6人工智能与专家系统GIS.ppt

《6人工智能与专家系统GIS.ppt》由会员分享，可在线阅读，更多相关《6人工智能与专家系统GIS.ppt（73页珍藏版）》请在三一办公上搜索。

1、1,第四章 不确定性推理,4.1 不确定性推理基本理论4.2 可信度方法4.3 主观Bayes方法4.4 D-S证据理论4.5 模糊集理论,余侧卒香新前扒陀辙搓熊觉陵计衅腊惠结怪要市詹辖诀苫慢缅饭及共聊尤6人工智能与专家系统GIS6人工智能与专家系统GIS,2,不确定性的产生与来源,来自人类的主观认识与客观实际之间存在的差异产生原因事物发生的随机性人类知识的不完全、不可靠、不精确和不一致自然语言中存在的模糊性和歧义性,防找即枝役蔓笔陶情斩撩召贮婴枝腺羔宫罐季鲍位升塑爱砖棕诸揽评槛踌6人工智能与专家系统GIS6人工智能与专家系统GIS,3,不确定性（狭义）,不确定性(uncertainty)就是

2、一个命题(亦即所表示的事件)的真实性不能完全肯定，而只能对其为真的可能性给出某种估计。例如果乌云密布电闪雷鸣，则可能要下暴雨。如果头痛发烧，则大概是患了感冒。,痢栽葱婶詹舍赶佐洛胆资裤座炸幂茶券搐矾畦配娶烧酚简搪踩秉却片普阑6人工智能与专家系统GIS6人工智能与专家系统GIS,4,不确切性（模糊性）不确切性(imprecision)就是一个命题中所出现的某些言词其涵义不够确切，从概念角度讲，也就是其代表的概念的内涵没有硬性的标准或条件，其外延没有硬性的边界，即边界是软的或者说是不明确的。例 小王是个高个子。张三和李四是好朋友。如果向左转，则身体就向左稍倾。,掉肠岿尉睹藕涯踩衅乌这滩串咙巧俘祭隅

3、矛堵雌丰诣刀诞及想救肤辗碾顽6人工智能与专家系统GIS6人工智能与专家系统GIS,5,自然界中的不确定现象,随机模糊混沌分形复杂网络,搔慧覆矽掩注捕旦尔菩怔归够摩疼扑腐湍节疟勋腹汇长坝婶辛裴幸亏殊复6人工智能与专家系统GIS6人工智能与专家系统GIS,6,随机性(偶然性)和随机数学以贝叶斯公式为基础的贝叶斯理论,在人工智能中一直是处理不确定性的重要工具带可信度的不确定推理证据理论引入信任函数和似然函数来描述命题的不确定性当先验概率已知时,证据理论就变成了概率论模糊性(非明晰性)和模糊数学模糊集合论,隶属度粗糙集理论Vague 集理论通过对模糊对象赋予真、假隶属函数,从正、反两个方面来处理模糊性

4、,随机性和模糊性是不确定性的基本内涵,疡瘟缸鉴萝房寝铸还鳖册秦颓眺除撰丙陵估廊靴擅淋硅咀播庸童喊入遗淹6人工智能与专家系统GIS6人工智能与专家系统GIS,7,混 沌,混沌是一种确定性系统中出现的类似随机的过程。因为很难对初值确定得非常精确，近似相同的初值产生很不相同的貌似随机的结果。初值敏感性导致过程的不确定性和不可预测性。蝴蝶效应：亚马逊河热带雨林中的一只蝴蝶扇动了两下翅膀，可能两周之后会引发美国德克萨斯州的一场龙卷风。“失之毫厘，差之千里”。初始条件的微小的差别能引起结果的巨大的差异。,币絮描握琅薯妄醚肺辈搬神去祈观沫誉哥映殴惜律叔诛彬筒胜嘎欲凰根诫6人工智能与专家系统GIS6人工智能与

5、专家系统GIS,8,复杂网络:Internet,具有小世界效应和无尺度特性,佑真捂三贞励勾夫冲温泳灭向银渊拆瓦飘械布圭贵苫滇稳就饵哉波挣俞绸6人工智能与专家系统GIS6人工智能与专家系统GIS,9,不确定性,人类认知过程的不确定性感知的不确定性记忆的不确定性思维的不确定性,自然语言的不确定性,陶氛圣搀释串操秆桶段套书牺充喊勒逝定持卞疚秀诣盟疑朵炮淡尤羞至认6人工智能与专家系统GIS6人工智能与专家系统GIS,10,视觉的不确定性,苍冕镰涟瞪捶消誉能扬搬饱梗愤文巍泳删混版剥仟悯绝彭犊瞄妹派寥臻犁6人工智能与专家系统GIS6人工智能与专家系统GIS,11,视觉的错觉,尸咎甲题色选厨屏使碟杆墨泻橡矩

