人工智能不确定推理方法.ppt

第四章
不确定推理方法
1
在日常生活中，人们通常所遇到的情况是信息不够完善、不够精确，即所掌握的知识具有不确定性。人们就是运用这种不确定性的知识进行思维、推理，进而求解问题，所以，为了解决实际问题，必须对不确定知识的表示、推理过程等进行研究，这就是本章将要讨论的不确定推理方法。有关不确定性知识的表示及推理方法目前有很多种，但比较重要且比较著名的方法主要有可信度方法、主观Bayes方法和证据理论方法。本章将在概述不确定推理方法及其概念的基础上，着重对这三种方法进行较详细的讨论。
2
不确定推理概述
不确定推理的概念
所谓推理就是从已知事实出发，运用相关的知识（或规则）逐步推出结论或者证明某个假设成立或不成立的思维过程。其中，已知事实和知识（规则）是构成推理的两个基本要素。已知事实是推理过程的出发点及推理中使用的知识，我们把它称为证据，而知识（或规则）则是推理得以向前推进，并逐步达到最终目标的根据。 一个人工智能系统由总数据库、知识库和推理机构成。其中，总数据库就是已知事实的集合，而知识库即是规则库，是一些人们总结的规则的集合，推理机则是由一些推理算法构成，这些算法将依据知识库中的规则和总数据库中的事实进行推理计算。其中，知识库是人工智能系统的核心。
3
不确定推理概述
不确定推理方法的分类
目前，不确定推理方法可以分为两大类，一类称为模型方法，另一类称为控制方法。
模型方法的特点是把不确定的证据和不确定的知识分别与某种度量标准对应起来，并给出更新结论不确定性的合适的算法，从而构成相应的不确定性推理模型。不同的结论不确定性更换算法就对应不同的模型。下面介绍的几种不确定推理方法都属于模型法。
控制方法的特点是通过识别领域中引起不确定性的某些特征及相应的控制策略来限制或减少不确定性系统产生的影响，这类方法没有处理不确定性的统一模型，其效果极大地依赖于控制策略，控制策略的选择和研究是这类不确定性推理方法的关键。启发式搜索、相关性制导回溯等是目前常见的几种控制方法。
4
不确定推理概述
由于概率论有着完善的理论，同时还为不确定性的合成与传递提供了现成的公式，因而被用来表示和处理知识的不确定性，成为度量不确定性的重要手段。这种纯粹依靠概率模型来表示和处理不确定性的方法称为纯概率方法或概率方法。纯概率方法虽然有严密的理论依据，但它却要求给出事件的先验概率和条件概率，而这些数据又不易获得，因而使其应用受到限制。为此，人们经过多年的研究，在概率论的基础上，发展了一些新的处理不确定性的方法，这些方法包括：可信度方法、主观Bayes方法和证据理论方法。本章的重点即是介绍这三种不确定推理方法。
5
不确定推理概述
不确定推理中的基本问题
1．不确定性的表示
不确定性主要包括两个方面，一是证据的不确定性，一是知识的不确定性。因而，不确定性的表示问题就包括证据表示和知识表示。
 证据不确定性的表示
对于由观察所得到的初始证据，其值一般由用户或专家给出；而对于用前面推理所得结论作为当前推理的证据，其值则是由推理中的不确定性传递算法计算得到。
 知识不确定性的表示
在表示具有不确定性的知识时，要考虑两个方面的因素：一是要将领域问题的特征比较准确的描述出来，满足问题求解的需要；另一个是要便于推理过程中对不确定性的推算。只要把这两方面因素考虑到，则相应的表示方法才能实用。
6
不确定推理概述
2．推理计算
不确定推理过程主要包括不确定性的传递计算算法、组合证据不确定性算法和结论不确定性的更新或合成算法。假设以CF(E)表示证据E的不确定性程度，而以CF(H,E)表示知识（规则）E→H的不确定性程度，则我们要解决的问题即是：
(1)不确定性传递问题。
(2)证据不确定性的合成问题。
(3)结论不确定性的合成问题。
7
不确定推理概述
3．不确定性的量度
在确定一种量度方法及其范围时，应注意以下几点：
（1）量度要能充分表达相应知识及证据的不确定性程度。
（2）量度范围的指定应便于领域专家及用户对证据或知识不确定性的估计。
（3）量度要便于不确定性的推理计算，而且所得到的结论之不确定值应落在不确定性量度所规定的范围之内。
（4）量度的确定应当是直观的，同时应当有相应的理论依据。
8
可信度方法
可信度的概念
所谓可信度就是人们在实际生活中根据自己的经验或观