人工智能原理3-2課件

Review1、SearchEnginePageRank2、DataMiningAssociationRule3、Resolutionbasedonclauseoverview1.Rulebaseddeductionsystem2.Productionsystem3.Uncertaintyknowledgeandreasoning歸結(jié)反演的策略以上討論的幾種基本的歸結(jié)策略，在具體應(yīng)用時(shí)可把幾種策略組合在一起使用。歸結(jié)演繹推理是在自動(dòng)定理證明領(lǐng)域影響較大的一種推理方法，它比較簡單且又便于在計(jì)算機(jī)上實(shí)現(xiàn)。但由于它要求把邏輯公式轉(zhuǎn)化成子句集，就可能丟失蘊(yùn)含式含有的邏輯控制信息。例如下列邏輯公式：

(┐A∧┐B)→C(┐A∧┐C)→B(┐B∧┐C)→A┐A→(B∨C)┐B→(A∨C)┐C→(A∨B)A∨B∨C1規(guī)則演繹系統(tǒng)對于許多公式來說，子句形是一種低效率的表達(dá)式，因?yàn)橐恍┲匾畔⒖赡茉谇笕∽泳湫芜^程中丟失?？梢圆捎靡子跀⑹龅膇fthen規(guī)則來求解問題，這種基于規(guī)則的系統(tǒng)叫做規(guī)則演繹系統(tǒng)。規(guī)則正向演繹系統(tǒng)基于規(guī)則的演繹系統(tǒng)和產(chǎn)生式系統(tǒng)，均有兩種推理方式：正向推理(forwardchanining)和逆向推理(backwardchaining)。

正向推理：從if部分向then部分推理的過程，它是從事實(shí)或狀況向目標(biāo)或動(dòng)作進(jìn)行操作的。

逆向推理：從then部分向if部分推理的過程，它是從目標(biāo)或動(dòng)作向事實(shí)或狀況進(jìn)行操作的。

規(guī)則正向演繹系統(tǒng)

1.事實(shí)表達(dá)式的與或形變換

在基于規(guī)則的正向演繹系統(tǒng)中，我們把事實(shí)表示為非蘊(yùn)涵形式的與或形，要把一個(gè)公式化為與或形，可采用下列步驟(1)利用(W1→W2)和(┐W1∨W2)的等價(jià)關(guān)系，消去符號→(2)用狄·摩根(DeMorgan)定律把否定符號移進(jìn)括號內(nèi)，直到每個(gè)否定符號的轄域最多只含有一個(gè)謂詞為止。(3)對所得到的表達(dá)式進(jìn)行Skolem化和前束化。(4)對全稱量詞轄域內(nèi)的變量進(jìn)行改名和變量標(biāo)準(zhǔn)化，而存在量詞量化變量用Skolem函數(shù)代替。(5)刪去全稱量詞，且使各主要合取式中的變元不同名。

例如，我們有事實(shí)表達(dá)式

按上述步驟進(jìn)行轉(zhuǎn)化后得到與/或形表達(dá)式：規(guī)則正向演繹系統(tǒng)規(guī)則正向演繹系統(tǒng)2、F規(guī)則的表示形式在與/或形正向演繹推理中，要求F規(guī)則具有如下形式：L→W

其中，L為單文字，W為與/或形。如果領(lǐng)域知識的表示形式不是所要求的形式，則需通過變換將它變成規(guī)定的形式。3、目標(biāo)公式的表示形式在與/或形正向演繹推理中，要求目標(biāo)公式用子句表示，否則就需要化成子句形式。規(guī)則正向演繹系統(tǒng)4、推理過程

