1基本概念什么是不確定性推理不確定性推理是建立在非經(jīng)典邏輯基礎(chǔ)上的一種推理，它是對(duì)不確定性知識(shí)的運(yùn)用與處理。具體地說(shuō)，所謂不確定性推理就是從不確定性的初始證據(jù)（即事實(shí)）出發(fā)，通過(guò)運(yùn)用不確定性的知識(shí)，最終推出具有一定程度不確定性的結(jié)論。第一頁(yè)第二頁(yè)，共22頁(yè)。2不確定性推理中的基本問(wèn)題1.不確定性的表示與度量不確定性推理中的“不確定性”一般分為兩類：一是知識(shí)的不確定性，一是證據(jù)的不確定性。知識(shí)不確定性的表示：目前在專家系統(tǒng)中知識(shí)的不確定性一般是由領(lǐng)域?qū)＜医o出的，通常用一個(gè)數(shù)值表示，它表示相應(yīng)知識(shí)的不確定性程度，稱為知識(shí)的靜態(tài)強(qiáng)度。證據(jù)不確定性的表示：證據(jù)不確定性的表示方法與知識(shí)不確定性的表示方法一致，通常也用一個(gè)數(shù)值表示，代表相應(yīng)證據(jù)的不確定性程度，稱之為動(dòng)態(tài)強(qiáng)度。第二頁(yè)第三頁(yè)，共22頁(yè)。不確定性推理中的基本問(wèn)題2.不確定性匹配算法及閾值的選擇推理是不斷運(yùn)用知識(shí)的過(guò)程,為了找到所需的知識(shí),需要在這一過(guò)程中用知識(shí)的前提與已知證據(jù)進(jìn)行匹配.只有匹配成功的知識(shí)才有可能被應(yīng)用.設(shè)計(jì)一個(gè)不確定性匹配算法；指定一個(gè)匹配閾值。第三頁(yè)第四頁(yè)，共22頁(yè)。3.組合證據(jù)不確定性的計(jì)算方法

需要解決的另一個(gè)問(wèn)題是不確定性的更新問(wèn)題,不確定性的(更新算法）組合證據(jù)有:在匹配時(shí)，一個(gè)簡(jiǎn)單條件對(duì)應(yīng)于一個(gè)單一的證據(jù)，一個(gè)復(fù)合條件對(duì)應(yīng)于一組證據(jù)，稱這一組證據(jù)為組合證據(jù)。最大最小法： T(E1ANDE2)=min{T(E1),T(E2)} T(E1ORE2)=max{T(E1),T(E2)}概率法： T(E1ANDE2)=T(E1)×T(E2) T(E1ORE2)=T(E1)＋T(E2)－T(E1)×T(E2)有界法： T(E1ANDE2)=max{0,T(E1)＋T(E2)－1} T(E1ORE2)=min{1,T(E1)＋T(E2)}其中，T(E)表示證據(jù)E為真的程度（動(dòng)態(tài)強(qiáng)度），如可信度、概率等。第四頁(yè)第五頁(yè)，共22頁(yè)。4.不確定性的傳遞算法在每一步推理中，如何把證據(jù)及知識(shí)的不確定性傳遞給結(jié)論。在多步推理中，如何把初始證據(jù)的不確定性傳遞給最終結(jié)論5.結(jié)論不確定性的合成

