第5章-不确定性推理.pptVIP

2021/2/7 * 证据理论 (证据的不确定性) 似然函数 Pl:２Ｕ→［0,1］。 （在Ｕ的幂集２Ｕ上定义,取值［0,1］） Pl(A) = 1 - Bel(～A) = 性质: 0 ≤ Bel(A) ≤ Pl(A) ≤1 ( Bel是Pl的一部分) 称Bel(A)和Pl(A)是A的下限不确定性值和上限不确定性值。 2021/2/7 * 证据理论 (证据的不确定性) 设函数f(Bel(A), Pl(A)) ,则有如下特殊值: f(１,１):表示A为真 f( 1, 0):表示A为假 f(０,１):表示对A一无所知 f( 0,０):不可能成立 2021/2/7 * 证据理论 概述 证据的不确定性 规则的不确定性 推理计算 2021/2/7 * 证据理论 概述 证据的不确定性 规则的不确定性 推理计算 2021/2/7 * 证据理论 (规则的不确定性) 定义: 其中|A|、|U|为集合内元素个数。 性质: 对于A ? U f1(Φ) = 0, f1(Ｕ) = 1, 0≤f1(A)≤1 2021/2/7 * 证据理论 (规则的不确定性) 推理形式: 设子集合A、B,其中A = {a1, a2, …, al}, B = {b1, b2, …, bk}, 用相应的向量(c1, c2, …, ck)描述规则A→B, 其中:ci≥0, 1≤i≤k, 且∑cj≤1, 1≤j≤k 已知事件A,由f1(A)求bk, bk = f1(A)ck 2021/2/7 * 证据理论 概述 证据的不确定性 规则的不确定性 推理计算 2021/2/7 * 证据理论 概述 证据的不确定性 规则的不确定性 推理计算 2021/2/7 * 证据理论 (推理计算) f1(A1∧A2) = min { f1(A1), f1(A2)} f1(A1∨A2) = max { f1(A1), f1(A2)} 已知:f1(A),A → B,(c1, c2, …, ck)。 求:f1(B) 规定:m({b1}, {b2}, …,{bk}) = (f1(A)c1,f1(A)c2,…, f1(A)ck) m (U) = 1 – 2021/2/7 * 证据理论 (推理计算) 证据的组合:m1, m2在U上的合成 （对于同样的证据,由于来源不同,得到二个概率分配函数m1, m2 ） 定义:m = m1⊙ m2 规定:m(Φ) = 0 , m(A) = 其中 K－1＝1－ 且 K－1 ? 0。 若K－1 ＝ 0,认为m1,m2矛盾,没有联合基本概率分配函数 。 2021/2/7 * 第四章 不确定性推理 The End 2021/2/7 * 理论基础 以定量法为工具,比较法为原则的相对确认理论。 采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度,而是给出可信度较高的前几位,供人们比较选用。 规则 规则的不确定性度量 证据（前提）的不确定性度量。 推理计算。 确定性方法 2021/2/7 * 规则 (证据的不确定性度量） 证据A的可信度表示为CF( A) 同样有:-1 ≤ CF( A) ≤ 1 特殊值:CF( A) = 1, 前提肯定真 CF(A) = -1, 前提肯定假 CF(A) = 0, 对前提一无所知 CF( A) ＞ 0, 表示A以CF( A)程度为真 CF( A) ＜ 0, 表示A以CF( A)程度为假 2021/2/7 * 理论基础 以定量法为工具,比较法为原则的相对确认理论。 采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度,而是给出可信度较高的前几位,供人们比较选用。 规则 规则的不确定性度量 证据（前提）的不确定性度量。 推理计算。 确定性方法 2021/2/7 * 理论基础 以定量法为工具,比较法为原则的相对确认理论。 采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度,而是给出可信度较高的前几位,供人们比较选用。 规则 规则的不确定性度量 证据（前提）的不确定性度量。 推理计算。 确定性方法 2021/2/7 * 规则 (推理计算 － 1） “与”的计算: A1 ∧ A2 →B CF(A1 ∧ A2 ) = min { CF(A1), CF(A2 )} “或”的计算: A1 ∨ A2 →B CF(A1 ∨ A2 ) = max { CF(A1), CF(A2 )} “非”的计算: CF(～A ) = ～CF(A ) 由A, A →B,　求 B: CF(B) = CF(A )·