人工智能-第5章不确定性推理.pptVIP

LS 主观贝叶斯方法的优点 主观贝叶斯方法的计算公式大多是在概率论的基础上推导出来的，具有比较坚实的理论基础。 规则的LS和LN是由领域专家根据实践经验给出的，避免了大量的数据统计工作。此外，它既用LS指出了证据A对结论B的支持程度，又用LN指出了A对B的必要性程度，比较全面地反映了证据与理论间的因果关系，符合现实世界中某些领域的实际情况，使推出的结论具有比较准确的确定性。 主观贝叶斯方法不仅给出了在证据确定情况下有B的先验概率更新为后验概率的方法，而且还给出了在证据不确定情况下更新先验概率为后验概率的方法。由其推理过程还可以看出，它确实实现了不确定性的逐级传递。因此可以说主观贝叶斯方法是一种比较实用而又灵活的不确定性推理方法，它已成功地应用在专家系统中。 主观贝叶斯方法的缺点 要求领域专家在给出规则的同时，给出B的先验概率P(B)，这是比较困难的 贝叶斯定理中关于事件间独立性的要求使主观贝叶斯方法的应用收到一定的限制 5.5.1 规则不确定性度量 知识用产生式规则表示，知识的不确定性则是以可信度CF(B,A)表示，其一般形式为 If A then B (CF(B,A)) A是知识的前提条件，或称为证据 B是结论 CF(B,A)是该条知识的可信度，称为可信度因子 CF(B,A)的取值范围 CF(B,A)的取值范围是[-1,1]，它指出当前提条件A所对应的证据为真时，它对结论B的支