人工智能第5節(jié)不確定可信度(參考版)
2025-05-15 21:00本頁面
【正文】 。 ? 隨著推理延伸，可信度越來越不可靠，誤差越來越大。 基于可信度的不確定性推理方法的特點 優(yōu)點： ? 簡單、直觀。 (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 )。 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 ) 。由于對多條知識的綜合可通過兩兩的合成實現(xiàn)，所以下面只考慮兩條知識的情況。 （ 2） CF(E)=1時 ,CF(H)=CF(H,E),說明規(guī)則可信度CF(H,E)就是證據(jù)為真時的結(jié)論 H的可信度。 證據(jù)的可信度值來源于兩種情況： （ 1）初始證據(jù)由領(lǐng)域?qū)＜一蛴脩艚o出； （ 2）中間結(jié)論由不確定性傳遞算法計算得到。 證據(jù)不確定性的表示 設(shè)證據(jù) E所在的環(huán)境為 S，則可用 可信度 CF(E, S)來表示 E在 S下的確定性程度，并有： CF(E, S) = MB(E, S) MD(E, S) 若 S下 E為真，則 CF(E,S ) = 1； 若 E為假，則 CF(E,S ) =1； 若 S 對 E的真值無影響，則 CF(E,S )= 0。 CF(E)0:表示證據(jù)以某種程度為假。如： CF(E)= CF(E)的取值范圍： [1， +1]。 ,( | ) ( )( , ) 0 ( | ) ( )1 ( )( , ) 0 , ( | ) ( )( ) ( | )0 ( , ) , ( | ) ( )()P H E P HM B H E P H E P HPHCF H E P H E P HP H P H EM D H E P H E P HPH????????????? ? ?????? ? ? ?IF E THEN H (CF(H,E)) 當(dāng)且僅當(dāng) P(H|E)=1時 , CF(H,E)=1 當(dāng)且僅當(dāng) P(H|E)=0時 , CF(H,E)=1 CF(H,E)定性地反映了 P(H|E)的大小 ,因此可以用CF(H,E)近似表示 P(H|E)的大小 ,從而描述了規(guī)則的可信度。 CF(H,E)0對應(yīng)于 P
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1