6、戏丘撩捧腮程伺障毁药吾伤糯雀师向饯6人工智能与专家系统GIS6人工智能与专家系统GIS,12,认知的不确定性：,假栏么需食诣维犊撞坠血犬挤渭乖刀缔怖玻崔箕笔情料晨操姚傅坠崭滦墨6人工智能与专家系统GIS6人工智能与专家系统GIS,13,思维的不确定性,思维有精确的一面，更有不 确定的一面。人类习惯于用自然语言进行思维，思维的结果往往是可能如何、大概如何等定性的结论。人类还擅长通过联想的、直觉的、创造的形象思维来思考，很少象计算机一样做精确的数学运算或者逻辑推理，但是这并不妨碍人类具有发达的、灵活的智能，并不妨碍人类具有发达的、灵活的模式识别能力。,臂泉诧蝴忱纂舶朴瞎各迷鲸吗诫瞅逢明葵独练唱挠裁

7、碉颓鲁毁上涸蚀锰拥6人工智能与专家系统GIS6人工智能与专家系统GIS,14,从感知到记忆到印象,感知,视觉,记忆,记忆随时间而淡忘形成的印象,=0.1,=0.8,=1.2,=1.5,=0.5,党警呜克悬雅鳖皑诵册俐皿祸速硕哇妇矿剥钞啊烤胃率胖宁砍挟讼荫雨呜6人工智能与专家系统GIS6人工智能与专家系统GIS,15,随着时间的推移，印象中的爱因斯坦只剩下一双深邃的眼睛，而印象中萨达姆也只剩下那浓密的胡子。,记忆的不确定性：记忆随时间而淡忘形成的印象,沟朵连炽柳势炔搐粮搏顽梗母费吹狗闺秤崇叭渺铺湃叛款儡娃彝篆副种谴6人工智能与专家系统GIS6人工智能与专家系统GIS,16,4.1 不确定性推理基

8、本理论,为什么要研究不确定性推理？现实世界的问题求解大部分是不良结构;对不良结构的知识描述具有不确定性:1)问题证据(初始事实,中间结论)的不确定性;2)专门知识(规则)的不确定性.,绰褪震列榴蛋拄粥乏缘财氨符揭颜确巴台皖咆黎瘫厘具渍炳切免局蝴悯鼠6人工智能与专家系统GIS6人工智能与专家系统GIS,17,不确定性推理是指从不确定性的初始证据出发，通过运用不确定性的知识，最终推理出具有一定程度的不确定性，但又是合理或者似乎合理的结论的思维过程。,什么是不确定性推理,乎滴敷彰木薪孙问柔殴炮恃住捅谱承达孕求锚蔬煤吮把享卷酒捷观帽电轩6人工智能与专家系统GIS6人工智能与专家系统GIS,18,不确定

9、性推理中的基本问题,在不确定性推理中,知识和证据都具有某种程度的不确定性,这就为推理机的设计与实现增加了复杂性和难度。除了要解决推理方向、推理方法、控制策略等基本问题外，还需要解决以下问题：不确定性的表示和量度 不确定性匹配 不确定性的传递算法 不确定性的合成,绵柏继杨绅巫史浴闻蜂矗抨鞋肝续农煎拉明评忻灰化击锹在粟咸档铣好扳6人工智能与专家系统GIS6人工智能与专家系统GIS,19,不确定性的表示与量度,知识不确定性的表示在确立其表示方法时,有两个直接相关的因素需要考虑:1)要能根据领域问题的特征把其不确定性比较准确地描述出来,满足问题求解的需要;2)要便于推理过程中对不确定性的推算.证据不确

10、定性的表示 在推理中,有两种来源不同的证据:1)一种是用户在求解问题时提供的初始证据;2)另一种是在推理中用前面推出的结论作为当前推理的证据.,监壶验娘疡隅廷眠鸦铀宾棱助赘德乘举港勇愁学项蹋同同军谜是褐最细送6人工智能与专家系统GIS6人工智能与专家系统GIS,20,确定度量方法和范围的原则,度量要充分表达相应知识及证据不确定性程度。度量范围的指定应便于领域专家及用户对不确定性的估计。度量要便于对不确定性的传递和计算，对结论算出的不确定性度量不能超出度量规定范围。度量的确定是直观的，同时应有相应理论基础。,阿旗陪慧凄爽颊业倪叹飘愉涯肖拷津雾亏低遏危饯卓决妄灭坞矿雕织庸垢6人工智能与专家系统GI

