《人工智能及应用ch》.ppt

该【《人工智能及应用ch》 】是由【相惜】上传分享，文档一共【46】页，该文档可以免费在线阅读，需要了解更多关于【《人工智能及应用ch》 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。不确定性推理证据理论精选课件D-S理论证据理论是由德普斯特()提出,并由沙佛()进一步开展起来的一种处理不确定性的理论。也称为D-S理论。其将概率的单点赋值扩展为集合赋值,弱化了公理系统。处理由不知道引起的的不确定性。精选课件概率分配函数定义4-1:设Ω是样本集,那么由Ω的所有子集构成的集合称为Ω的幂集,记为2Ω。例:设Ω={红,黄,白},求Ω的幂集2Ω解:Ω的幂集元素为Φ,{红},{黄},{白},{红,黄},{红,白},{黄,白},{红,黄,白}。精选课件概率分配函数定义4-2:设函数m:2Ω→[0,1],且满足m(Φ)=0∑A?Ωm(A)=1 称m是2Ω上的概率分配函数,m(A)称为A的根本概率数。精选课件概率分配函数例:为上一个例子定义一个概率分配函数。解:m(Φ,{红},{黄},{白},{红,黄},{红,白},{黄,白},{红,黄,白})={0,,0,,,,0,}精选课件概率分配函数的两点说明概率分配函数将样本空间中的任意子集映射到[0,1]的一个数。当子集是一个元素时,表示对此元素的精确信任度,也是对子集的精确信任度。当子集是多个元素时,表示对子集的精确信任度,但不清楚子集中每个元素的信任度。当子集是样本空间时,不知道如何将信任度分配给每个元素。精选课件概率分配函数的两点说明如例中A={红},m({红})=;A={红,黄,白},m({红,黄,白})=。概率分配函数不是概率。不满足概率的归一性。精选课件信任函数定义4-3:信任函数(Belieffunction)Bel:2Ω→[0,1]为对任给的A?ΩBel(A)=∑B?Am(B)Bel函数又称为下限函数,表示对A的总的信任度。精选课件信任函数接前例:Bel(Φ)=0Bel({红})=({红,白})=Bel({红})+Bel({白})+Bel({红,白})=++=({红,白,黄})=Bel({红})+Bel({白})+Bel({黄})+Bel({红,白})+Bel({红,黄})+Bel({黄,白})+Bel({红,黄,白})=1精选课件信任函数Bel(Φ)=m(Φ)=0Bel(Ω)=∑B?Ωm(B)=1精选课件