應(yīng)用F規(guī)則進(jìn)行推理的目的在于證明某個(gè)目標(biāo)公式。其推理過程為：

1)首先用與/或樹把已知事實(shí)表示出來。

2)用F規(guī)則的左部和與/或樹的葉節(jié)點(diǎn)進(jìn)行匹配，將匹配成功的F規(guī)則加入與/或樹中。

3)重復(fù)進(jìn)行步驟2)，直到產(chǎn)生一個(gè)含有以目標(biāo)節(jié)點(diǎn)作為終止節(jié)點(diǎn)的解圖為止。規(guī)則正向演繹系統(tǒng)規(guī)則正向演繹系統(tǒng)規(guī)則正向演繹系統(tǒng)規(guī)則正向演繹系統(tǒng)規(guī)則逆向演繹系統(tǒng)與/或形逆向演繹推理是從待證明的問題出發(fā)，逆向使用蘊(yùn)式(B規(guī)則)進(jìn)行演繹推理，直至得到包含已知事實(shí)的終止條件為止。1、目標(biāo)公式的與/或形及其與/或樹表示在與/或形逆向演繹推理中，要求目標(biāo)公式用與/或形表示，其變換過程與正向演繹推理中對已知事實(shí)的變換相似，只是要用存在量詞約束的變元的Skolem函數(shù)替換由全稱量詞約束的相應(yīng)變元，并且消去全稱量詞，然后再消去存在量詞，且使各主要析取式中的變元不同名。規(guī)則逆向演繹系統(tǒng)規(guī)則逆向演繹系統(tǒng)2、B規(guī)則的表示形式

B規(guī)則的表示形式為：W→L其中，W為任一與/或形公式，L為文字。如果已知的B規(guī)則不是所要求的形式，可以把它化成規(guī)定的形式。比如：W→(L1∧L2)W→(L1∨L2)？W→L1,W→L23、已知事實(shí)的表示形式在逆向演繹推理中，要求已知事實(shí)是文字的合取形式，即形如F1∧F2∧…∧Fn規(guī)則逆向演繹系統(tǒng)4、推理過程應(yīng)用B規(guī)則進(jìn)行逆向演繹推理的目的是求解問題，從目標(biāo)公式的與/或樹出發(fā)，通過運(yùn)用B規(guī)則來進(jìn)行求解。其推理過程為：1)先用與/或樹把目標(biāo)公式表示出來。2)用B規(guī)則的右部和與/或樹的葉節(jié)點(diǎn)進(jìn)行匹配，將匹配成功的B規(guī)則加入到與/或樹中。3)重復(fù)進(jìn)行步驟2)，直到產(chǎn)生某個(gè)終止在事實(shí)節(jié)點(diǎn)上的一致解圖為止。規(guī)則逆向演繹系統(tǒng)規(guī)則逆向演繹系統(tǒng)規(guī)則雙向演繹系統(tǒng)規(guī)則雙向演繹系統(tǒng)的主要復(fù)雜之處在于其終止條件，終止涉及兩個(gè)圖結(jié)構(gòu)之間的適當(dāng)交接處。這些結(jié)構(gòu)可由標(biāo)有合一文字的節(jié)點(diǎn)上的匹配棱線來連接。用對應(yīng)的mgu來標(biāo)記匹配。代換的一致性

無論對于正向演繹、逆向演繹還是雙向演繹，都要求推理過程中所用的代換集合具有一致性。剪枝策略剪枝策略的基本思想：每當(dāng)選用一條規(guī)則時(shí)，就進(jìn)行一次一致性檢查，如果當(dāng)前的部分解圖是一致的，則繼續(xù)向下擴(kuò)展，否則就放棄該規(guī)則而選用其他侯選規(guī)則。剪枝策略2產(chǎn)生式系統(tǒng)美國數(shù)學(xué)家Post，1943年提出了一種計(jì)算形式體系里所使用的術(shù)語。主要是使用類似文法的規(guī)則，對符號串做替換運(yùn)算。這就是最早的一個(gè)產(chǎn)生式系統(tǒng)。到了60年代，產(chǎn)生式系統(tǒng)成為認(rèn)知心理學(xué)研究人類心理活動(dòng)中信息加工過程的基礎(chǔ)，由此心理學(xué)家認(rèn)為，人腦對知識的存儲(chǔ)就是產(chǎn)生式形式。因此，用它來建立人類認(rèn)知模型。到目前為止，產(chǎn)生式系統(tǒng)已發(fā)展成為人工智能系統(tǒng)中最典型最普遍的一種結(jié)構(gòu)。產(chǎn)生式表示方法是專家系統(tǒng)中知識表式的第一選擇。產(chǎn)生式系統(tǒng)組成產(chǎn)生式系統(tǒng)由3個(gè)部分組成，即總數(shù)據(jù)庫(或全局?jǐn)?shù)據(jù)庫)、產(chǎn)生式規(guī)則和控制策略。各部分間的關(guān)系如圖所示。

產(chǎn)生式系統(tǒng)組成①產(chǎn)生式規(guī)則是一個(gè)以“如果滿足這個(gè)條件，就應(yīng)當(dāng)采取某些操作”形式表示的語句。P→Q或ifPthenQ例如，