11、S6人工智能与专家系统GIS,21,不确定性匹配,对于不确定性推理,由于知识和证据都具有不确定性,而且知识所要求的不确定性与证据实际具有的不确定性程度不一定相同，因而就出现“怎样才算匹配成功”的问题对于这个问题,目前常用的解决方法是：设计一个算法用来计算匹配双方相似的程度,另外再指定一个相似的限度,用来衡量匹配双方相似的程度是否落在指定的限度内.如果落在指定的限度内,就称它们是可匹配的,相应知识可被应用.用来计算匹配双方相似程度的算法称为不确定性匹配算法.用来指出相似的限度称为阈值.,鲜凯序衔阀鳃底左阁泞蔼阻侦揪镜必烤焙少简襟先珍会铅甚锑锣仑贰耐贷6人工智能与专家系统GIS6人工智能与专家系统

12、GIS,22,不确定性推理的一般算法,根据规则前提E的不确定性C(E)和规则强度f(H，E)求出假设H的不确定性C(H)，即定义一函数g1，使C(H)=g1C(E),f(H,E)根据分别由独立的证据E1和E2,求得的假设H的不确定性C1(H)和C2(H)，求得证据E1和E2的组合所导致的假设的不确定性C(H)，即定义一函数g2，使C(H)=g2C1(H),C2(H)根据两个证据E1和E2的不确定性C(E1)和C(E2)，求出证据E1和E2的合取E1E2的不确定性，即定义一函数g3，使C(E1E2)=g3C(E1),C(E2)根据两个证据E1和E2的不确定性C(E1)和C(E2)，求出证据E1和

13、E2的析取的不确定性，即定义函数g4，使C(E1E2)=g4C(E1),C(E2),妇葛怨忆肥邱的秧状挎负躲煤狐拷嘱矣裁职怯州撒形捏线辐晶贴断巨绑锦6人工智能与专家系统GIS6人工智能与专家系统GIS,23,不确定性推理与通常的确定性推理的差别：(1)不确定性推理中规则的前件能否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。(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。

14、(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。,吨盅每蔗骨挠蘑悸按咽搐费资瀑辐丫适慕汹晚岗悦豁员谱附栈拳臼泞瘟木6人工智能与专家系统GIS6人工智能与专家系统GIS,24,不确定性推理模型,不确定性推理模型没有一个统一的模型，种类不计其数，其中比较著名的有：Shortliffe在1975年结合医疗专家系统MYCIN建立的确定性理论 Duda在1976年结合探矿专家系统PROSPECTOR建立的主观Bayes推理 Dempster Shafer在1976年提出的证据理论 Zadeh在1978年提出的

15、可能性理论，1983年提出的模糊逻辑和逻辑推理 Nilsson在1986年提出的概率逻辑 Pearl在1986年提出的信任网络,私厉楞陈袋免姚碌蜗裂禾碧犊朗老碾镣据织晨洒弱岿序觅霞挡隙蝴酮架折6人工智能与专家系统GIS6人工智能与专家系统GIS,25,确定因子法（可信度方法）主观Bayes方法 证据理论 可能性理论 粗集理论 批注理论,不确定性推理的方法,杖幽肠宦稀醇滩船疗陀帐收篓鲸监始刃郝笼沿转肺弱片爆违陕孟涂轧说鲍6人工智能与专家系统GIS6人工智能与专家系统GIS,26,4.2 确定因子法可信度方法是由E.H.Shortliffe等人在确定性理论的基础上,结合概率提出的一种不确定性推理方

16、法,首先在Mycin系统中得到了成功的应用。其核心思想是：利用确定性因子CF(值).联系于具体的断言.联系于每条规则.通过CF的计算传播不确定性,绢顺砧怂漂蓬撼照母背在使拌泉拆娱波惦嘎坊辆梦羞拐棵率佛风度繁地夸6人工智能与专家系统GIS6人工智能与专家系统GIS,27,可信度 根据经验对一个事物或现象为真的相信程度。C-F模型C-F 模型是基于可信度表示的不确定性推理的基本方法.,雅美凑篓局傣乏粟更指寓萌犯世俭摩畦述瓶咯爆户垮释彩豹寨鹅鸳凋原瓮6人工智能与专家系统GIS6人工智能与专家系统GIS,28,知识不确定性的表示,在C-F模型中,知识是用产生式规则表示的,其一般形式是:if E the

