不确定性人工智能 KJ4云数学性质.pptVIP

正态分布的普适性和高斯隶属函数的普适性，共同奠定了正态云模型的普适性。 云模型利用三个数字特征设计特定的算法，构造出一个服从泛正态分布的随机变量 ——云滴。 云模型本质是基于概率测度空间的云滴及其确定度的分布模型。云模型对模糊性和随机性的关联性，建立了简单但是较为合理的映射关系。 云模型的数理统计基础 对某一定性概念，云滴在靠近期望值出现的概率较大，且该云滴能代表此定性概念的确定度也较大；云滴在远离期望值处出现的概率较小，该云滴能代表该概念的确定度也较小。 用模糊性对随机性关联的映射函数来计算确定度，恰好可说明上述现象。 云模型的数理统计基础 用三个数字特征进行定性定量转换是最小集合，不可能再少； 还有更高阶的熵，例如用超超熵去反映超熵的不确定性，是可以无限深追的，但人类使用自然语言思维不会涉及过多的数学运算； 也可以构造“均匀——正态”等其他云模型 为什么不用更少或者更多的 数字特征构造云模型？ 2 正态云的数学性质一 对任一定性概念，其所有定量实现——云滴组成的随机变量，在论域空间呈泛正态分布。 记所有云滴组成的随机变量为X,由云发生器的算法，X的概率密度为: 而En’的概率密度为: 云滴在论域空间的概率分布 故 X 的概率密度函数为: 此函数没有解析形式。 云滴的统计特性 云滴X 的期望 E(X)=Ex ； 方差