人工智能及应用ch4课件3.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《人工智能及应用ch4课件3.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 应用 ch4 课件
- 资源描述:
-
1、不确定性推理不确定性推理证据理论D-S理论理论l证据理论是由德普斯特证据理论是由德普斯特(A.P.Dempster)提提出,并由沙佛出,并由沙佛(G.Shfer)进一步发展起来的进一步发展起来的一种处理不确定性的理论。也称为一种处理不确定性的理论。也称为D-S理理论。论。l其将概率的单点赋值扩展为集合赋值,弱其将概率的单点赋值扩展为集合赋值,弱化了公理系统。处理由不知道引起的的不化了公理系统。处理由不知道引起的的不确定性。确定性。概率分配函数概率分配函数l定义定义4-14-1:设:设是样本集,则由是样本集,则由的所有子集的所有子集构成的集合称为构成的集合称为的幂集,记为的幂集,记为2。l例:设
2、例:设=红,黄,白红,黄,白,求,求的幂集的幂集2 解:解:的幂集元素为的幂集元素为 ,红红,黄黄,白白,红,黄红,黄,红,白红,白,黄,白黄,白,红,黄,白红,黄,白。概率分配函数概率分配函数定义定义4-24-2:设函数:设函数m:20,10,1,且满足且满足 m()=0 A m(A)=1m(A)=1称称mm是是2上的概率分配函数,上的概率分配函数,m(A)m(A)称为称为A A的基的基本概率数。本概率数。概率分配函数概率分配函数例:为上一个例子定义一个概率分配函数。例:为上一个例子定义一个概率分配函数。解:解:m(,红红,黄黄,白白,红,黄红,黄,红,白红,白,黄,白黄,白,红,黄,白红,
3、黄,白)=0,0.3,0,0.1,0.2,0.2,0,0.2概率分配函数的两点说明概率分配函数的两点说明l概率分配函数将样本空间中的任意子集映射到概率分配函数将样本空间中的任意子集映射到,的一个数。,的一个数。当子集是一个元素时,表示对此元素的精确信任度,当子集是一个元素时,表示对此元素的精确信任度,也是对子集的精确信任度。也是对子集的精确信任度。当子集是多个元素时,表示对子集的精确信任度,当子集是多个元素时,表示对子集的精确信任度,但不清楚子集中每个元素的信任度。但不清楚子集中每个元素的信任度。当子集是样本空间时,不知道如何将信任度分配给当子集是样本空间时,不知道如何将信任度分配给每个元素。
4、每个元素。概率分配函数的两点说明概率分配函数的两点说明如例中如例中A=红红,m(红红)=0.3表示对红的精确信表示对红的精确信任度是任度是0.3;A=红,黄,白红,黄,白,m(红,黄,红,黄,白白)=0.2表示这些信任度不知道如何分配给集合中表示这些信任度不知道如何分配给集合中的元素。的元素。l概率分配函数不是概率。概率分配函数不是概率。不满足概率的归一性。不满足概率的归一性。信任函数信任函数定义定义4-34-3:信任函数:信任函数(Belief function)(Belief function)Bel:2Bel:2 0,10,1为对任给的为对任给的AA Bel(A)=Bel(A)=B Am
5、(B)m(B)BelBel函数又称为下限函数,表示对函数又称为下限函数,表示对A A的总的信的总的信任度。任度。信任函数信任函数接前例:接前例:Bel()=0 Bel(红红)=0.3Bel(红红,白白)=Bel(红红)+Bel(白白)+Bel(红红,白白)=0.3+0.1+0.2=0.6Bel(红红,白白,黄黄)=Bel(红红)+Bel(白白)+Bel(黄黄)+Bel(红红,白白)+Bel(红红,黄黄)+Bel(黄黄,白白)+Bel(红红,黄黄,白白)=1信任函数信任函数Bel()=m()=0Bel()=m()=0Bel()=Bel()=BBm(B)=1m(B)=1似然函数似然函数定义定义4-
6、44-4:似然函数:似然函数(Plausibility function)(Plausibility function)Pl(A):2Pl(A):2 0,1 0,1 对任给的对任给的AA Pl(A)=1-Bel(A)Pl(A)=1-Bel(A)似然函数又称为不可驳斥函数或上限函数。表似然函数又称为不可驳斥函数或上限函数。表示对示对A A非假的信任度。非假的信任度。似然函数似然函数接前例:接前例:Pl(红红)=1-Bel(红红)=1-Bel(黄黄,白白)=1-Bel(黄黄)-Bel(白白)-Bel(黄黄,白白)=0.9Pl(黄黄,白白)=1-Bel(黄黄,白白)=1-Bel(红红)=0.7似然函
7、数似然函数可以证明可以证明 Pl(A)=Pl(A)=AB m(B)m(B)红红B m(B)=m(m(B)=m(红红)+m()+m(红红,白白)+m()+m(红红,黄黄)+m(+m(红红,白白,黄黄)=0.3+0.2+0.2+0.2=0.9)=0.3+0.2+0.2+0.2=0.9 黄黄,白白B m(B)=m(m(B)=m(黄黄)+m()+m(白白)+m()+m(红红,黄黄)+m(+m(白白,黄黄)+m()+m(红红,白白)+m()+m(红红,白白,黄黄)=0+0.1+0+0.2+0.2+0.2=0.7 =0+0.1+0+0.2+0.2+0.2=0.7似然函数似然函数Pl(A)-Pl(A)-AB