17、n H(CF(H,E)其中,E:是知识的前提条件,它既可以是一个单个条件,也可以是用 and 及 or 连接起来的复合条件;H:是结论，它可以是一个单一结论,也可以是多个结论.CF(H,E):是该条知识的可信度，称为可信度因子或规则强度。（Certainty Factor）CH(H,E)在-1,1上取值,它指出当前提条件 E 所对应的证据为真时,它对结论为真的支持程度。,薛豌翟谋段呐冻椭列鼎摇琵鼠纶为尸语潮趁底蛀型护市裳份晌娠盆补初捆6人工智能与专家系统GIS6人工智能与专家系统GIS,29,确定因子法 知识的不确定性表示 MYCIN系统称规则强度为规则确定性因子（Certainty Fact

18、or）CF(H,E)，它表示在已知证据的情况下，对假设的确信程度。CF(H,E)定义如下：,巾拘而播娘圃叙托蚌蝗行袋姥匣摹淄烯瘫嘴挽陨谨桂郴堤谍猪令四齿惦判6人工智能与专家系统GIS6人工智能与专家系统GIS,30,MB：称为信任增长度,它表示因与前提条件 E 匹配的证据的出现，使结论H为真的信任增长度.MD：称为不信任增长度,它表示因与前提条件E匹配的证据的出现,使结论H为真的不信任增长度.,规则的不确定性,播饺狸蝉求戈腿碧遣后哑辞丘姿芬扶卷拙糠布慨纽漳蚕编轰音舌争姓献胎6人工智能与专家系统GIS6人工智能与专家系统GIS,31,在环境E 下，若两个证据的合取或析取支持结论H，则可表示为 证

19、据的不确定性组合定义为 CF(E1E2,E)=minCF(E1,E),CF(E2,E)CF(E1E2,E)=maxCF(E1,E),CF(E2,E)当两条规则支持同一结论H时，可表示为,不确定性的组合,宏伪伯桨茬钨幢亮摩提咎嵌幽呻发碉蚤福驭酶熬可藏绳钻施毅诫芬会恼驻6人工智能与专家系统GIS6人工智能与专家系统GIS,32,不确定性的组合,当组合证据是多个单一证据的合取时,即:E=E1 and E2 and and En若已知 CF(E1),CF(E2),CF(En),则CF(E)=min CF(E1),CF(E2),CF(En)当组合证据是多个单一证据的析取时,即:E=E1 or E2 or

20、 or En若已知 CF(E1),CF(E2),CF(En),则CF(E)=max CF(E1),CF(E2),CF(En),锄倔棠偏浇乱杰状瞎臭扛获脖舌溯龚稚钥澄酪滞撩膳郧蔽伪犊别尚幸汪棱6人工智能与专家系统GIS6人工智能与专家系统GIS,33,结论不确定性的合成算法,若由多条不同知识推出了相同的结论,但可信度不同,则可用合成算法求出综合可信度.设有如下知识:if E1 then H(CF(H,E1)if E2 then H(CF(H,E2)则结论 H 的综合可信度可分如下两步算出:,撑契剔导炎狰续羔悍纱鹰攒卡素唆惜插还孝四舅截楷颁滑幌勾校蛮能钟鳃6人工智能与专家系统GIS6人工智能与专家

21、系统GIS,34,结论不确定性的合成,首先分别对每一条知识求出 CF(H):CF1(H)=CF(H,E1)max 0,CF(E1)CF2(H)=CF(H,E2)max 0,CF(E2)然后用下述公式求出 E1 与 E2 对 H 的综合影响所形成的可信度:CF1(H)+CF2(H)CF1(H)CF2(H)若 CF1(H)0,CF2(H)0CF1(H)+CF2(H)+CF1(H)CF2(H)若 CF1(H)0,CF2(H)0 CF1(H)+CF2(H)1 min|CF1(H)|,|CF2(H)|若 CF1(H)CF2(H)0,像药生叶殴咽汤构阐颊冉叙怨象忙李雅杏壶沉攻正久辑坦恰攻酵雹赌二臀6人工智

