【复习】人工智能 第四章 不确定性推理

发布时间:2024年01月09日

一、可信度方法(重点)

优点:直观、简单,且效果好

(1)结构:

IF ??E ???THEN ???H ???(CF(H,E))

(CF(H,E)):可信度因子

表示当 E 所对应的证据为真时对 H 的影响程度 ,取值范围: [-1,1],越大越真。

若确定为真,则为1;若肯定它为假,则为–1。

例:IF ??头痛 ???AND ????流涕 ??????THEN ????感冒 ?(0.7)

(2)合成两条结论相同的不确定算法(重点)

?例:

二、概率分配函数(重点)

例如,设 A={红}, M(A)=0.3,则命题“x是红色”的信任度是0.3。

设 D = {红,黄,蓝}

M({红})= 0.3, M({黄})= 0, M({蓝})= 0.1,

M({红,黄})= 0.2,M({红,蓝})= 0.2,

M({黄,蓝})= 0.1,M({红,黄,蓝})= 0.1,M(Φ)= 0

但:M({红})+ M({黄})+ M({蓝})= 0.4

故概率分配函数的总概率不一定为1。

三、信任函数(重点)

Bel(A):对命题A为真的总的信任程度。

例:设 D ={红,黄,蓝}

M({红})= 0.3, M({黄})= 0,M({红,黄})= 0.2,求Bel({红,黄})

Bel({红,黄})= Bel({红}) + Bel({黄}) + Bel({红,黄})

= 0.3 + 0 + 0.2 = 0.5

四、似然函数(重点)

Pl(A):表示A不为假的程度

Pl(A) = 1 - Bel(?A)

对于上一个例题,继续计算可得:

Pl({蓝})= 1 - Bel(?{蓝})= 1 - Bel(?{红,黄}) = 1 - 0.5 = 0.5

显然,A不为假,并不代表A一定为真,也就是说对A不为假的信任程度应该大于对A为真的信任程度,即有:?Pl(A)≥Bel(A)

五、概率分配函数的正交和(不确定考不考)

注意是求乘法的时候是,交错相乘,多找几遍规律,注意一下下标(尤其是下标,一定要看下标),其他都是类似算法。

例:

文章来源:https://blog.csdn.net/m0_69194031/article/details/135475018
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。