人工智能-5不確定與非單調(diào)推理-資料下載頁
2025-05-13 10:18本頁面
【正文】 CF(E)≥λ時， CF(H)=CF(H,E) CF(E) 5. 結(jié)論不確定性的合成算法 設(shè)有多條規(guī)則有相同的結(jié)論，即 IF E1 THEN H (CF(H,E1),λ1) IF E2 THEN H (CF(H,E2),λ2) … IF En THEN H (CF(H,En),λn) 如果這 n條規(guī)則都滿足： CF(Ei)≥λi， i=1,2,… ,n 且都被啟用，則首先分別對每條知識求出它對 CFi(H)； 然后求結(jié)論 H的綜合可信度 CF(H)。 求綜合可信度的幾種方法 極大值法： CF(H)=max{CF1(H),CF2(H),…,CF n(H)} 加權(quán)求和法： 有限和法： 遞推法： C1=CF(H,E1) CF(E1) Ck=Ck1+(1Ck1) CF(H,Ek) CF(Ek) 11( , ) ( )( , )1() niiniiiC F H E C F EC F H ECF H???? ??1()( ) m i n{ ,1 }n iiC F HC F H?? ? 加權(quán)的不確定性推理 1. 知識不確定性的表示 IF E1(ω1) AND E2(ω2) AND…AND E n(ωn) THEN H (CF(H,E),λ) 其中 ωi(i=1,2,… ,n)是加權(quán)因子， λ是閾值，其值均由專家給出。 權(quán)值的取值范圍一般為 [0,1],且應滿足歸一條件，即 2. 組合證據(jù)不確定性的算法 若證據(jù) E=E1(ω1) AND E2(ω2) AND…AND E n(ωn) 則其可信度 CF(E)為： 11 , 1 , 2 , , ,01 n iiiin ??????? ?11()1( ) ( )nniiiiiCF ECF E ?????? ??3. 不確定性的傳遞算法 當一條知識的 CF(E)滿足如下條件時， CF(E)≥λ 該知識就可被應用。結(jié)論 H的可信度為： CF(H)=CF(H,E) CF(E) 加權(quán)因子的引入不僅可以解決證據(jù)的重要性、獨立性問題，還可以解決證據(jù)不完全的推理問題，并為沖突消解提供了一種解決途徑。 加權(quán)不確定性推理舉例 (1) 例 設(shè)有如下知識： R1: IF E1() AND E2() THEN E6(,) R2: IF E3() AND E4() AND E5() THEN ,) R3: IF E6() AND E7() THEN H(,) 已知： CF(E1)=, CF(E2)=, CF(E3)=, CF(E4)=, CF(E5)= 求： CF(H)=? 解：由 R1得到： CF(E1() AND E2())=λ1= ∴ R1可被應用。 加權(quán)不確定性推理舉例 (2) 由 R2得到： CF(E3() AND E4() AND E5())＝ λ2 = ∴ R2可被應用。 ∵ CF(E1() AND E2())CF(E3() AND E4() AND E5()) ∴ R1先被應用。 由 R1得到： CF(E6)= 由 R2得到： CF(E7)= 由 R3得到： CF(E6() AND E7())=λ3 = ∴ R3可被應用 ,得到： CF(H)= 即最終得到的結(jié)論 H可信度為 前提條件中帶有可信度因子的不確定性推理 前述的幾種不確定性推理方法，沒有在知識中指出前提條件或者子條件的可信度值，它們都是在前提條件 E為真的前提下為 CF(H,E)取值。在實際中，這樣有時不能準確反映領(lǐng)域?qū)＜业闹R。 1. 知識不確定性的表示 IF E1(cf1) AND E2(cf2) AND…AND E n(cfn) THEN H (CF(H,E),λ) 或者 IF E1(cf1,ω1) AND E2(cf2,ω2) AND…AND E n(cfn,ωn) THEN H (CF(H,E),λ) 其中， cfi是對子條件 Ei(i=1,2,…,n) 指出的可信度。 cfi在 [0,1]上取值，其值由專家給出。 2. 證據(jù)不確定性的表示 證據(jù) Ei的可信度記為 cf’i,其取值范圍在 [0,1]上。 3. 不確定性匹配算法 不帶加權(quán)因子的不確定性匹配算法： max{0,cf1cf’1}+max{0,cf2cf’2}+… + max{0,cfncf’n}≤λ 帶加權(quán)因子的不確定性匹配算法： (ω1 max{0,cf1cf’1})+(ω2 max{0,cf2cf’2})+… +(ωn max{0,cfncf’n}) ≤λ 這里 “ ＋ ” 運算可以改為 “ ∨ ” 運算。 顯然： 若所有 cf’i≥cfi則前提條件必然匹配； 若 cf’icfi或部分小于 cfi則能否匹配取決于 λ值。 4. 不確定性的傳遞算法 ? 不帶加權(quán)因子時： CF(H)=[(1max{0,cf1cf’1}) (1max{0,cf2cf’2}) … (1max{0,cfncf’n})] CF(H,E) ? 帶加權(quán)因子時： CF(H)=[(ω1 (1max{0,cf1cf’1})) (ω2 (1max{0,cf2cf’2})) … (ωn (1max{0,cfncf’n}))] CF(H,E) 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。 可信度數(shù)字上的語義不標準。 隨著推理延伸，可信度越來越不可靠，誤差越來越大。當推理深度達到一定深度時，有可能出現(xiàn)推出的結(jié)論不再可信的情況。 證據(jù)理論 證據(jù)理論是由 ，并由的理論，因此又稱為 DS理論。 1981年，同年。由于該理論滿足比概率論弱的公理，能夠區(qū)分 “ 不確定 ” 與 “ 不知道 ” 的差異，并能處理由 “ 不知道 ” 引起的不確定性，具有較大的靈活性。 完 謝謝
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1