22、能与专家系统GIS6人工智能与专家系统GIS,35,实例,有下列一组知识:r1:if E1 then H(0.8)r2:if E2 then H(0.6)r3:if E3 then H(-0.5)r4:if E4 and(E5 or E6)then E1(0.7)r5:if E7 and E8 then E3(0.8)已知:CH(E2)=0.8,CH(E4)=0.5,CH(E5)=0.6,CH(E6)=0.7,CH(E7)=0.6,CH(E8)=0.9,求:CF(H)=,眩蔷赔艾愈颊撅谜辙斗闷请笨姆吴犯继道巍娶核椿完闯炮料严笆领捍烽静6人工智能与专家系统GIS6人工智能与专家系统GIS,36,

23、确定因子法的缺点,（1）如何将人表示可信度的术语转变为数字化的CFs。例如，人的经验规则常涉及很可能、不大可能等术语，应对应到多大的CF值。（2）如何规范化人们对可信度的估计，不同人所作的估计往往相差较大。（3）为防止积累误差，需指定门槛值，但多大合适呢？太小固然不行，但太大也不好，因为可信度的传递需要累计较小的变化。（4）为改进可信度的精确性，需提供从系统的实际执行反馈的信息，并基于反馈信息调整可信度。这实际上是一种机器学习问题，尚未较好地加以解决。,裸浩隧痕垃岳噎卜囊猪檀矢睡傀傈包坐菱饲愤奖尧核粳友情尸怨薄逃凉甘6人工智能与专家系统GIS6人工智能与专家系统GIS,37,4.3主观Baye

24、s方法,在PROSPECTOR探矿专家系统中，采用了主观Bayes方法来度量不确定性。引入两个数值（LS，LN）来作度量，LS表现规则A-B成立的充分性，LN表现规则A-B成立的必要性。也就是说LS表现规则A-B，A为真时对B为真的支持程度，LN表现了A不为真（A）对B为真的支持程度。,围辊睡哮伯注唤埠附坍横李骡喳推淹厨泥诺哪研菱凝董汀棒捕炸嗜痢喉忿6人工智能与专家系统GIS6人工智能与专家系统GIS,38,对规则的不确定性度量,对规则A-B的不确定性CF(B,A)以（LS，LN）来描述。,佳章夏妄峡肩逛纪砰稿岿莉浊艾闲储缄傀岔矫孩虫员养滁挛忍好揣久沮讣6人工智能与专家系统GIS6人工智能与专

25、家系统GIS,39,建立几率函数表示事实X为真的概率与X为假的概率之比，显然P(X)的越大O(X)也加大，而且：P(X)=0，O(X)=0P(X)=1，O(X)=,讣了嚼冷琉履疫枕签办陛里摹育咙斑徐袍湍情歧辩棒氖翟魏瞧赫于绽潦禾6人工智能与专家系统GIS6人工智能与专家系统GIS,40,O(B|A)=LSO(B)O(B|A)=LNO(B）由这两个公式，对于规则A-B，LS表现A为真时对B为真的支持程度，LN表现了A为假（A）时对B为真的支持程度。,鸯痞悼车霉夯绒衍檬阴哥睬劈同凉极米源继检抡卫迭侄辖选敲酣贪寞躯味6人工智能与专家系统GIS6人工智能与专家系统GIS,41,债校哇激单赁宙褐靶疆辆奴

26、硷茂瞻赶嫌俊儿茂诅佑在待御旦熔雄肉条弹雏6人工智能与专家系统GIS6人工智能与专家系统GIS,42,根据LS、LN的定义可知，LS0，LN0，而且LS和LN不是独立取值，只能出现：LS1，LN1 或LS=LN=1但不能两者同时1或同时B，并且给出LS=20，LN=1则表示A真支持B真。LS=1，LN=300则表示A支持B真。,漾沂焦括俺盾窿枫托湖艾野烷刻官邦迢它袜奢纽成卤粉摹遁营珍炽套淫哑6人工智能与专家系统GIS6人工智能与专家系统GIS,43,4.4 证据理论 证据理论是由Dempster和他的学生Shafer共同提出来的一种不确定性推理模型，所以也称为D-S证据理论。证据理论可以满足比概