規(guī)則:

if某種動(dòng)物是哺乳動(dòng)物，并且吃肉

then

這種動(dòng)物被稱為食肉動(dòng)物②總數(shù)據(jù)庫有時(shí)也被稱作上下文，全局?jǐn)?shù)據(jù)庫，GlobalData-base。總數(shù)據(jù)庫是產(chǎn)生式規(guī)則的注意中心。產(chǎn)生式規(guī)則的左邊表示在啟用這一規(guī)則之前總數(shù)據(jù)庫內(nèi)必須準(zhǔn)備好的條件。執(zhí)行產(chǎn)生式規(guī)則的操作會(huì)引起總數(shù)據(jù)庫的變化，這就使其他產(chǎn)生式規(guī)則的條件可能被滿足。

產(chǎn)生式系統(tǒng)組成控制策略其作用是說明下一步應(yīng)該選用什么規(guī)則，也就是如何應(yīng)用規(guī)則。通常從選擇規(guī)則到執(zhí)行操作分3步：匹配、沖突解決和操作。

(1)匹配在這一步，把全局?jǐn)?shù)據(jù)庫與規(guī)則的條件部分相匹配。如果兩者完全匹配，則把這條規(guī)則稱為觸發(fā)規(guī)則。當(dāng)按規(guī)則的操作部分去執(zhí)行時(shí)，稱這條規(guī)則為啟用規(guī)則。被觸發(fā)的規(guī)則不一定總是啟用規(guī)則，因?yàn)榭赡芡瑫r(shí)有幾條規(guī)則的條件部分被滿足，這就要在解決沖突步驟中來解決這個(gè)問題。在復(fù)雜的情況下，在數(shù)據(jù)庫和規(guī)則的條件部分之間可能要進(jìn)行近似匹配。匹配結(jié)果分為：完全匹配,近似匹配,不匹配

產(chǎn)生式系統(tǒng)組成(2)沖突解決當(dāng)有一條以上規(guī)則的條件部分和當(dāng)前數(shù)據(jù)庫相匹配時(shí)，就需要決定首先使用哪一條規(guī)則，這稱為沖突解決。舉例如下:設(shè)有以下兩條規(guī)則,

規(guī)則R1IFfourthdawnshortyardageTHENpunt

規(guī)則R2IFfourthdawnshortyardagewithin30yards(fromthegoalline)THENfieldgoal全局?jǐn)?shù)據(jù)庫包括：”fourthdawn””shortyardage””within30yards”

產(chǎn)生式系統(tǒng)組成有很多種沖突解決策略，其中一種策略是先使用規(guī)則R2，因?yàn)镽2的條件部分包括了更多的限制，因此規(guī)定了一個(gè)更為特殊的情況。這是一種按專一性來編排順序的策略，稱為專一性排序。還有不少其他的沖突解決策略產(chǎn)生式系統(tǒng)組成(a)專一性排序如果某一規(guī)則條件部分規(guī)定的情況，比另一規(guī)則條件部分規(guī)定的情況更有針對性，則這條規(guī)則有較高的優(yōu)先級。(b)

規(guī)則排序

如果規(guī)則編排的順序就表示了啟用的優(yōu)先級，則稱之為規(guī)則排序。(c)數(shù)據(jù)排序

把規(guī)則條件部分的所有條件按優(yōu)先級次序編排起來，運(yùn)行時(shí)首先使用在條件部分包含較高優(yōu)先級數(shù)據(jù)的規(guī)則。(d)規(guī)模排序

按規(guī)則的條件部分的規(guī)模排列優(yōu)先級，優(yōu)先使用被滿足的條件較多的規(guī)則。(e)就近排序

把最近使用的規(guī)則放在最優(yōu)先的位置。這和人類的行為有相似之處。如果某一規(guī)則經(jīng)常被使用，則人們傾向于更多地使用這條規(guī)則。(f)上下文限制

把產(chǎn)生式規(guī)則按它們所描述的上下文分組，也就是說按上下文對規(guī)則分組。在某種上下文條件下，只能從與其相對應(yīng)的那組規(guī)則中選擇可應(yīng)用的規(guī)則。產(chǎn)生式系統(tǒng)組成控制策略(1)匹配(2)沖突解決(3)操作操作就是執(zhí)行規(guī)則的操作部分，經(jīng)過操作以后，當(dāng)前數(shù)據(jù)庫將被修改。然后，其他的規(guī)則有可能被使用產(chǎn)生式系統(tǒng)表示1、事實(shí)的表示：一般用三元組（對象，屬性，值）或 （關(guān)系，對象1，對象2）例：（Lee,Age,35）,(Friend,Lee,Chang)產(chǎn)生式系統(tǒng)表示2、規(guī)則表示例子：MYCIN系統(tǒng)中典型規(guī)則的定義：

