人工智能第5節(jié)不確定可信度-資料下載頁
2025-05-11 21:00本頁面
【正文】 N H () R2: IF E2 THEN H () R3: IF E3 THEN H () R4: IF E4 AND (E5 OR E6) THEN E1 () R5: IF E7 AND E8 THEN E3 () 已知： CF(E2)=, CF(E4)=, CF(E5)= CF(E6)=, CF(E7)=, CF(E8)= 求： CF(H)=？ 解：由 R4得到： CF(E1)= max{0,CF[E4 AND (E5 OR E6)]} = max{0,min{CF(E4),CF(E5 OR E6)}} = 由 R5得到： CF(E3)= max{0,CF[E7 AND E8]} = R1: IF E1 THEN H () R2: IF E2 THEN H () R3: IF E3 THEN H () 由 R1得到： CF1(H)= max{0,CF(E1)}= 由 R2得到： CF2(H)= max{0,CF(E2)}= 由 R3得到： CF3(H)= max{0,CF(E3)}= 根據(jù)結(jié)論不確定性的合成算法： CF12(H)=CF1(H)+CF2(H)CF1(H) CF2(H)= CF123(H)=[CF12(H)+CF3(H)]/[1min{|CF12(H)|,|CF3(H)|}] = 即最終的綜合可信度為 CF(H)=。 IF E THEN H (CF(H,E)) CF模型的核心問題是三個可信度： (1) 知識的可信度 CF(H,E)：取值范圍 [1， 1] CF(H,E)=1 對應(yīng)于 P(H|E)=1 (證據(jù)絕對支持結(jié)論 ) CF(H,E)=1 對應(yīng)于 P(H|E)=0 (證據(jù)絕對否定結(jié)論 ) CF(H,E)=0 對應(yīng)于 P(H|E)=P(H) (證據(jù)與結(jié)論無關(guān) ) (2) 證據(jù)的可信度 CF(E)：取值范圍 [1， 1] CF(E)=1 對應(yīng)于 P(E)=1 (證據(jù)絕對存在 ) 。 CF(E)=1 對應(yīng)于 P(E)=0。 (證據(jù)絕對不存在 ) CF(E)=0 對應(yīng)于 P(E)= (對證據(jù)一無所知 )。 (3) 結(jié)論的可信度 CF(H)：取值范圍 [1， 1] CF(H)=CF(H,E) max{0,CF(E)} 該公式隱含了一個知識運(yùn)用的條件 , 即 CF(E)0。 基于可信度的不確定性推理方法的特點 優(yōu)點： ? 簡單、直觀。 缺點： ? 可信度因子依賴于專家主觀指定，沒有統(tǒng)一、客觀的尺度，容易產(chǎn)生片面性。 ? 隨著推理延伸，可信度越來越不可靠，誤差越來越大。當(dāng)推理深度達(dá)到一定深度時，有可能出現(xiàn)推出的結(jié)論不再可信的情況。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1