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
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 

            证据的不确定性

      在MYcIN系统中,证据的不确定性是用证据的确定性因子cF(E)表示的。原始证据的确定性因子由用户主观的给出,非原始证据的确定性因子由不确定性推理获得。

    证据的不确定性有以下几个性质

    1、值域

    当证据E以某种程度为真时,有0≤cF(E)≤1

    当证据E以某种程度为假时,有-1≤cF(E)<0

    2、典型值

    当证据E肯定为真时,cF(E)=1

    当证据E肯定为假时,cF(E)=-1

    当证据E一无所知时,cF(E)=0。

                                                返回