人工智能原理教案03章不确定性推理方法320不确定推理概述.doc

人工智能原理教案03章不确定性推理方法320不确定推理概述.doc:..“公理”(如领域专家给出的规则强度和用户给出的原始证据的不确定性)的基础上,定义一组函数,求出“定理”(非原始数据的命题)的不确定性度量,也就是说,根据原始证据的不确定性和知识的不确定性,求出结论的不确定性。一般来讲,一个不确定推理模型应当包括如下算法:(1)根据规则前提A的不确定性C(A)和规则强度f(B,A)求出假设B的不确定性C(B),即定义函数gl,使C(B)=gl[C(A),f(B,A)](2)根据分别由独立的证据A:、A2求得的假设B的不确定性G⑻和C2(B),求出证据么和A2的组合所导致的假设B的不确定性C(B),即定义函数g2,使C⑻=g2[C]⑻,C2⑻](3)根据两个证据々,和A2的不确定性C(AJ和C(A2),求出证据么和A2的合取的不确定性,即定义函数g3,使C(A,ANDA2)=g3[C(A1),C(A2)](4)根据两个证据A4nA2的不确定性(:(么)和C(A2),求出证据A,和A2的析取的不确定性,即定义函数g4,使C(AiORA2)=gi[C(Ai),C(A2)]r/n,r)hr抵 曲议图1规则的不确定性表示R<RG2不确定推理网络示例例如图2所示的推理网络。设A,、么和&为初始证据,即己知证据A,、^和A3的不确定性分别为C(Ai)、C(A2)和C(A3)o求解A4、A5和A6的不确定性。在求解之前,A4、&和A6的不确定性应为单位元(对证据A—无所知的情况下C(A)的取值,称为证据的单位元)。问题的求解过程为(1)利用证据A,的不确定性C(A,)和规则R,的规则强度fu根据算法1求出A4新的不确定性C(AJ。(2)利用证据八2和A3的不确定性C(A2)和C(A3),根据算法4求出A2和A3的析取的不确定性C(A2ORA3)(3)利用^和A3的析取的不确定性C(A2ORA3)和规则仏的规则强度^根据算法1求出仏的新的不确定性c(a5),(4)利用A4的不确定性C(A4)和规则R3的规则强度f3,根据算法1求出A6新的不确定性C?(A6)o(5)利用A5的不确定性C(A5)和规则R4的规则强度f4,根据算法1求出&另一个不确定性C,'(A6)。(6)利用A6的两个根据独立证据分别求得的不确定性(?(A6)和'(A6),根据算法2求出&最后的不确定性C(A6)。综上所述,定义一个具体的不确定推理模型就应当给出:(1)证据的不确定性,即明确给出证据为真时的值,证据为假时的值,及证据的单位元。(2)规则的不确定性,即明确给出若证据为真则假设为真时的值,若证据为真则假设为假时的值,及规则的单位元。(3)上述四种算法。。不同的模型有不同的算法,本节介绍一种各种模型都可采用的三角模(T-norm)和三角余模(T-conorra)的方法。[0,1]X[0,1]上的二元实值函数,它们满足下列条件:(1)边界条件T(0,0)=0,T(a,1)=T(l,a)=a(2)单调性若a彡c和b彡d,则T(a,b)彡T(c,d)(3)交换律T(a,b)=T(b,a)(4)结合律T(a,T(b,c)