第7章不确定性处理 7.1不确定性及其类型 E随机性 模糊性 不完全性 不一致性
第7章 不确定性处理 7.1 不确定性及其类型 随机性 模糊性 不完全性 不一致性
第7章不确定性处理 7.2不确定性知识的表示 随机性知识的表示 ·随机性产生式规则的表示是在产生式规则的后面加上一个 称为信度(或可信度)的0到1之间的数。一般表示形式为 A→>B(C(A→B)) 或 A→)B(C(B|4) 其中C(A>B)表示规则A→B为真的信度 C(B|4)表示A为真的情况下B为真的信度。一般可以 以概率作为信度
第7章 不确定性处理 7.2 不确定性知识的表示 随机性知识的表示 • 随机性产生式规则的表示是在产生式规则的后面加上一个 称为信度（或可信度）的0到1之间的数。一般表示形式为 或 其中 表示规则 为真的信度， 表示A为真的情况下B为真的信度。一般可以 以概率作为信度。 A → B (C(B | A)) A→ B (C(A→ B)) C(A → B) A→B C(B | A)
第7章不确定性处理 E例 ·如果乌云密布并且电闪雷鸣,则天要下暴雨;(0.95) ·如果头痛发烧,则患了感冒;(0.8) 67.2.2模糊知识的表示 模糊不确定性通常用隶属度表示,隶属度表示对象 具有某种属性的程度。隶属度可以与谓词逻辑、 生式规则、框架、语乂网络等结合起来表示模糊不 确定性
第7章 不确定性处理 例 • 如果乌云密布并且电闪雷鸣，则天要下暴雨；（0.95) • 如果头痛发烧，则患了感冒；（0.8) 7.2.2 模糊知识的表示 模糊不确定性通常用隶属度表示，隶属度表示对象 具有某种属性的程度。隶属度可以与谓词逻辑、产 生式规则、框架、语义网络等结合起来表示模糊不 确定性
第7章不确定性处理 模糊产生式规则 “如果患者有些头疼并且发高烧,则他患了重感 冒”可表示为: (患者,症状,(头疼,0.95))(患者,症状, (发烧,1.1)(患者,疾病,(感冒,1.,2) 模糊谓词 ·普通谓词加上程度表示。例:“Mary很喜欢书” 可表示为ke12mary,book),或1.2ike (mary;book)
第7章 不确定性处理 模糊产生式规则 • “如果患者有些头疼并且发高烧，则他患了重感 冒” 可表示为： （患者，症状，（头疼，0.95)) （患者，症状， （发烧，1.1))→ （患者，疾病，（感冒，1.2)) 模糊谓词 • 普通谓词加上程度表示。例：“Mary 很喜欢书” 可表示为like1.2(mary, book)，或1.2like （mary,book)
第7章不确定性处理 6模糊框架 框架名:〈大枣〉 属:(〈干果〉,0.8) 形:(圆,0.7) 色:(红,1.0) 味:(甘,1.1) 用途:食用 药用:用量:约五枚 用法:水煎服
第7章 不确定性处理 模糊框架 框架名：〈大枣〉 属： （〈干果〉，0.8） 形： （圆，0.7) 色： （红，1.0) 味： （甘，1.1） 用途：食用 药用：用量：约五枚 用法：水煎服
第7章不确定性处理 6模糊语义网 理解人意 (can,0.3) 狗 (AKO,0.7) 食肉动物 嗅觉 (灵敏,1.5)
第7章 不确定性处理 模糊语义网 理解人意 狗 食肉动物 (灵敏，1.5) (can,0.3) (AKO,0.7) 嗅 觉
第7章不确定性处理 67.2.3模糊集合与模糊逻辑 模糊逻辑 传统二值逻辑的模糊推广。定乂命题的真值为对 象具有该属性的隶属度。设一个n元模糊谓词 142 xn),则其真值定义为x12x2……2x 具有属性P的隶属度,即: 7(P(x12x2…,xn))=1(x12x2xn) 对模糊命题,可定义逻辑运算为 7(P入◎)=mnT(P),T(Q
第7章 不确定性处理 7.2.3 模糊集合与模糊逻辑 模糊逻辑 • 传统二值逻辑的模糊推广。定义命题的真值为对 象具有该属性的隶属度。设一个n元模糊谓词 ， 则其真值定义为 具有属性P的隶属度，即： • 对模糊命题，可定义逻辑运算为 ( , , , ) P x1 x2 xn x x xn , , , 1 2 ( ( , , , )) ( , ,..., ) T P x1 x2 xn = P x1 x2 xn T(P Q) = min( T(P),T(Q))
第7章不确定性处理 逻辑或 T(PV O=max(T(P),T(O)) 逻辑非 T(-P)=1-7(P)
第7章 不确定性处理 • 逻辑或 • 逻辑非 T(P Q) = max(T(P),T(Q)) T(P) =1−T(P)
第7章不确定性处理 672.4多值逻辑 Kleene三值逻辑 ∧TF T F UIIPI-P TIT F ULTIT T TITF FF FF FIT FUIFIT UU F UL UT UUULU
第7章 不确定性处理 7.2.4 多值逻辑 Kleene三值逻辑 T F U T F U T F U F F F U F U T F U T F U T T T T F U T U U P P T F U F T U
第7章不确定性处理 672.5非单调逻辑 推理中的结论并不总是单调增加的 67.2.6时序逻辑 将时间概念(如“过去”,“将来”,“有 时”等)引入逻辑,使命题的真值随时间变
第7章 不确定性处理 7.2.5 非单调逻辑 推理中的结论并不总是单调增加的。 7.2.6 时序逻辑 将时间概念（如“过去” ， “将来” ， “有 时”等）引入逻辑，使命题的真值随时间变 化