第03章-2-不确定性推理.ppt

1第三章推理机制

1不确定性推理

CompanyLogo推理机制不确定性推理不确定性推理基本理论主观Bayes方法证据理论可信度方法模糊集理论

CompanyLogo推理机制不确定性推理不确定性推理基本理论主观Bayes方法证据理论可信度方法模糊集理论

CompanyLogo不确定性的产生和来源来自人类的主观认识与客观实际之间存在的差异产生原因事物发生的随机性人类知识的不完全、不可靠、不精确和不一致自然语言中存在的模糊性和歧义性

CompanyLogo不确定性(狭义)不确定性(uncertainty)就是一个命题(亦即所表示的事件)的真实性不能完全肯定，而只能对其为真的可能性给出某种估计。例：如果乌云密布\电闪雷鸣，则可能要下暴雨。如果头痛发烧，则大概是患了感冒。

CompanyLogo不确切性(模糊性)不确切性(imprecision)就是一个命题中所出现的某些言词其涵义不够确切，从概念角度讲，也就是其代表的概念的内涵没有硬性的标准或条件，其外延没有硬性的边界，即边界是软的或者说是不明确的。例:小王是个高个子。张三和李四是好朋友。如果向左转，则身体就向左稍倾。

CompanyLogo随机性和模糊性是不确定性的基本内涵随机性(偶然性)和随机数学以贝叶斯公式为基础的贝叶斯理论,在人工智能中一直是处理不确定性的重要工具带可信度的不确定推理证据理论引入信任函数和似然函数来描述命题的不确定性当先验概率已知时,证据理论就变成了概率论模糊性(非明晰性)和模糊数学模糊集合论,隶属度粗糙集理论Vague集理论通过对模糊对象赋予真、假隶属函数,从正、反两个方面来处理模糊性

CompanyLogo不确定性推理不确定性的类型随机性模糊性不完全性（对事物认识不足）不一致性（随着推理的进行，原来成立的，变的不那么成立了）

CompanyLogo不确定性的表示（I）（1）知识不确定性的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一般将这两个方面的因素结合起来综合考虑。知识的不确定性通常为一个数值，也称为知识的静态强度。

CompanyLogo不确定性的表示（II）知识的静态强度可以是该知识在应用中成功的概率，也可以是该知识的可信程度等。如果用知识在应用中成功的概率来表示静态强度，则其取值范围为[0，1]，该值越接近于1，说明该知识越接近于“真”；其值越接近于0，说明该知识越接近于“假”。如果用知识的可信度来表示静态强度，则其取值范围为[-1，1]，当该值大于0时，值越大说明知识越接近于真，当其值小于0时，值越小说明知识越接近于假。在实际应用中，知识的不确定性是由领域专家给出的。

CompanyLogo不确定性表示（III）（2）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。

CompanyLogo不确定性推理的类型(I)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。数值方法是一种用数值对非精确性进行定量表示和处理的方法。非数值方法是指除数值方法以外的其他各种对不确定性进行表示和处理的方法，如非单调推理等。

CompanyLogo不确定性推理的类型(II)对于数值方法，又可按其所依据的理论分为两种类型一类是基于概率论的有关理论发展起来的方法，称为基于概率的模型，如确定性理论、主观Bayes方法、证据理论、可能性理论等；另一类是基于模糊逻辑理论发展起来的可能性理论方法，称为模糊推理。

CompanyLogo不确定性推理模型的基本结构规则的一般表示形式：IFETHENH(C(H，E))其中：E表示规则的前提条件，即证据H表示规则的结论部分，即假设C(H,E)表示规则的精确程度或可信度。任何一个不确定性推理模型必须解决三个问题：1)前提(证据，事实)的不确定性描述2)规则(知识)的不确定性描述3)不确定性的更新算法