<rule>=(IF<antecedent>THEN<action>(ELSE<action>))

<antecedent>=(AND<condition>)

<condition>=(OR｛<condition>｜(<predicate><associative_triple>)

<associative_triple>=(<attribute><object><value>)

<action>=｛<consequent>｝｜｛<procedure>｝

<consequent>=(<associative_triple><certainty_factor>)

產(chǎn)生式系統(tǒng)表示規(guī)則的內(nèi)容：

前提條件

◆

細(xì)菌革氏染色陰性

◆

形態(tài)桿狀

◆

生長需氧

結(jié)論

該細(xì)菌是腸桿菌屬，CF=0.8。

產(chǎn)生式系統(tǒng)推理1.正向推理

正向推理又稱為正向鏈接推理，其推理基礎(chǔ)是邏輯演繹的推理鏈，它從一組表示事實(shí)的謂詞或命題出發(fā)，使用一組推理規(guī)則，來證明目標(biāo)謂詞公式或命題是否成立。

實(shí)現(xiàn)正向推理的一般策略是：先提供一批數(shù)據(jù)(事實(shí))到總數(shù)據(jù)庫中，系統(tǒng)利用這些事實(shí)與規(guī)則的前提匹配，觸發(fā)匹配成功的規(guī)則(即啟用規(guī)則)，把其結(jié)論作為新的事實(shí)添加到總數(shù)據(jù)庫中。繼續(xù)上述過程，用更新過的總數(shù)據(jù)庫中的所有事實(shí)再與規(guī)則庫中另一條規(guī)則匹配，用其結(jié)論再修改總數(shù)據(jù)庫的內(nèi)容，直到?jīng)]有可匹配的新規(guī)則，不再有新的事實(shí)加到總數(shù)據(jù)庫為止。產(chǎn)生式系統(tǒng)推理產(chǎn)生式系統(tǒng)推理動(dòng)態(tài)演示產(chǎn)生式系統(tǒng)推理產(chǎn)生式系統(tǒng)推理2.反向推理

反向推理又稱為后向鏈接推理，其基本原理是從表示目標(biāo)的謂詞或命題出發(fā)，使用一組規(guī)則證明事實(shí)謂詞或命題成立，即提出一批假設(shè)(目標(biāo))，然后逐一驗(yàn)證這些假設(shè)。產(chǎn)生式系統(tǒng)推理產(chǎn)生式系統(tǒng)推理3.雙向推理

雙向推理又稱為正反向混合推理，它綜合了正向推理和逆向推理的長處，克服了兩者的短處。雙響推理的策略是同時(shí)從目標(biāo)向事實(shí)推理和從事實(shí)想目標(biāo)推理，并在推理過程中的某個(gè)步驟，實(shí)現(xiàn)事實(shí)與目標(biāo)的匹配。產(chǎn)生式系統(tǒng)舉例建立一個(gè)動(dòng)物識別系統(tǒng)，用以識別虎、金錢豹、斑馬、長頸鹿、企鵝、駝鳥、信天翁等七種動(dòng)物。規(guī)則庫：r1:IF該動(dòng)物有毛發(fā)

THEN該動(dòng)物是哺乳動(dòng)物r2:IF該動(dòng)物有奶

THEN該動(dòng)物是哺乳動(dòng)物r3:IF該動(dòng)物有羽毛THEN該動(dòng)物是鳥r4:IF該動(dòng)物會(huì)飛AND會(huì)下蛋

THEN該動(dòng)物是鳥r5:IF該動(dòng)物吃肉

THEN該動(dòng)物是食肉動(dòng)物r6:IF該動(dòng)物有犬齒

AND有爪

AND眼盯前方

THEN該動(dòng)物是食肉動(dòng)物r7:IF該動(dòng)物是哺乳動(dòng)物AND有蹄THEN該動(dòng)物是有蹄類動(dòng)物r8:IF該動(dòng)物是哺乳動(dòng)物AND是嚼反芻動(dòng)物THEN該動(dòng)物是有蹄類動(dòng)物R9: IF該動(dòng)物是哺乳動(dòng)物

AND是食肉動(dòng)物AND是黃褐色AND身上有暗斑點(diǎn)THEN該動(dòng)物是金錢豹r10:IF該動(dòng)物是哺乳動(dòng)物

AND是食肉動(dòng)物AND是黃褐色AND身上有黑色條紋THEN該動(dòng)物是虎r11:IF該動(dòng)物是有蹄類動(dòng)物AND有長脖子AND有長腿AND身上有暗斑點(diǎn)