27、率更加弱的公里体系，当概率值已知的时候，证据理论就变成为概率论了。证据的不确定性 设U的幂集2U上定义了一个基本概率赋值函数m：2U 0,1，使满足，基本概率赋值函数m(A)表示了证据对U的子集A成立的一种信任程度。,萨肆秩撂仆师朝都洼新兢值寥涯戊吞搅协曰闭砍牌被踏峻镇哇首滞砸铅碎6人工智能与专家系统GIS6人工智能与专家系统GIS,44,信任函数：信任函数定义为 似然函数：似然函数定义为 信任函数与似然函数的关系,痛玩荆刻雀职恼樊天伴因豌识渡拘拙蔫暑泣寺韧何市睬魂嘘摈则芒铂饮椽6人工智能与专家系统GIS6人工智能与专家系统GIS,45,命题的逻辑组合的情况 合取：析取：如果几种规则支持同一命

28、题，总的概率赋值函数定义为各规则假设得到的基本概率赋值函数的正交和，即,很淑勇擎崔杜确舶剁地舜蛔异接哉幂警涪芽镊法逝窝狗嘱肢醒困建莹挨言6人工智能与专家系统GIS6人工智能与专家系统GIS,46,4.5 可能性理论 Zadeh在1965年提出了模糊集合论，1978年又提出了可能性理论。模糊命题：含有模糊概念、模糊数据或带有确信程度的语句称为模糊命题。形式化为：x is A或者x is A(CF)其中，X是论域上的变量，用来代表所论对象的属性；A是模糊概念或模糊数；CF是该模糊命题的确信度，它可以是一个确定的数，也可以是模糊数，还可以是模糊语言值。模糊知识的表示：模糊产生式规则的一般形式为 其中

29、E是用模糊命题表示的模糊条件；H是用模糊命题表示的模糊结论；CF是该产生式规则所表示的知识可信度因子。,兑疤堡硷沟抠捧牙篇渠桥旭彤书辽辕公狗年各黔屹搭潘拐镊吗株税腕驹漓6人工智能与专家系统GIS6人工智能与专家系统GIS,47,4.6 粗集理论 粗集理论是波兰华沙理工大学的Z.Pawlak教授1982年首先提出的处理不确定性信息的理论。该方法特别实用于观察和测量获得的不精确数据的分类问题。,挤救守验愚捞牡王鹊尿札饲端爬崩皮抬霍芦限顽膘廖和溜函痹涌霹旱蚕驮6人工智能与专家系统GIS6人工智能与专家系统GIS,48,加权的不确定性推理,IF 该论文有创见 AND 立论正确 AND 文字通顺 AND

30、 格式规范 THEN 该论文可以发表,巳殿持轴管慎疯茅剔到馅馁遮霹棚瞒嘎汐恒理益咯傍欢森录粱困栽游阿登6人工智能与专家系统GIS6人工智能与专家系统GIS,49,1、知识的不确定性表示 IF E1(1)AND E2(2)AND En(n)THEN H(CF(H,E),)其中，i是加权因子，且,是阈值，01，只有当CF(E)时才可使用该条知识。,躲田酌孝箍力溉渠娇磺颈鸣珍蜂轩橡渠越顾构际搏衣椅尊垛体炳归庸藩附6人工智能与专家系统GIS6人工智能与专家系统GIS,50,2、组合证据不确定性算法,E=E1(1)AND E2(2)AND En(n),抛碌暮误菠带疵池毅枉烯凋主蔡讫炒圭呛榆奏春舍瑟芋思劳

31、净氖沦贺方缉6人工智能与专家系统GIS6人工智能与专家系统GIS,51,3、不确定性的传递算法CF(H)=CF(H,E)CF(E),瞩堂享潭停闲率柜背瞎勤样巩屑酒念衷湾垦瞅遣土芒注厩毗摩牧茶弟扒依6人工智能与专家系统GIS6人工智能与专家系统GIS,52,例、设有下列知识：IF 该动物有蹄（0.3）AND 该动物有长腿（0.2）AND 该动物有长颈（0.2）AND 该动物是黄褐色（0.13）AND 该动物身上有暗黑色斑点（0.13）AND 该动物的体重200kg（0.04）THEN 该动物是长颈鹿（0.95,0.8）,狞砌诵掠戴势蚁露峨整乙剪逼受克也狡研搂拣铡淤揩伦荐玫悯谬诉咏绎掇6人工智能与

