A第8章不确定性知织的表示与推理 基于不确定性知识的推理一般称为不确定性推理。由于 不确定性推理是基于不确定性知识的推理,因此其结果仍然是 不确定性的。但对于不确定性知识,我们是用信度即量化不 确定性的方法表示的(实际是把它变成确定性的了),所以,不 确定性推理的结果仍然应含有信度。这就是说,在进行不确 定性推理时,除了要进行符号推演操作外,还要进行信度计算, 因此不确定性推理的一般模式可简单地表示为 不确定性推理=符号推演十信度计算
第 8 章 不确定性知识的表示与推理 基于不确定性知识的推理一般称为不确定性推理。 由于 不确定性推理是基于不确定性知识的推理, 因此其结果仍然是 不确定性的。 但对于不确定性知识, 我们是用信度即量化不 确定性的方法表示的(实际是把它变成确定性的了), 所以, 不 确定性推理的结果仍然应含有信度。 这就是说, 在进行不确 定性推理时, 除了要进行符号推演操作外, 还要进行信度计算, 因此不确定性推理的一般模式可简单地表示为
A第8章不确定性知织的表示与推理 可以看出,不确定性推理与通常的确定性推理相比,区别 在于多了个信度计算过程。然而,正是因为含有信度及其计 算,所以不确定性推理与通常的确定性推理就存在显著差别 (1)不确定性推理中规则的前件要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
第 8 章 不确定性知识的表示与推理 可以看出,不确定性推理与通常的确定性推理相比, 区别 在于多了个信度计算过程。然而, 正是因为含有信度及其计 算, 所以不确定性推理与通常的确定性推理就存在显著差别。 (1) 不确定性推理中规则的前件要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
A第8章不确定性知织的表示与推理 (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。这些计算也就 是在推理过程中要反复进行的计算 总之,不确定性推理要涉及信度、阈值以及信度的各种 计算和传播方法的定义和选取。所有这些就构成了所谓的不 确定性推理模型
第 8 章 不确定性知识的表示与推理 (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。 这些计算也就 是在推理过程中要反复进行的计算。 总之, 不确定性推理要涉及信度、阈值以及信度的各种 计算和传播方法的定义和选取。 所有这些就构成了所谓的不 确定性推理模型
A第8章不确定性知织的表示与推理 IH HIm 8.1.3不确切性知识的表示及推理 关于不确切性知识,现在一般用模糊集合与模糊逻辑的 理论和方法来处理。这种方法一般是用模糊集合给相关的概 念或者说语言值(主要是软概念或者软语言值)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。本节 就先简单介绍这种程度化方法,而将模糊集合与模糊逻辑安 排在8.4一节专门介绍 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,我们用 (胖,0.9) 画一个亼“胖”的程度
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 理论和方法来处理。这种方法一般是用模糊集合给相关的概 念或者说语言值(主要是软概念或者软语言值)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。本节 就先简单介绍这种程度化方法, 而将模糊集合与模糊逻辑安 排在8.4一节专门介绍。 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, 我们用 刻画一个人“胖”的程度。 (胖, 0.9)
A第8章不确定性知织的表示与推理 我们把这种附有程度的语言值称为程度语言值。其一般形式为 lv d 其中,LV为语言值,d为程度,即 (<语言值>,<程度>) 可以看出,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。例如可先确定一个标 准对象,规定其具有相关属性值的程度为1,然后再以此标准 来确定其他对象所具有该属性值的程度。这样,一般来说,程 度的取值范围就是实数区间[a,B](a≤0,月≥1)
第 8 章 不确定性知识的表示与推理 我们把这种附有程度的语言值称为程度语言值。 其一般形式为 (LV, d) 其中, LV为语言值, d为程度, (<语言值>, <程度>) 可以看出, 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。例如可先确定一个标 准对象, 规定其具有相关属性值的程度为1, 然后再以此标准 来确定其他对象所具有该属性值的程度。这样, 一般来说, 程 度的取值范围就是实数区间［α,β］(α≤0,β≥1)