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 

           D-S证据理论的特点

       D-S证据理论的特点如下

        1、D-S证据理论满足必概率论更弱的公理系统。当|A|>1,且m(A)=0时,证据理论就退化为概率论;当m(ai)¹0(i=1,2,…,n),且有A1ÍA2Í×××ÍAn时,证据理论退化为可能性理论。

        2、证据理论可以区分不知道和不确定的情况

    3、证据理论可以依靠证据的积累,不断的缩小假设集合。例如,证据可能与子集相关,而不是与单元素集合相关,这样就能较好的逐步缩小诊断的目标。如:心血管疾病®心脏病®左心室疾病®专门诊断。

    4、由D-S证据理论所计算的结果在数值上有时缺乏稳定性,基本概率赋值函数bPA的一个很小变化可能导致结果有较大的改变,而且当支持的证据不一致时,比如当两个信任函数的焦元不相交时,D-S证据理论的规则就无法使用。

    5、D-S证据理论要求辨别框中的元素满足相互排斥的条件,这个条件在实际系统中不易得到满足,而且基本概率赋值函数要求给的值太多计算比较复杂。

                                                        返回