THEN該動(dòng)物是長頸鹿r12:IF該動(dòng)物是有蹄類動(dòng)物AND身上有黑色條紋THEN該動(dòng)物是斑馬r13:IF該動(dòng)物是鳥AND有長脖子AND有長腿AND不會(huì)飛AND有黑白二色

THEN該動(dòng)物是鴕鳥r14:IF該動(dòng)物是鳥AND會(huì)游泳AND不會(huì)飛AND有黑白二色

THEN該動(dòng)物是企鵝r15:IF該動(dòng)物是鳥AND善飛THEN該動(dòng)物是信天翁產(chǎn)生式系統(tǒng)舉例(1)分類的思想(2)知識的合理組織與管理{r1、r2、r5、r6、r7、r8、r9、r10、r11、r12}{r3、r4、r13、r14、r15}產(chǎn)生式系統(tǒng)的特點(diǎn)①用產(chǎn)生式系統(tǒng)結(jié)構(gòu)求解問題的過程和人類求解問題時(shí)的思維很相像。因而可以用它來模擬人類求解問題的思維過程。②可以把產(chǎn)生式系統(tǒng)作為人工智能系統(tǒng)的基本結(jié)構(gòu)單元或基本模型看待。因而研究產(chǎn)生式系統(tǒng)的基本問題就具有一般意義。③表示的格式固定、形式單一、規(guī)則間相互獨(dú)立。所以建立容易；推理方式單純、知識庫與推理機(jī)分離，修改方便、容易理解。3知識的不確定性

在各種實(shí)際應(yīng)用領(lǐng)域中，嚴(yán)格精確的和確定的知識并不多見，大量的知識是不精確的和不確定的，需要采用不確定推理或稱為不精確推理對不確定知識進(jìn)行處理。可以說，不確定性(Uncertainty)是智能問題的本質(zhì)特征，因此，智能系統(tǒng)的能力更主要反映在求解不確定性問題的能力上。知識的不確定性現(xiàn)實(shí)生活中的事物有時(shí)很難用精確的概念來描述，比如高、矮、胖、瘦等。對于不確定性知識要用不確定推理來處理，否則有可能得出一些荒謬的結(jié)論。專家系統(tǒng)中的不確定性表現(xiàn)在三個(gè)方面，第一是證據(jù)或事實(shí)的不確定性，第二是規(guī)則的不確定性，第三是推理的不確定性。知識的不確定性1、證據(jù)的不確定性(1)證據(jù)的歧義性：如“同意總理開會(huì)”

“Isawamanwithatelescope.”(2)證據(jù)的不完全性

①證據(jù)尚未收集完全

②證據(jù)的特征值不完全(3)證據(jù)的不精確性：如“大約是1.7米”(4)證據(jù)的模糊性：如“年輕”(5)證據(jù)的可信性(6)證據(jù)的隨機(jī)性知識的不確定性2、規(guī)則的不確定性產(chǎn)生式規(guī)則的不確定性主要有以下幾個(gè)方面。(1)構(gòu)成規(guī)則前件的模式的不確定性如：有一條產(chǎn)生式規(guī)則“如果患者發(fā)高燒且常流清鼻涕，則患者感冒”知識的不確定性(2)觀察證據(jù)的不確定性例如，患者發(fā)高燒的體溫觀察值并不是恒定的。晚上可能是39℃，早上可能是38.5℃。(3)規(guī)則前件的證據(jù)組合的不確定性例如，有一位患者的體溫一直都是40℃，流清鼻涕，但并不是常流清鼻涕。知識的不確定性(4)規(guī)則本身的不確定性每一條規(guī)則并不都具有100%的信任度，這就是規(guī)則的不確定性，或稱為規(guī)則強(qiáng)度(5)規(guī)則結(jié)論的不確定性由于規(guī)則的前件包含有各種不確定性因素，運(yùn)用不確定的規(guī)則，導(dǎo)出的結(jié)論也就不可避免地是不確定的。知識的不確定性此外，在規(guī)則使用過程中，還有兩種典型的使用規(guī)則的不確定性。(1)沖突消解策略包含有使用規(guī)則的不確定性(2)選擇假設(shè)進(jìn)行反向推理驗(yàn)證的不確定性知識的不確定性3、推理的不確定性由于證據(jù)的不確定性和規(guī)則的不確定性在推理過程中的動(dòng)態(tài)積累和傳播從而導(dǎo)致推理結(jié)論的不確定性。因此，需要采用某種不確定性的測度，并能在推理過程中來傳遞和計(jì)算這種不確定性的測度，最總得到結(jié)論的不確定性測度。

