(完整版)第8章不确定性知识的表示与推理分析

(LV, d)
其中, LV为语言值, d为程度, (<语言值>, <程度>)
程度语言值实际是通常语言值的细化, 其中的<程度>一项 是对对象所具有的属性值的精确刻画。 至于程度如何取值, 可因具体属性和属性值而定。程度的取值范围为实数区间
［α,β］(α≤0,β≥1)。
第 8 章 不确定性知识的表示与推理 1. 一般形式如下: (<对象>, <属性>, (<语言属性值>, <程度>)) 例8.1 我们用程度元组将命题“这个苹果比较甜”表示为
第 8 章 不确定性知识的表示与推理
第 8 章 不确定性知识的表示与推理
8ห้องสมุดไป่ตู้1 不确定性处理概述 8.2 几种经典的不确定性推理模型 8.3 基于贝叶斯网络的概率推理 8.4 基于模糊集合与模糊逻辑的模糊推理
第 8 章 不确定性知识的表示与推理
8.1 不确定性处理概述
由于客观世界的复杂、多变性和人类自身认识的局限、 主观性，致使我们所获得、所交流、所处理的信息和知 识中，往往含有不肯定、不可靠、不准确、不精确、不 严格、不严密、不完全甚至不一致的成分。习惯上将这 些信息特征统称为不确定性。
第 8 章 不确定性知识的表示与推理
一般地,
A→(B, C(B|A))
(8-1)
其中C(B|A)表示规则的结论B在前提A为真的情况下为真的信度。
采用上式,
如果乌云密布并且电闪雷鸣, 则天要下暴雨(0.95)。 如果头痛发烧, 则患了感冒(0.8)。
信度可视为前提与结论之间的一种关系强度，是 基于概率的一种度量
第 8 章 不确定性知识的表示与推理
4. 不一致性就是在推理过程中发生了前后不相容的结论; 或者随着时间的推移或者范围的扩大, 原来一些成立的命题 变得不成立、 不适合了。例如, 牛顿定律对于宏观世界是正 确的, 但对于微观世界和宇观世界却是不适合的。
第 8 章 不确定性知识的表示与推理
8.1.2
按性质分类 1. （狭义）不确定性 2. 不确切性（模糊性） 3. 不完全性 4. 不一致性
第 8 章 不确定性知识的表示与推理
8.1 不确定性处理概述
8.1.1 不确定性及其类型 1. (狭义)
不确定性(uncertainty)就是一个命题(亦即所表示的事 件)的真实性不能完全肯定, 而只能对其为真的可能性给出某 种估计。 例如:
小王是个高个子。 张三和李四是好朋友。 如果向左转, 则身体就向左稍倾。 把涵义不确切的言词所代表的概念称为软概念。
第 8 章 不确定性知识的表示与推理
3.
不完全性就是对某事物来说, 关于它的信息或知识还不 全面、不完整、不充分。例如,在破案的过程中, 警方所掌握 的关于罪犯的有关信息, 往往就是不完全的。但就是在这种 情况下, 办案人员仍能通过分析、 推理等手段而最终破案。
(3) 不确定性推理中所推得的结论是否有效，也取决于其信 度是否达到阈值。
(4)不确定性推理还要求有一套关于信度的计算方法，包括 “与”关系的信度计算、 “或”关系的信度计算、“非” 关系的信度计算和推理结果信度的计算等等。
第 8 章 不确定性知识的表示与推理 8.1.3
关于不确切性知识, 现在一般用模糊集合与模糊逻辑的 理论和方法建模。然而, 我们发现, 对于有些问题也可用程 度化的方法来处理。
如果乌云密布并且电闪雷鸣, 则很可能要下暴雨。 如果头痛发烧, 则大概是患了感冒。
就是两个含有不确定性的命题。 当然, 它们描述的是人们的经 验性知识。
第 8 章 不确定性知识的表示与推理
2. 不确切性(模糊性)
不确切性(imprecision)就是一个命题中所出现的某些言 词其涵义不够确切, 从概念角度讲, 也就是其代表的概念的内 涵没有硬性的标准或条件, 其外延没有硬性的边界, 即边界是 软的或者说是不明确的。 例如,
不确定性推理与通常的确定性推理的差别： (1) 不确定性推理中规则的前件能否与证据事实匹配成功，
不但要求两者的符号模式能够匹配（合一），而且要求证 据事实所含的信度必须达“标”，即必须达到一定的限度。 这个限度一般称为“阈值”。
(2) 不确定性推理中一个规则的触发，不仅要求其前提能匹 配成功，而且前提条件的总信度还必须至少达到阈值。
Pd 或 dP
其中, P表示谓词, d表示程度; Pd为下标表示法, dP为乘法表示 法。
第 8 章 不确定性知识的表示与推理 例8.2 采用程度谓词, (1) 命题“雪是白的” white1.0(雪) 或 1.0white(雪) (2) 命题“张三和李四是好朋友” friends1.15(张三, 李四) 或 1.15 friends(张三, 李四)
所谓程度就是一个命题中所描述事物的特征(包括属性、 状态或关系等)的强度。程度化方法就是给相关语言特征值 (简称语言值)附一个称为程度的参数, 以确切刻画对象的特 征。例如, 用
刻画一个人“胖”的程度。
(胖, 0.9)
第 8 章 不确定性知识的表示与推理
这种附有程度的语言值称为程度语言值。 其一般形式为
(这个苹果, 味道, (甜, 0.95)) 其中的0.95就代替“比较”而刻画了苹果“甜”的程度。
第 8 章 不确定性知识的表示与推理 2. 谓词也就是语言值。按照前面程度语言值的做法, 我们给
谓词也附以程度, 即细化为程度谓词, 以精确刻画相应个体对 象的特征。 根据谓词的形式特点, 我们将程度谓词书写为
对于不确定性知识, 表示的关键是如何描述不确定性。 一般是把不确定性用量化的方法加以描述, 而其余部分的表 示模式与前面介绍的(确定性)知识基本相同。对于不同的不 确定性, 人们提出了不同的描述方法和推理方法。
狭义不确定性一般采用概率或信度来刻划。一个命题的 信度是指该命题为真的可信程度, 例如,
(这场球赛甲队取胜, 0.9)
第 8 章 不确定性知识的表示与推理
信度可以用概率直接来表示。 C（B|A）=P（B|A） 在贝叶斯网络中直接以概率作为信度。
信度也可以是基于概率的某种度量。 在著名的专家系统MYCIN中，采用的是CF模型。
不确定性推理的一般模式
不确定性推理＝符号推演＋信度计算
第 8 章 不确定性知识的表示与推理