用不同知識(shí)進(jìn)行推理得到了相同結(jié)論，但所得結(jié)論的不確定性卻不同。此時(shí)，需要用合適的算法對(duì)結(jié)論的不確定性進(jìn)行合成。不確定性推理中的基本問(wèn)題第五頁(yè)第六頁(yè)，共22頁(yè)。不確定性推理方法的分類不確定性推理方法主要可分為模型法與控制法。模型法：在推理一級(jí)對(duì)確定性推理進(jìn)行擴(kuò)展，引入證據(jù)的不確定性及知識(shí)的不確定性。模型方法又分為數(shù)值方法和非數(shù)值方法兩類。數(shù)值方法對(duì)不確定性進(jìn)行定量的描述，按其所依據(jù)的理論又可分為基于概率的方法和基于模糊理論的方法。本文主要針對(duì)模型方法中相關(guān)的典型算法展開(kāi).第六頁(yè)第七頁(yè)，共22頁(yè)?？尚哦确椒尚哦确椒ㄊ窃诖_定性理論的基礎(chǔ)上，結(jié)合概率論等提出的一種不確定性推理方法，簡(jiǎn)稱C-F模型。該方法首先在醫(yī)療系統(tǒng)MYCIN中得到成功的應(yīng)用?？尚哦鹊母拍罡鶕?jù)經(jīng)驗(yàn)對(duì)一個(gè)事物和現(xiàn)象為真的相信程度稱為可信度。在可信度方法中，由專家給出規(guī)則或知識(shí)的可信度，從而可避免對(duì)先驗(yàn)概率、或條件概率的要求。第七頁(yè)第八頁(yè)，共22頁(yè)。5.4.2C-F模型知識(shí)不確定性的表示:在C-F模型中，知識(shí)是用產(chǎn)生式規(guī)則表示的，其一般形式為：IF E THEN H (CF(H,E))其中：（1）前提E可以是命題的合取和析取組合（2）結(jié)論H可為單一命題，也可以是復(fù)合命題（3）CF(H,E)為確定性因子，簡(jiǎn)稱可信度，用以量度規(guī)則的確定性（可信）程度。取值于[-1，1]，表示E為真時(shí)，對(duì)H的支持程度。CF(H,E)值越大，E就越支持H為真。第八頁(yè)第九頁(yè)，共22頁(yè)?？尚哦纫蜃拥亩x

IFE THENH (CF(H,E))

CF(H,E)定義為：CF(H,E)=MB(H,E)-MD(H,E) MB反映了證據(jù)對(duì)結(jié)論有利的一面，MD反映了證據(jù)對(duì)結(jié)論不利的一面。MB(MeasureBelief)表示因與E匹配的證據(jù)出現(xiàn)，使H為真的信任增長(zhǎng)度。MD(MeasureDisbelief)指不信增長(zhǎng)度，表示因與E匹配的證據(jù)出現(xiàn)，使H為真的不信任增長(zhǎng)度。MB和MD的定義為：第九頁(yè)第十頁(yè)，共22頁(yè)。當(dāng)P(H|E)>P(H)時(shí)：表示證據(jù)E支持結(jié)論H

MB(H,E)>0，MD(H,E)=0。當(dāng)P(H|E)<P(H)時(shí)，表示E不支持HMD(H,E)>0，MB(H,E)=0。當(dāng)p(H/E)＝p(H)時(shí)，表示E對(duì)H無(wú)影響，則有MB＝MD＝0MB(H,E)與MD(H,E)是互斥的：當(dāng)MB(H,E)>0時(shí)，MD(H,E)＝0當(dāng)MD(H,E)>0時(shí)，MB(H,E)＝0第十頁(yè)第十一頁(yè)，共22頁(yè)。CF(H,E)的計(jì)算公式根據(jù)定義CF(H,E)=MB(H,E)-MD(H,E)，及MB(H,E)與MD(H,E)的互斥性，可得:從上式可看出：CF(H,E)>0對(duì)應(yīng)于P(H|E)>P(H);CF(H,E)<0對(duì)應(yīng)于P(H|E)<P(H);CF(H,E)=0對(duì)應(yīng)于P(H|E)=P(H)。第十一頁(yè)第十二頁(yè)，共22頁(yè)。IF E THEN H (CF(H,E))當(dāng)且僅當(dāng)P(H|E)=1時(shí),CF(H,E)=1當(dāng)且僅當(dāng)P(H|E)=0時(shí),CF(H,E)=-1CF(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。第十二頁(yè)第十三頁(yè)，共22頁(yè)。2.證據(jù)不確定性的表示證據(jù)的不確定性也用可信度因子表示。如：CF(E)=0.6CF(E)的取值范圍：[-1，+1]。CF(E)>0:表示證據(jù)以某種程度為真。CF(E)<0:表示證據(jù)以某種程度為假。CF(E)表示證據(jù)的強(qiáng)度，即動(dòng)態(tài)強(qiáng)度。第十三頁(yè)第十四頁(yè)，共22頁(yè)。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(lái)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(duì)E的真值無(wú)影響，則CF(E,S

