【正文】 CF(B2 | B1?A3) =CF0(B2)+CF(B2, B1?A3)?CF(B1?A3) － CF0(B2)?CF(B2, B1?A3)?CF(B1?A3) =0+?= 2/27/2023 92 演講完畢，謝謝觀看！ 。在這種情況下，這兩種算法是等價的。 先計算 X的可信度更新值： CF(A)=CF(B)=CF(C)=CF(D)=1 由 R1： CF(X | A) ＝ CF0(X)+CF(X,A)?CF(A)CF0(X)?CF(X,A)?CF(A) =+???= 由 R2： CF(X | AB) = CF(X|A)+CF(X,B)?CF(B)CF(X|A)?CF(X,B)?CF(B) =+???= 2/27/2023 88 由 R3： CF(X | ABC) =CF(X| AB) +CF(X,C)?CF(C)－ CF(X |AB)?CF(X,C)?CF(C) =+???= 則 CF(X)= CF(X?D)= min{CF(X),CF(D) } = min{, }= 由 R4： CF(Y | D) =CF0(Y)+CF(Y,D)?CF(D)－ CF0(Y)?CF(Y,D)?CF(D) =+???= 則 CF(Y)= 2/27/2023 89 R1： IF A1 THEN B1 CF(B1,A1)= R2： IF A2 THEN B1 CF(B1,A2)= R3： IF B1?A3 THEN B2 CF(B2, B1?A3)= 并且已知： CF(A1)=CF(A2)=CF(A3)=1 對 B1， B2一無所知，其可信度為： CF0(B1)=CF0(B2)=0 求： CF(B1)和 CF(B2) 舉例 4 2/27/2023 90 由 R1： 使用更新法。 三、可信度方法應用舉例 多條知識下 ， 合成法求結(jié)論可信度舉例 舉例 1 2/27/2023 80 解：由于對 B1， B2的初始可信度一無所知，使用合成算法計算 A1 B1 R1 A2 R2 A3 B2 R3 ① 對知識 R1和 R2， 分別計算 CF(B1) CF1(B1)=CF(B1,A1)?max{0,CF(A1)} =?1= CF2(B1)=CF(B1, A2)?max{0,CF(A2)}=?1= ②利用合成算法計算 B1的綜合可信度 CF1,2(B1)=CF1(B1)+CF2(B1)CF1(B1) ?CF2(B1) =+?= ③計算 B2的可信度 CF(B2) CF(B2)=CF(B2, B1?A3) ? max{0,CF(B1?A3)} =? max{0,min{CF(B1),CF(A3)}} =? max{0, min{,1}} =? max{0, }=?= 2/27/2023 81 R1： IF E1 THEN H CF(H,E1)= R2： IF E2 THEN H CF(H,E2)= R3： IF E3 THEN H CF(H,E3)= － R4： IF E4?( E5? E6) THEN E1 CF(E1, E4?( E5? E6))= R5： IF E7?E8 THEN E3 CF(E3, E7?E8)= 在系統(tǒng)運行中已從用戶處得： CF(E2)=， CF(E4)=， CF(E5)=， CF(E6)=， CF(E7)=，CF(E8)= 求： CF(H) 舉例 2 2/27/2023 82 解：由已知知識建立推理網(wǎng)絡如圖。 2/27/2023 79 R1： IF A1 THEN B1 CF(B1,A1)= R2： IF A2 THEN B1 CF(B1,A2)= R3： IF B1?A3 THEN B2 CF(B2,B1?A3)= 并且已知： CF(A1)=CF(A2)=CF(A3)=1 而對 B1， B2一無所知 。有些題目使用合成法求解就比較容易，而有些題目就需要使用更新法。 2/27/2023 76 ? CF(H)?0, CF(H,E)?0： CF(H|E)=CF(H)+CF(H,E)CF(H,E)?CF(H) ? CF(H)0, CF(H,E)0 ： CF(H|E)=CF(H)+CF(H,E)+CF(H,E)?CF(H) ? CF(H) 和 CF(H,E)異號： }),(,)(min{1)(),()|(EHCFHCFHCFEHCFEHCF???