不确定与非单调推理.docVIP

不确定与非单调推理 在现实世界中，能够进行精确描述的问题只占较少一部分，而大多数问题是非精确、非完备的。对于这些问题，若采用上一章所讨论的精确性推理方法显然是不行的。为此，人工智能需要研究不确定性的推理方法，以满足客观问题的需求。 C-F模型 C-F模型是消特里菲等人在确定性理论的基础上，结合概率论和模糊集合论等方法提出的一种基本的不确定性推理方法。下面讨论其知识表示和推理问题。 知识不确定性的表示 在C-F模型中，知识是用产生式规则表示的，其一般形式为： IF E THEN H (CF(H, E)) 其中，E是知识的前提条件；H是知识的结论；CF(H, E)是知识的可信度。对它们的简单说明如下： 前提条件可以是一个简单条件，也可以是由合取和析取构成的的复合条件。例如 E=( E1 OR E2) AND E3 AND E4 就是一个复合条件。 结论可以是一个单一的结论，也可以是多个结论。 可信度CF(Certainty Factor 简记为CF)又称为可信度因子或规则强度，它实际上是知识的静态强度。CF(H, E)的取值范围是[-1，1]，其值表示当前提条件E所对应的证据为真时，该前提条件对结论H为真的支持程度。CF(H, E)的值越大，对结论H为真的支持程度就越大。例如 IF 发烧 AND 流鼻涕 T