8、 m(B)=1-Bel(m(B)=1-Bel(A)-A)-AB m(B)m(B)=1-(Bel(=1-(Bel(A)+A)+AB m(B)m(B)=1-(=1-(B A m(B)+m(B)+AB m(B)m(B)=1-=1-B m(B)m(B)=0 =0 Pl(A)=Pl(A)=AB m(B)m(B)信任函数与似然函数的关系信任函数与似然函数的关系定理定理4-14-1:信任函数与似然函数有如下关系:对信任函数与似然函数有如下关系:对任给的任给的AA有有 Pl(A)Bel(A)Pl(A)Bel(A)证明:证明:Bel(A)+Bel(A)=Bel(A)+Bel(A)=B Am(B)+m(B)+C
9、Am(C)m(C)B m(B)=1m(B)=1信任函数与似然函数的关系信任函数与似然函数的关系又又 Pl(A)-Bel(A)=1-Bel(A)-Bel(A)Pl(A)-Bel(A)=1-Bel(A)-Bel(A)=1-(Bel(A)+Bel(A)=1-(Bel(A)+Bel(A)0 0 Pl(A)Bel(A)Pl(A)Bel(A)使用信任函数与似然函数使用信任函数与似然函数lBel(A)Bel(A):表示:表示A A为真的信任度,为信任度为真的信任度,为信任度下限。下限。lPl(A)Pl(A):表示:表示A A为非假的信任度,为信任度为非假的信任度,为信任度的上限。的上限。使用信任函数与似然函
10、数使用信任函数与似然函数l表示事物的不确定性可以由事物的这两个函数表示事物的不确定性可以由事物的这两个函数值来描述,例如值来描述,例如红红 红红:0.3,0.9 表示表示红红的精确信任度为的精确信任度为0.3,不可驳斥部分为,不可驳斥部分为0.9,而肯定不是,而肯定不是红红的为的为0.1典型值的含义典型值的含义lA0,1A0,1:说明对:说明对A A一无所知。一无所知。Bel(A)=0,Pl(A)=1,Bel(A)=0,Pl(A)=1,说明对说明对A A没有信任,对没有信任,对AA也没有信任。也没有信任。lA0,0A0,0:说明:说明A A为假。为假。Bel(A)=0,Pl(A)=0Bel(A
11、)=0,Pl(A)=0,Bel(A)=1Bel(A)=1。lA1,1A1,1:说明:说明A A为真。为真。概率分配函数的正交和概率分配函数的正交和定义定义4-54-5:设:设m和和n是两个不同的概率分配函数,是两个不同的概率分配函数,其正交和其正交和mn满足满足 mn()=0mn()=0 mn(A)=K mn(A)=K-1-1 X X xy=Axy=Am(x)X n(y)m(x)X n(y)其中其中K=1-K=1-xy=xy=m(x)X n(y)m(x)X n(y)概率分配函数的正交和概率分配函数的正交和设设mm1 1,m,m2,2,m,mn n是是n n个不同的概率分配函数,其正个不同的概率
12、分配函数,其正交和交和mm1 1 mm2 2,m,mn n满足满足 mm1 1 mm2 2,m,mn n()=0()=0 m m1 1 mm2 2,m,mn n(A)(A)=K =K-1-1 X X Ai=AAi=A1in mmi i(A(Ai i)其中其中K=K=AiAi1in mmi i(A(Ai i)概率分配函数的正交和概率分配函数的正交和例:设样本空间例:设样本空间=a,b,=a,b,从不同的知识来源得从不同的知识来源得 到的概率分配函数分别为:到的概率分配函数分别为:mm1 1(,a,b,a,b)=(0,0.4,0.5,0.1)(,a,b,a,b)=(0,0.4,0.5,0.1)m
13、m2 2(,a,b,a,b)=(0,0.6,0.2,0.2)(,a,b,a,b)=(0,0.6,0.2,0.2)求正交和求正交和mm=mm1 1 mm2 2?概率分配函数的正交和概率分配函数的正交和解:先求解:先求K K-1-1K K-1-1=1-=1-xy=xy=mm1 1(x)X m(x)X m2 2(y)(y)=1-m =1-m1 1(a)xm(a)xm2 2(b)-m(b)-m1 1(b)xm(b)xm2 2(a)(a)=1-0.3x0.3-0.5x0.6 =1-0.3x0.3-0.5x0.6 =0.61 =0.61 概率分配函数的正交和概率分配函数的正交和 m()=0 m()=0 m
14、(a)=K m(a)=K-1-1 xy=axy=amm1 1(x)X m(x)X m2 2(y)(y)=K =K-1-1(m(m1 1(a)X m(a)X m2 2(a,b)+(a,b)+m m1 1(a)X m(a)X m2 2(a)+m(a)+m1 1(a,b)X m(a,b)X m2 2(a)(a)=0.54 =0.54 m(b)=0.43m(b)=0.43 m(a,b)=0.03 m(a,b)=0.03D-S理论的推理模型理论的推理模型l如前面介绍,可以使用信任函数和似然函数表如前面介绍,可以使用信任函数和似然函数表示命题示命题A的信任度下限和上限。我们使用同样的信任度下限和上限。我们
15、使用同样的方式表示知识信任度。的方式表示知识信任度。l似然函数和信任函数的计算是建立在概率分配似然函数和信任函数的计算是建立在概率分配函数的基础之上,概率分配函数不同,结论会函数的基础之上,概率分配函数不同,结论会不同。不同。一类特殊的概率分配函数一类特殊的概率分配函数l设设=s=s1 1,s,s2 2,s,sn n,m,m为定义在为定义在2上的概率分上的概率分配函数,且配函数,且mm满足:满足:1.1.m(sm(si i)0,0,对任给对任给s si i 2.2.m(s m(si i)1)13.3.m()=1-m(sm()=1-m(si i)4.4.当当AA,且,且A A的元素多于的元素多于
展开阅读全文