不确定性推理3知识讲稿.pptx

不确定性推理 现实世界中的大多数问题是不精确、非完备的。对于这些问题，若采用精确性推理方法显然是无法解决的。为此，人工智能需要研究不精确性的推理方法，以满足客观问题的需求。 本章内容1.不确定性推理概论 不确定性及其类型 不确定性推理概念2.不确定性推理中的基本问题 表示问题 计算问题3.不确定性推理方法分类4.经典的不确定性推理模型 可信度方法 主观贝叶斯方法不确定性概述不确定性：由于客观世界的复杂、多变性和人类自身认识的局限、主观性，致使我们所获得、所处理的信息和知识中，往往含有不肯定、不准确、不完全甚至不一致的成分。事实上，不确定性大量存在于我们所处的信息环境中，例如人的日常语言中就几乎处处含有不确定性（瞧！这句话本身就含有不确定性：什么叫“几乎”？）。不确定性也大量存在于我们的知识特别是经验性知识之中。 不确定性推理概念 不确定性推理泛指除精确推理以外的其它各种推理问题。包括不完备、不精确知识的推理，模糊知识的推理，非单调性推理等。 不确定性推理过程实际上是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出具有一定不确定性但却又是合理或基本合理的结论的思维过程。不确定性推理中的基本问题 要实现对不确定性知识的处理，必须要解决不确定知识的表示问题，不确定信息的计算问题，以及不确定性表示和计算的语义解释问题。1．表示问题表达要清楚。表示方法规则不仅仅是数，还要有语义描述。 不确定性的传播和更新。也是获取新信息的过程。2. 计算问题3. 语义问题将各个公式解释清楚。不确定性推理的表示问题一、知识的不确定性表示 知识不确定性的表示方式是与不确定性推理方法密切相关的一个问题。在选择知识的不确定性表示时，通常需要考虑以下两个方面的因素：要能够比较准确地描述问题本身的不确定性便于推理过程中不确定性的计算知识的不确定性表示 （1）狭义不确定性知识的表示 我们只讨论随机性产生式规则的表示。对于狭义不确定性，一般采用信度（或称可信度）来刻划。一个命题的信度是指该命题为真的可信程度。例如， (这场球赛甲队取胜，0.9) 这里的0.9就是命题“这场球赛甲队取胜”的可信度。它表示“这场球赛甲队取胜”这个命题为真（即这个事件发生）的可能性程度是0.9。在实际应用中，知识的不确定性是由领域专家给出的。知识的不确定性表示 （2）不确切性知识的表示 对于不确切性，一般采用程度或集合来刻划。所谓程度就是一个命题中所描述的事物的属性、状态和关系等的强度。例如，我们用三元组（张三，体型，(胖，0.9）)表示命题“张三比较胖”，其中的0.9就代替“比较”而刻划了张三“胖”的程度。 这种程度表示法，一般是一种针对对象的表示法。其一般形式为（<对象>，<属性>，(<属性值>，<程度>）)证据的不确定性的表示二、证据的不确定性的表示推理中的证据有两种来源：一种是用户在求解问题时所提供的初始证据，如病人的症状、检查结果等；另一种是在推理中得出的中间结果，即把当前推理中所得到的中间结论放入综合数据库，并作为以后推理的证据来使用。一般来说，证据的不确定性表示应该与知识的不确定性表示保持一致，以便推理过程能对不确定性进行统一处理。 证据的不确定性可以用概率来表示，也可以用可信度等来表示，其意义与知识的不确定性类似。 不确定性推理的计算问题（1）组合证据的不确定性如何由两个证据A1和A2的可信度度量P(A1)、P(A2)计算“与”、“或”逻辑计算结果的可信度度量：P(A1∧A2)=f(P(A1), P(A2))、P(A1∨A2)=f(P(A1), P(A2))最大最小法： P(A1∧A2)＝min(P(A1)， P (A2) P(A1∨A2)＝max(P(A1)， P (A2))概率方法： P(A1∧A2)＝ P(A1)×P (A2) P(A1∨A2)＝ P(A1)+ P(A2)- P(A1)×P (A2)有界方法：P(A1∧A2)＝max(0，P(A1)+P (A2)-1) P(A1∨A2)＝min(1，P(A1)+P (A2))不确定性的计算（2）结论不确定性的合成 用多个不同知识推理得到了 相同的结论，但不确定性程度不同。系统需要将相同结论的多个不确定性进行综合，即对不确定性进行合成。结论不确定合成的方法也很多，一般视不同推理方法而定不确定性推理方法分类数值方法是对不确定性的一种定量表示和处理方法。数值方法非数值方法是指出数值方法外的其他各种处理不确定性的方法 ,它采用集合来描述和处理不确定性，而且满足概率推理的性质。非数值方法关于不确定性推理的类型由多种不同的分类方法，如果按照是否采用数值来描述非精确性，可将其分为数值方法和非数值方法两大类型。不确定性推理方法分类 对于数值方法，按其依据的理论不同又可分为以下两类： 1、基于概率的方法：是基于概率论的