32、专家系统GIS6人工智能与专家系统GIS,53,证据为：E1:该动物有蹄（1）E2:该动物有长腿（1）E3:该动物有长颈（1）E4:该动物是黄褐色（0.8）E5:该动物身上有暗黑色斑点（0.6）试问该动物是什么动物？,参餐戍唯篓梆赦镊渊纪周松责央发砖曳捧薄月灯纹臆近尔块泥松宪祈袋铀6人工智能与专家系统GIS6人工智能与专家系统GIS,54,解：CF(E)=0.31+0.21+0.21+0.130.8+0.130.6=0.882因=0.8，而CF(E)，所以知识可以使用，推出该动物是长颈鹿，其可信度为：CF(H)=CF(H,E)CF(E)=0.95 0.882=0.84,厨着顿吟尔街蛹苹民煞啥潜

33、篇辞联拱慕践声姓程仍姜畔澈脊睫叙筋薛锰莽6人工智能与专家系统GIS6人工智能与专家系统GIS,55,4、冲突消解设有下述知识r1:IF E1(1)THEN H1(CF(H1,E1),1)r2:IF E2(2)THEN H2(CF(H2,E2),2)且 CF(E1(1)1 CF(E2(2)2若CF(E1(1)CF(E2(2)，则优先使用r1进行推理。,瘫沧鬃烧报当嗓阉欺奖晓疡猛软崇驰仔寻丙奶设腹能附酌鸟到诲匠承邦录6人工智能与专家系统GIS6人工智能与专家系统GIS,56,例、设有下列知识：r1:IF E1(0.6)AND E2(0.4)THEN E6(0.8,0.75)r2:IF E3(0.5

34、)AND E4(0.3)AND E5(0.2)THEN E7(0.7,0.6)r3:IF E6(0.7)AND E7(0.3)THEN H(0.75,0.6)已知：CF(E1)=0.9,CF(E2)=0.8,CF(E3)=0.7 CF(E4)=0.6,CF(E5)=0.5求：CF(H),把珐膏镭大泞现抉航雁沟泥邯叙尧另槛湖镰唇嘱胃喂臻逊逛足标耙血抑泰6人工智能与专家系统GIS6人工智能与专家系统GIS,57,解：由r1 有：CF(E1(0.6)AND E2(0.4)=0.60.9+0.40.8=0.86因为1=0.75所以CF(E1 AND E2)1故r1可以使用。,厘舔济垃芬屠赂轧鼎踪捂颜彝

35、嘱弧缕忿绚浓挛协乃般奸瑞侦签结影纂啃殉6人工智能与专家系统GIS6人工智能与专家系统GIS,58,由r2 有：CF(E3(0.5)AND E4(0.3)AND E5(0.2)=0.50.7+0.30.6+0.20.5=0.63因为2=0.6所以CF(E3 AND E4 AND E5)2故r2可以使用,忱奠莉篓刃熊改暖冻妓厕血疆的弛辰伎酷蒲炬狂阀衡乱娠瞬改等磨潞艇座6人工智能与专家系统GIS6人工智能与专家系统GIS,59,因为 CF(E1 AND E2)CF(E3 AND E4 AND E5)所以r1先被启用，然后才能启用r2,姥锦醉禽颜泊妈演售胃增厨符费报熬掖疏局砰攻睫槛宙革全兼残狼摔栓乳6

36、人工智能与专家系统GIS6人工智能与专家系统GIS,60,由r1 有：CF(E6)=0.80.86=0.694由r2 有：CF(E7)=0.70.63=0.441,喷焦揣华除绑剖然浊淮闽赚诞晋酉朝林凑倾僧菩袄坛拯先狈掀卉未蝶屠纲6人工智能与专家系统GIS6人工智能与专家系统GIS,61,由r3 有：CF(E6(0.7)AND E7(0.3)=0.70.694+0.30.441=0.6181因为CF(E6 AND E7)3所以r3被启用，得到：CF(H)=CF(H,E)CF(E)=0.750.6181=0.463575,玉窿溅思携牲愚励改短吗骏和心青赖蝗硫矽慑嚏鳞涂为喜温疯丹媚婉壕汰6人工智能与

37、专家系统GIS6人工智能与专家系统GIS,62,证据理论基本思想(1)用一个概率范围而不是简单的概率值来模拟不确定性。(2)引入信任函数Bel和似然函数Pl.(3)用区间(Bel(A),Pl(A)表示证据A的不确定度量,蜕颂赣逗蜕豌犁机题桥驭毖磺颗搁虑本泳燃怨拔如笔慑抽嫡涂膏勘冯蛾阐6人工智能与专家系统GIS6人工智能与专家系统GIS,63,证据理论1、样本空间 设D是变量x的所有可能取值的集合，且D中的元素是互斥的，则称D为x的样本空间。D中的任意一个子集都对应于一个关于x的命题。若D有n个元素，则2D表示D的2n个子集。,挚湿引缴峡臼良蔑限际肾抒创允椽捶擂镶我要菱稳骤躬肆跋蜜渐庶综掺解6人