在不確定推理中，不確定性測度的計(jì)算有以下三種基本的計(jì)算模式。知識的不確定性知識的不確定性知識的不確定性知識的不確定性一、不確定性推理及實(shí)現(xiàn)1.基本概念

(1)什么是不確定性推理不確定性推理就是從不確定性的初始證據(jù)出發(fā)，通過運(yùn)用不確定性的知識，最終推出具有一定程度的不確定性但卻合理或者近乎合理的結(jié)論的思維過程。

4不確定性推理

(2)不確定性推理中的基本問題在不確定性推理中，知識和證據(jù)都具有某種程度的不確定性，這就為推理機(jī)的設(shè)計(jì)與實(shí)現(xiàn)增加了復(fù)雜性和難度。它除了必須解決推理方向、推理方法、控制策略等基本問題外，一般還需要解決不確定性的表示和量度、不確定性匹配、不確定性的傳遞算法以及不確定性的合成等重要問題。

不確定性推理

(3).

不確定性匹配算法及閾值的選擇

對于不確定性推理，由于知識和證據(jù)都具有不確定性，而且知識所要求的不確定性與證據(jù)實(shí)際具有的不確定性程度不一定相同，因而就出現(xiàn)了“怎樣才算匹配成功”的問題。

不確定性推理不確定性推理

對于這個(gè)問題，目前常用的解決方法是：設(shè)計(jì)一個(gè)算法用來計(jì)算匹配雙方相似的程度，另外再指定一個(gè)相似的“限度”，用來衡量匹配雙方相似的程度是否落在指定的限度內(nèi)。如果落在指定的限度內(nèi)，就稱它們是可匹配的，相應(yīng)知識可被應(yīng)用。

?

用來計(jì)算匹配雙方相似程度的算法稱為不確定性匹配算法

?

用來指出相似的“限度”稱為閾值(4)不確定性的傳遞算法

推理過程中不確定性的傳遞過程，包括如下兩個(gè)密切相關(guān)的子問題：

?在每一步推理中，如何把證據(jù)及知識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。

不確定性推理不確定性推理

對前一個(gè)問題，在不同的不確定推理方法中所采用的處理方法各不相同。對第二個(gè)問題，各種推理方法所采用的處理方法基本相同，即：把當(dāng)前推出的結(jié)論及其不確定性程度作為證據(jù)放入數(shù)據(jù)庫中，供以后推理使用。

(5).

結(jié)論不確定性的合成

推理時(shí)有時(shí)會(huì)出現(xiàn)這樣的情況：用不同的知識進(jìn)行推理得到了相同的結(jié)論，但不確定性的程度卻不同。此時(shí)，需要用合適的算法對它們進(jìn)行合成。在不同的不確定推理方法中所采用的處理方法各不相同。不確定性推理不確定性推理二、常用的不確定性推理方法介紹(1)基于概率的不確定推理

利用新的信息將先驗(yàn)概率P(H)更新為后驗(yàn)概率P(H|E)的一種計(jì)算方法.基于概率的不確定推理于1976年提出，其首先在Prospector專家系統(tǒng)中使用，它以概率論中的全概率公式和Bayes公式為基礎(chǔ)?；诟怕实牟淮_定推理基于概率的不確定推理基于概率的不確定推理

(2)可信度方法(CertaintyFactor)

可信度方法是由E.H.Shortliffe等人在確定性理論的基礎(chǔ)上，結(jié)合概率提出的一種不確定性推理方法，首先在Mycin系統(tǒng)中得到了成功的應(yīng)用。

其核心思想是：利用確定性因子CF（值）

Ⅰ.

聯(lián)系于具體的斷言

Ⅱ.

聯(lián)系于每條規(guī)則

Ⅲ.

通過CF的計(jì)算傳播不確定性

不確定性推理

(1)可信度根據(jù)經(jīng)驗(yàn)對一個(gè)事物或現(xiàn)象為真的相信程度。

(2)C-F模型

C-F模型是基于可信度表示的不確定性推理的基本方法。

可信度方法

Ⅰ.

知識不確定性的表示

在C-F模型中，知識是用產(chǎn)生式規(guī)則表示的，其一般形式是：

ifEthenH(CF(H,E))

其中，

E：是知