①當 CF(E)=1時，即證據(jù)肯定出現(xiàn)時 2/27/2023 77 ? CF(H)?0, CF(H,E)?0： CF(H | E)=CF(H)+CF(H,E)?CF(E)CF(H)?CF(H,E)?CF(E) ? CF(H)0, CF(H,E)0 ： CF(H | E)=CF(H)+CF(H,E)?CF(E)+ CF(H)?CF(H,E)?CF(E) ? CF(H) 和 CF(H,E)異號： })(),(,)(min{1)()(),()|(ECFEHCFHCFHCFECFEHCFEHCF?????②當 0CF(E)1時 2/27/2023 78 ③當 CF(E)?0時 在 MYCIN系統(tǒng)中就規(guī)定，當 CF(E)?，規(guī)則 IF E THEN H不可使用。 ? CF1(H)?0, CF2(H)?0： CF1,2(H)= CF1(H)+CF2(H)CF1(H)?CF2(H) ? CF1(H)0, CF2(H)0： CF1,2(H)=CF1(H)+CF2(H)+CF1(H)?CF2(H) ? CF1(H) 和 CF2(H)異號： CF1,2(H)= CF1(H) + CF2(H) 2/27/2023 74 })(,)(min{1)()()(21212,1HCFHCFHCFHCFHCF???在 MYCIN系統(tǒng)的基礎上形成的專家系統(tǒng)工具 EMYCIN， 將其修改為： 在組合兩個以上的獨立證據(jù)時，可先組合其中兩個，再將結(jié)果與第三個證據(jù)組合，如此下去，直到組合完畢為止。 2/27/2023 73 IF E1 THEN H (CF(H,E1)) IF E2 THEN H (CF(H,E2)) 多個獨立證據(jù)推出同一假設的合成算法 ①先分別求兩條規(guī)則得出的結(jié)論的可信度。 證據(jù) E的可信度取值范圍為： 1?CF(E) ?1 ? 當證據(jù)以某種程度為真時： CF(E)0 ? 當證據(jù)肯定為真時： CF(E)=1 ? 當證據(jù)以某種程度為假時： CF(E)0 ? 當證據(jù)肯定為假時： CF(E)=1 ? 當證據(jù)一無所知時： CF(E)=0 2/27/2023 71 ① 證據(jù)的合取 E=E1?E2???En CF(E)=min{CF(E1)， CF(E2， ?， CF(En) } 二、可信度方法推理的基本算法 組合證據(jù)的不確定性算法 ②證據(jù)的析取 E=E1?E2???En CF(E)=max{CF(E1)， CF(E2， ?， CF(En)} 2/27/2023 72 不確定性的傳遞算法 不確定性的傳遞算法就是根據(jù)證據(jù)和規(guī)則的可信度求結(jié)論的可信度。 但是實際應用中 ， P(H)和 P(H|E)的值是難以獲得的 ， 因此CF(H,E)的值要求由領域?qū)＜抑苯咏o出 ， 其原則是： 若由于證據(jù)的出現(xiàn)增加結(jié)論 H為真的可信度 ， 則使： CF(H,E)0 證據(jù)的出現(xiàn)越是支持 H為真 ， 就使 CF(H,E)的值越大； 反之 ， 使： CF(H,E)0 證據(jù)的出現(xiàn)越是支持 H為假 ， 就使 CF(H,E)的值越?。? 若證據(jù)的出現(xiàn)與 H無關 ， 使： CF(H,E)=0 可信度的確定 2/27/2023 70 證據(jù)的不確定性的表示 證據(jù) E的不確定性用證據(jù)的可信度 CF(E)表示。 P(H | E) +P(?H | E) = 1 CF(H | E) +CF(?H | E) = 0 表明，一個證據(jù)對某個假設的成立有利，必然對該假設的不成立不利，而且對兩者的影響程度相同。 2/27/2023 66 ????????????????)()|()()()|()()|(0)()|()(1)()|(),(HPEHPHPHPEHPHPEHPHPEHPHPHPEHPEHCF如果 P(H | E)=1， CF(H,E)=1 如果 P(H | E)=0， CF(H,E