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 

           几种主要的不确定性推理方法

     1、确定因子法

    确定因子法是MYcIN专家系统中使用的不确定性推理方法。该方法以确定性理论为基础,采用可信度来刻画不确定性。其优点是简单、实用,在许多专家系统中得到了应用,取得了较好的效果。

    2、主观贝叶斯方法

    主观贝叶斯方法是PROSPEcTOR专家系统中使用的不确定性推理方法。它是基于贝叶斯(bayes)公式修正后而形成的一种不确定性推理方法。该方法的优点是具有较强的数学基础,计算工作量也较为适中。

    3、D-S证据理论 

    D-S证据理论是由Dempster提出,由他的学生Shafer发展起来的。该理论引进了信任函数,这些函数可以满足比概率函数的公理还要弱的公理,因而可以用来处理由“不知道”所引起的不确定性。 

    4、可能性理论

    可能性理论的基础是Zadeh本人的模糊集合理论。正如概率论处理的是由随机性引起的不确定性一样,可能性理论处理的是由模糊性引起的不确定性。

     5、批注理论

     批注理论(Endorsement)是一种非数值方法。它将系统所使用的推理规则和议程中的任务都加以批注。规则的批注提出前提条件与规则结论的关系,任务的批注指出该任务的结论与议程中另一任务的结论之间的协同、冲突、前在冲突及冗余情况。这些批注与数据源、数据类型和数据的精度有关。该理论的优点是可以表示出用数值难以表达的复杂的关系。缺点是系统每步规则推理都要将前提的批注转移到结论中,从而使得结论中的批注迅速增长,对于结论的选择变得困难。

                 返回