智能决策理论与方法解析PPT课件.pptx

2024/8/3011:59不确定性决策不确定性决策：指难以获得各种状态发生的概率，甚至对未来状态都难以把握的决策问题。特点：状态的不确定性。不确定性：不确定性来自人类的主观认识与客观实际之间存在的差异。事物发生的随机性、人类知识的不完全、不可靠、不精确和不一致以及自然语言中存在的模糊性和歧义性，都反映了这种差异，都会带来不确定性。不确定性就造成了具有相同描述信息的对象可能属于不同概念。解决问题的主要理论方法：人工智能与不确定性理论第1页/共52页

2024/8/3011:59智能决策理论与方法1、智能决策理论的形成背景2、知识发现3、机器学习4、不确定性理论第2页/共52页

2024/8/3011:59智能决策理论与方法—形成背景人类面临越来越复杂的决策任务和决策环境：决策问题所涉及的变量规模越来越大；决策所依赖的信息具有不完备性、模糊性、不确定性等特点，使得决策问题难以全部定量化地表示出来；某些决策问题及其目标可能是模糊的、不确定的，使得决策者对自己的偏好难以明确，随着决策分析的深入，对决策问题的认知加深，自己原有的偏好/倾向得到不断地修正，使得决策过程出现不断调整的情况，这时，传统的决策数学模型已经难以胜任求解复杂度过高的决策问题、含有不确定性的决策问题以及半结构化、非结构化的决策问题，因而产生了智能决策理论、方法及技术。第3页/共52页

2024/8/3011:59智能决策理论与方法—AI的应用模式智能决策方法是应用人工智能(ArtificialIntelligence,AI)相关理论方法，融合传统的决策数学模型和方法而产生的具有智能化推理和求解的决策方法，其典型特征是能够在不确定、不完备、模糊的信息环境下，通过应用符号推理、定性推理等方法，对复杂决策问题进行建模、推理和求解。AI应用于决策科学主要有两种模式：针对可建立精确数学模型的决策问题，由于问题的复杂性，如组合爆炸、参数过多等而无法获得问题的解析解，需要借助AI中的智能搜索算法获得问题的数值解；针对无法建立精确数学模型的不确定性决策问题、半结构化或非结构化决策问题，需要借助AI方法建立相应的决策模型并获得问题的近似解。第4页/共52页

2024/8/3011:59智能决策理论与方法1、智能决策理论的形成背景2、知识发现3、机器学习4、不确定性理论第5页/共52页

2024/8/3011:59知识发现—动机智能决策的核心是如何获取支持决策的信息和知识。问题知识获取是基于知识的系统(KBS)的最大瓶颈推理机知识工程师领域专家决策者知识库问题请求推理结果第6页/共52页

2024/8/3011:59知识发现—动机问题推理规则的获取与KBS中知识获取一样难，因而基于案例推理(Case-BasedReasoning)渐渐变成基于案例检索(Case-BasedRetrieving)。推理机决策者案例库问题请求推理结果规则库知识工程师领域专家第7页/共52页

2024/8/3011:59知识发现—动机决策者数据分析师数据中心不一定满意的决策决策支持查询查询结果问题数据分析师与决策者之间对问题的理解存在偏差缺少有创造性的决策建议技术问题：如查询效率(RDBMS)第8页/共52页

2024/8/3011:59知识发现—动机推理机数据挖掘工具数据中心决策者知识库问题请求推理结果背景知识领域专家优点知识独立于问题本身知识的获取主要通过数据挖掘实现有创造性收获第9页/共52页

2024/8/3011:59知识发现—动机KDD带来的新问题知识发现问题：如何从数据中将知识挖掘出来？面临许多技术问题：如数据异构问题、数据具有噪音且信息不完整、使用什么样的挖掘算法、知识如何表示等知识评价问题：数据本身具有权威性、客观性，但知识不具备。知识如何评价？第10页/共52页

2024/8/3011:59知识发现—基本概念知识发现(KnowledgeDiscoveryinDatabases,KDD)：从大量数据中提取隐含的(预先未知、新颖)、有潜在应用价值的(可信、有效)并最终能被人理解的模式的非平凡过程。也称为数据挖掘(DataMining)。此过程主要包含三个阶段：数据准备阶段、数据挖掘阶段、解释评价阶段。抽样预处理数据挖掘解释/评价数据中心样本集预处理结果变换结果挖掘结果知识任务描述变换第11页/共52页

2024/8/3011:59知识发现—基本概念数据准备阶段一般包含数据选取、预处理和数据变换等任务：数据选取：根据用户的需要从原始数据集中抽取一组样本数据确定挖掘任务的操作对象。常见数据源：关系型数据库数据：如营销数据库文本数据：内容挖掘(如Web内容挖掘，寻找相似页面)Web数据：站点结构数据(如Web结构挖掘，优化站点设计，站点导航，自适应站点)；