)=0。類似于規(guī)則的不確定性，證據(jù)的可信度往往可由領(lǐng)域?qū)＜覒{經(jīng)驗(yàn)主觀確定。證據(jù)的可信度值來(lái)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(jì)算得到。第十四頁(yè)第十五頁(yè)，共22頁(yè)。3、組合證據(jù)不確定性的算法(1)當(dāng)組合證據(jù)是多個(gè)單一證據(jù)的合取時(shí)，即：E=E1ANDE2AND…ANDEn則CF(E)=min{CF(E1),CF(E2)…CF(En)}(2)當(dāng)組合證據(jù)是多個(gè)單一證據(jù)的析取時(shí)，即：E=E1ORE2OR…OREn則CF(E)=max{CF(E1),CF(E2)…CF(En)}第十五頁(yè)第十六頁(yè)，共22頁(yè)。4.不確定性的傳遞不確定性的傳遞算法定義如下：

CF(H)=CF(H,E)×max［0，CF(E)］

由上式可以看出:(1)CF(E)<0時(shí),CF(H)=0,說(shuō)明該模型沒(méi)有考慮證據(jù)為假時(shí)對(duì)結(jié)論H所產(chǎn)生的影響。（2）CF(E)=1時(shí),CF(H)=CF(H,E),說(shuō)明規(guī)則可信度CF(H,E)就是證據(jù)為真時(shí)的結(jié)論H的可信度。第十六頁(yè)第十七頁(yè)，共22頁(yè)。5、結(jié)論不確定性的合成算法若由多條不同知識(shí)推出了相同的結(jié)論，但可信度不同，則可用合成算法求出綜合的可信度。由于對(duì)多條知識(shí)的綜合可通過(guò)兩兩的合成實(shí)現(xiàn)，所以下面只考慮兩條知識(shí)的情況。設(shè)有如下知識(shí)：IFE1THENH（CF(H,E1))IFE2THENH（CF(H,E2))則結(jié)論H的綜合可信度可分為如下兩步算出：（1）首先分別對(duì)每一條知識(shí)求出CF(H)CF1(H)=CF(H,E1)×max{0,CF(E1)}CF2(H)=CF(H,E2)×max{0,CF(E2)}（2）然后用下述公式求出E1與E2對(duì)H的綜合可信度CF12(H):第十七頁(yè)第十八頁(yè)，共22頁(yè)。C-F模型推理示例(1)例5.5設(shè)有如下一組知識(shí)：R1:IF E1 THEN H (0.8)R2:IF E2 THEN H (0.6)R3:IF E3 THEN H (-0.5)R4:IF E4AND(E5ORE6) THEN E1 (0.7)R5:IF E7ANDE8THEN E3 (0.9)已知：CF(E2)=0.8,CF(E4)=0.5,CF(E5)=0.6 CF(E6)=0.7,CF(E7)=0.6,CF(E8)=0.9求：CF(H)=？解：由R4得到：CF(E1)=0.7×max{0,CF[E4AND(E5ORE6)]} =0.7×max{0,min{CF(E4),CF(E5ORE6)}} =0.35由R5得到：CF(E3)=0.9×max{0,CF[E7ANDE8]} =0.54第十八頁(yè)第十九頁(yè)，共22頁(yè)。R1:IF E1 THEN H (0.8)R2:IF E2 THEN H (0.6)R3:IF E3 THEN H (-0.5)由R1得到：CF1(H)=0.8×max{0,CF(E1)}=0.28由R2得到：CF2(H)=0.6×max{0,CF(E2)}=0.48由R3得到：CF3(H)=-0.5×max{0,CF(E3)}=-0.27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)=0.63CF123(H)=[CF12(H)+CF3(H)]/[1-min{|CF12(H)|,|CF3(H)|}] =0.49即最終的綜合可信度為CF(H)=0.49。第十九頁(yè)第二十頁(yè)，共22頁(yè)。IF E THEN H (CF(H,E))C-F模型的核心問(wèn)題是三個(gè)可信度：(1)知識(shí)的可信度CF(H,E)：取值范圍[-1，1]CF(H,E)=1對(duì)應(yīng)于P(H|E)=1(證據(jù)絕對(duì)支持結(jié)論)CF(H,E)=-1對(duì)應(yīng)于P(H|E)=0(證據(jù)絕對(duì)否定結(jié)論)CF(H,E)=0對(duì)應(yīng)于P(H|E)=P(H)(證據(jù)與結(jié)論無(wú)關(guān))(2)證據(jù)的可信度CF(E)：取值范圍[-1，1]