则- Bayes准确性原则，设定不确定性用概率P(A)或者条件概率P(A|B)来表示，Bayes准确性原则就是使P(A)或者条件概率P(A|B)的值保持不变，用一个例子表述这个概念为： 在黑箱子中放入数量相等的黑、白两种球，去随机的抓箱子里的球，不言而喻，黑、白球被抓到的概率是随机的，既抓到两色球的概率相等，如果将黑箱子中球的数量放的无限多，抓的次数无限多，黑、白两球被抓到的概率就越接近这个概率值，即1/2，这种概率保持不变的特性就被称之为“Bayes准确性原则”。 可能性理论 (1) 基于规则模糊集的解释 Zadeh在模糊集的基础上提出了可能性理论(Possibility Theory)。 是在模糊集基础上提出的处理模糊命题的理论。首先描述一下基于规则模糊集的可能性理论的概念。 在Zadeh的表述中，所谓规则模糊集，就是模糊集的隶属度函数的高度为1，可能性测度就是从模糊集上的可能性分布和可能性分布函数得到的。正如Klir等指出如何采用规则模糊集导出可能性测度的概念，并且为单调测度论的发展奠定了理论基础。 在Zadeh阐述下的可能性理论中，模糊集理论和可能性理论的关系就好比概率测度与概率论的关系。模糊集理论提供了可能性理论所需要的分布，可能性分布函数的获取就是相应的模糊集隶属度函数的获取。 (2) 基于单调测度论的解释 通过单调测度来表示可能性理论的主要原理如下所示： 这里将把可能性测度分为两个半连续的可能性测度，分别为可能性测度(下半连续)和