第五章不确定与非单调推理5.1 基本概念5.2 概率方法5.3 主观Bayes方法5.4 可信度方法5.5 证据理论5.6 模糊理论5.7 基于框架表示的不确定性推理5.8 基于语义网络表示的不确定性推理5.9 非单调推理5.6 模糊推理5.6.1 模糊命题含有模糊概念、模糊数据的语句称为模糊命题。它的一般表示形式为：xis A或者xisA(CF)其中，A是模糊概念或者模糊数，用相应的模糊集及隶属函数刻画；x是论域上的变量，用以代表所论述对象的属性；CF是该模糊命题的可信度，它既可以是一个确定的数，也可以是一个模糊数或者模糊语言值。模糊语言值是指表示大小、长短、多少等程度的一些词汇。如：极大、很大、相当大、比较大。模糊语言值同样可用模糊集描述。5.6.2 模糊知识的表示（1）模糊产生式规则的一般形式是：IFETHENH(CF,λ)其中，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是知识的可信度因子，它既可以是一个确定的数，也可以是一个模糊数或模糊语言值。λ是匹配度的阈值，用以指出知识被运用的条件。例如：IFx is A THEN y is B (CF,λ)（2）推理中所用的证据也用模糊命题表示，一般形式为xisA’或者xisA’(CF)（3）模糊推理要解决的问题：证据与知识的条件是否匹配：如果匹配，如何利用知识及证据推出结论。5.6.3 模糊匹配与冲突消解在模糊推理中，知识的前提条件中的A与证据中的A’不一定完全相同，因此首先必须考虑匹配问题。例如：IF x is 小THENy is 大(0.6)x is 较小两个模糊集或模糊概念的相似程度称为匹配度。常用的计算匹配度的方法主要有贴近度、语义距离及相似度等。1. 贴近度设A与B分别是论域U={u1,u2,…,un}上的两个模糊集，则它们的贴近度定义为：(A,B)= [A?B+(1-A⊙B)] /2其中A?B=?(?A(ui)??B(ui))UAB=?(?A(ui)??B(ui))U2. 语义距离n(1)海明距离1d(A,B)=??|?A(ui)??B(ui)|ni=11bd(A,B)=|?A(u)??B(u)|du?b?aa(2)欧几里得距离1d(A,B)=?n(3)明可夫斯基距离n?(?i=1nA(ui)??B(ui))q1q21d(A,B)=[??|?A(ui)??B(ui)|],q?1ni=1(4)切比雪夫距离d(A,B)=max|?A(ui)??B(ui)|1?i?n匹配度为：1-d(A,B)
人工智能第五讲 不确定与非单调推理(2)