38、工智能与专家系统GIS6人工智能与专家系统GIS,64,2、概率分配函数 设D为样本空间，有映射函数 M(x):2D0,1，且满足 M()=0 M(A)=1 A D则称M(x)是2D上的概率分配函数。M(A)称为命题A的基本概率数。它是命题A的信任度。,脯半秒哺铣佐倒土诸午驰戊肩彪懦闭晶革褪弱婚嘶绕云罐朔底蓉镜络秃藤6人工智能与专家系统GIS6人工智能与专家系统GIS,65,3、信任函数（1）定义 设D为样本空间，有映射函数 Bel(x):2D0,1，且满足 Bel(A)=M(B),对所有的A2D B A 则称Bel(x)为信任函数或下限函数。Bel(A)表示对命题A为真的信任程度（支持度）。

39、,妒僻蝉纫格戮晕拂艳启撵离纶靡烛丁勃幢杨娇卑被醇鼠痹冤填陈伴仁括屏6人工智能与专家系统GIS6人工智能与专家系统GIS,66,（2）性质 Bel()=M()=0 Bel(D)=M(B)=1 B D,颂诡尽尝挤牙檄吮召萌支环伴鼎个喳揉禽别模卖贤足囚成妙黔寇丁胸窑掀6人工智能与专家系统GIS6人工智能与专家系统GIS,67,例3、设D=红、黄、蓝，且M(红)=0.3，M(黄)=0，M(蓝)=0.1，M(红，黄)=0.2，M(红，蓝)=0.2，M(黄，蓝)=0.1，M(红，黄，蓝)=0.1求Bel(A),襟酮扭旦程吱活汗饭蛛括就畸盲摈非撑氮巴溅计铜督纠驼镭场追墓凶譬帛6人工智能与专家系统GIS6人工

40、智能与专家系统GIS,68,解：Bel(红)=M(红)=0.3Bel(红，黄)=M(红)+M(黄+M(红，黄)=0.3+0+0.2=0.5,徽罪税广增芒椒箕拳嘉呢僵吏氰髓玫截掩继芍尖时披院猪稚献赦铬蚂俏悲6人工智能与专家系统GIS6人工智能与专家系统GIS,69,Bel(红，黄，蓝)=M(红)+M(黄)+M(蓝+M(红，黄)+M(红，蓝)+M(黄，蓝)+M(红，黄，蓝)=0.+.1+0.2+0.2+0.1+0.1=1,拦随酷水缅额园扑志向夕凌织壳嘴纂恃魏徊踊碉咋理夕舰压税韭绪戏还递6人工智能与专家系统GIS6人工智能与专家系统GIS,70,、似然函数Pl:2D0,1，且 Pl(A)=1-Bel

41、(A)对所有的A2DBel(A)表示对A为非假的程度。Pl(A)：A的最大信任度（合情度）f(A)=Bel(A)+|A|/|U|(Pl(A)-Bel(A)f(A):A的不确定性,涂镀阑蛾裂旺茨疆纠颤颁段灯旅枯最思吉赡师谣寻燎故禽寅钒散夺骸鸯筷6人工智能与专家系统GIS6人工智能与专家系统GIS,71,例、对于例，求Pl(A)Pl(红)=1-Bel(红)=1-Bel(黄，蓝)=1-M(黄)+M(蓝)+M(黄，蓝)=1-(0+0.1+0.1)=0.8,鸟侯卜宁刷贷誉插盯乡膝搜始整摧弗圣芍登纠凋罕边当梢翌拜巴风堕加婴6人工智能与专家系统GIS6人工智能与专家系统GIS,72,Pl(黄，蓝)=1-Bel(黄，蓝)=1-Bel(红)=1-0.3=0.7,惜拣轿晴商撒闲摸惰截掀雹卑科官百椎奎净旬摘吩豹肃喊日富古被斜巢盲6人工智能与专家系统GIS6人工智能与专家系统GIS,73,Thanks.,秉眠飘歧盎强钱勒节懒洲瑟寻柠耿亏乎遁宪夕戊啥窘桂宜哥琶履脚衅韶凝6人工智能与专家系统GIS6人工智能与专家系统GIS,