人工智能概述

 

 问题求解的基本原理

 

 知识表示

 

基于逻辑的问题求解方法

 

 不确定知识表示及推理

 

 专家系统

 

 知识获取和机器学习

 

 自然语言的处理

 

 

       返回主页

不确定知识表示及推理
不确定推理概述 不确定推理方法之确定性因子法 不确定推理方法之主观beyes方法

      D-S证据论证         可能性理论           非单调推理及粗集理论 

           不确定性问题的代数模型

    一个问题的代数模型是由论域、运算和公理三部分所组成的。所以,我们讨论各种不确定性推理方法是应符合某种代数结构。比如,在某种意义下构成的半群,即在不确定性值域上,不确定性度量的合成运算具有封闭性并满足结合律。按照这种方法建立起来的不确定性问题模型需要涉及下面三个问题。

    A、不确定性知识的表示

    不确定性知识的表示主要解决用什么方法来描述知识的不确定性问题。常用的方法有数值法非数值法。数值法以概率方法、确定因子法、D-S证据理论和可能性理论为代表;非数值法则以批注理论和非单调逻辑为代表。数值法表示便于计算、比较,非数值法表示便于定性分析,两种方法的结合是描述不确定性知识的好办法。

    b、不确定性知识的推理

    不确定性知识的推理是指知识不确定性的传播和更新,即新的不确定性知识的获取的过程。这个过程是在“公理”(比如领域专家给出的规则强度和用户给出的原始证据的不确定性度)的基础上,定义一组函数,计算出“定理”(非原始数据的命题)的不确定性度量。也就是说,根据原始证据的不确定性和知识的不确定性,求出结论的不确定性。

    一个不确定性知识推理包括如下的算法:

                               下接