文章目錄
不確定性推理的含義
什麼是不確定性推理
不確定性推理是指建立在不確定性知識和證據基礎上的推理。例如,不完備、不精確知識的推理,模糊知識的推理等。實質上是一種從不確定的初試證據出發,通過運用不確定性知識,最終推出具有一定程度不確定性但卻又是合理或基本合理的結論的思維過程。
爲什麼採用不確定性推理
- 所需知識不完備、不精確:不完備是指在解決某一問題時,不具備解決該問題的全部知識。不精確是指既不能完全確定知識爲真,又不能完全確定知識爲假。
- 所需知識描述模糊:指知識的邊界不清晰,例如常說的“好”、“很好”、“比較好”
- 多種原因導致同一結論:例如導致人發燒的原因有許多種。
- 解題方案不唯一:現實生活中的問題一般都存在着多種不同的解決方案,而這些方案直接又很難絕對地判斷其優劣。
不確定性推理的基本問題
不確定性的表示
不確定性的表示包括知識的不確定性表示和證據的不確定性表示。
知識不確定性的表示
通常需要考慮兩個方面的問題:
- 能夠比較準確的描述問題本身的不確定性
- 便於推理過程中不確定性的計算
知識的不確定性通常是用一個數值來描述的,該數值表示相應知識的確定性程度,也稱爲知識的靜態強度。
證據的不確定性表示
推理中的證據有兩種來源:
- 用戶在求解問題時所提供的初始證據,如病人的症狀等
- 在推理中得出的中間結果
通常,證據的不確定性應該與知識的不確定性表示保持一致,以便推理過程能對不確定性進行統一處理。
不確定性的匹配
推理過程實質上是不斷尋找和運用可用知識的過程。可用知識是指其前提條件可與綜合數據庫中的已知事實相匹配的知識。
那麼怎樣去匹配呢?目前常用的解決方案是,設計一個用來計算匹配雙方相似程度的算法,並給出一個相似的限度,如果匹配雙方的相似程度落在規定的限度內,則稱雙方是可匹配的。
組合證據不確定性的計算
在不確定性的系統中,知識的前提條件既可以是簡單的單個條件,也可以是複雜的組合條件。匹配時,一個簡單條件只對應與一個單一的證據,一個符合條件將對應於一組證據,而結論的不確定性是通過對證據和知識的不確定性進行某種運算而得到的。所以,當知識的前提條件爲組合條件時,需要有合適的算法來計算複合證據的不確定性。
不確定性的更新
由於證據和知識都是不確定的。那麼就存在兩個問題:
- 如何利用證據和知識的不確定性去更新結論的不確定性
- 在推理過程中,如何把初始證據的不確定性傳遞給最終結論
對於第一個問題,一般的做法是按照某種算法由證據和知識的不確定性計算出結論的不確定性
對於第二個問題,做法一般是把當前推出的結論及其不確定性作爲新的證據放入綜合數據庫。
不確定性結論的合成
推理過程中,很可能會出現由多個不同知識推出同一結論,並且推出的結論的不確定性程度又各不相同的情況。
不確定性推理的類型
按照是否採用數值來描述不確定性來區分:
- 數值方法:一種用數值對不確定性進行定量表示和處理的方法。
- 非數值方法:除數值方法以外的其他各種對不確定性進行表示和處理的方法。
對於數值方法,又可以根據其所依據的理論分爲兩種不同類型:
- 基於概率論的有關理論發展起來的方法,如確定性理論、主觀Bayes方法、證據理論和概率推理等;
- 基於模糊邏輯理論發展起來的方法,如模糊推理。