人工智能課件之不確定性處理-資料下載頁
2025-01-08 19:14本頁面
【正文】 、 各種特征 (值 )強度 、 隸屬度等的計算 。 第 7章 不確定性處理 可以看出 ， 不確定性推理與通常的確定性推理相比 ， 區(qū)別在于多了個數(shù)值計算過程 。 但正由于需要計算 ， 所以 ， 不確定性推理就與通常的確定性推理有了質(zhì)的差別 。 主要表現(xiàn)在以下幾個方面 : (1)不確定性推理中符號模式匹配能否成功 ， 不但要求兩個符號模式本身要能夠匹配 （ 合一 ） ， 而且要求證據(jù)事實所含的不確定性程度必須達 “ 標 ” ， 即必須達到一定的限度 。 這個限度一般稱為 “ 閾值 ” 。 第 7章 不確定性處理 (2)不確定性推理中一個規(guī)則的觸發(fā) ， 不僅要求其前提能匹配成功 ， 而且前提條件的不確定性總程度還必須至少達到閾值 。 (3)不確定性推理中推得的結(jié)論是否有效 ， 也取決于其不確定性程度是否達到閾值 。 總之 ， 不確定性推理要涉及：不確定性度量 、 閾值 、 上述各種度量計算方法等的定義和選取 。 所有這些就構(gòu)成了所謂的不確定性推理模型 ， 或不精確推理模型 。 第 7章 不確定性處理 確定性理論 確定性理論是肖特里菲 （ ） 等于 1975年提出的一種不精確推理模型 ， 它在專家系統(tǒng) MYCIN中得到了應(yīng)用 。 確定性理論是用于隨機不確定性的一種推理模型 。 采用 CF， 即確定性因子 （ 一般稱為可信度 ） ， 其定義如上節(jié)所述 ， 取值范圍為 ［ 1， 1］ 。 第 7章 不確定性處理 2. 前提證據(jù)事實總 CF值計算 CF(E1∧ E2∧ … ∧ En)＝ min{CF(E1)， CF(E2)， … ， CF(En)} CF(E1∨ E2∨ … ∨ En)＝ max{CF(E1)， CF(E2)， … ， CF(En)} 其中 E1， E2， … ， En是與規(guī)則前提各條件匹配的事實 。 CF值計算 CF(H)＝ CF(H， E)max{0， CF(E)} 其中 E是與規(guī)則前提對應(yīng)的各事實 ， CF(H， E)是規(guī)則中結(jié)論的可信度 ， 即規(guī)則強度 。 第 7章 不確定性處理 CF值計算 若同一結(jié)論 H分別被不同的兩條規(guī)則推出 ， 而得到兩個可信度 CF(H)1和 CF(H)2， 則最終的 CF(H)為 CF(H)1＋ CF(H)2－ CF(H)1CF(H)2 當(dāng) CF(H)1≥0， 且 CF(H)2≥0 CF(H)= CF(H)1＋ CF(H)2＋ CF(H)1CF(H)2 當(dāng) CF(H)1＜ 0， 且 CF(H)2＜ 0 CF(H)1＋ CF(H)2 否則 第 7章 不確定性處理 例 設(shè)有如下一組產(chǎn)生式規(guī)則和證據(jù)事實，試用確定性理論求出由每一個規(guī)則推出的結(jié)論及其可信度。 規(guī)則 : ① if A then B() ② if B and C then D() ③ if A and C then D() ④ if B or D then E() 事實 : A， CF(A)=。CF(C)= 第 7章 不確定性處理 解 規(guī)則 ① 得 :CF(B)＝ ＝ 由規(guī)則②得 :CF(D)1＝ min{， )＝ ＝ 由規(guī)則 ③ 得 :CF(D)2＝ min{， )＝ ＝ 從而 CF(D) ＝ CF(D)1＋ CF(D)2－ CF(D)1 CF(D)2 ＝ ＋ － ＝ 由規(guī)則 ④ 得 :CF(E)＝ max{， }＝ ＝ 第 7章 不確定性處理 演講完畢，謝謝觀看！
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1