【人工智能】不确定性推理方法——C-F模型.pdf下载

weixin_39821051 2023-03-19 09:00:09
【⼈⼯智能】不确定性推理⽅法——C-F模型 ⽂章⽬录 ⼀. 基本概念 要掌握C-F模型⾸先需要了解可信度的概念,可信度是根据经验对⼀个事物或现象为真的相信程度,说⽩了就是有多⼤把握相信⼀个事情。 由于可信度不可避免地带有较⼤主观性和经验性,难以把握准确性。C-F模型便是基于可信度表⽰的不确定性推理的基本⽅法。 不确定性推理主要有两种不确定性,即关于知识的不确定性和关于证据的不确定性。 C-F模型中关于知识的不确定性的表⽰⽅法为"IF E THEN H (CF(H,E))"。这样的式⼦后⾯的括号中都会有⼀个数值,这个数值叫可信度 因⼦,它的取值范围为[-1,1]。可信度因⼦⼜被称为静态强度,即当E所对应的证据为真时对H的影响程度。 若CF(H,E) > 0,CF(H,E)的值越⼤,则证据的出现越是⽀持H为真;若CF(H,E) < 0,CF(H,E)的值越⼩,则证据的出现越是⽀持H为假; 若CF(H,E)=0,则证据的出现与否与H⽆关。 C-F模型中关于证据的不确定性的表⽰⽅法为"CF(E)",CF(E)的值便是证据E的可信度,它的取值范围为[-1,1]。可信度⼜被称为动态强 度,即证据E当前的不确定性程度。 对于初始证据,若所有观察S能肯定它为真,则CF(E) = 1。若肯定它为假,则CF(E) = -1。若以某种程度为真,则 0 < CF(E) < 1。若以某 种程度为假,则 -1 < CF(E) < 0 。若未获得任何相关的观察,则 CF(E) = 0。 ⼆. 必背公式 上⾯这些基本概念是不是看着⼀头雾⽔? 没错,确实很抽象,但是这并不妨碍我们把题做出来,咱们真正需要重点掌握的是接下来的公式。 就硬背,⼲就完了! 1. 证据不确定性的组合算法 组合证据按照逻辑运算与(AND)和或(OR)可以分为合取运算和析取运算,其公式如下: 合取运算: 析取运算: 记忆⼝诀:合取AND取最⼩,析取OR取最⼤。 2. 结论不确定性的传递算法 C-F模型中的不确定性推理从不确定的初始证据出发,最终推出结论并求出结论的可信度值。结论 H 的可信度的计算公式如下: 3. 结论不确定性的合成算法 上⾯这个算法只是假定只有两个因素E1和E2对H有影响,对于多个因素(两个以上)对H有影响的情况,需要先根据上述算法合成 CF1,2(H),再与后⾯的项CF3(H)合成CF1,2,3(H),直⾄遍历完所有对H有影响的因素。需要注意的是在算法的第⼆步需要根据合成⼆者 的符号选⽤特定的公式。 三. 典型例题 我们现在已经背会了上⾯三个算法公式,现在就可以开始做题了。 下⾯给出了三道例题,我们可以通过例题的分析求解总结出C-F模型相关题⽬的普遍性解法。 例题1 【例1】设有如下⼀组知识: r1:IF E1 THEN H (0.9) r2:IF E2 THEN H (0.6) r3:IF E3 THEN H (-0.5) r4:IF E4 AND (E5 OR E6) THEN E1(0.8) 已知CF(E2) = 0.8,CF(E3) = 0.6, CF(E4) = 0.5,CF(E5) = 0.6,CF(E6) = 0.8 ,求CF(H)。 我们⾸先观察已知的内容,发现有CF(E2)、CF(E3)、CF(E4)、CF(E5)和CF(E6),是不是感觉缺少了些东西? 对啊!CF(E1)哪⼉去了!? 其实,CF(E1)这个东西就是我们⾸先需要求出来的值,是本题的⼊⼝所在。 我们从上⾯的四条知识中搜寻E1,发现r4这句中带有E1,我们便需要根据此条知识求出CF(E1)。 根据不确定性传递算法,我们可以将r4这句转化为下⾯这个样⼦: CF(E1) = 0.8 × max{0, CF[E4 AND (E5 OR E6)]} 我们重点关注⼀下"CF[E4 AND (E5 OR E6)]",这个式⼦中带有AND和OR,我们很⾃然地就想到了合取和析取运算,运⽤记忆⼝诀, 我们可以进⼀步处理可以得到下⾯这个样⼦: CF(E1) = 0.8 × max{0, min{CF(E4), max{CF(E5), CF(E6)}}} 然后代⼊已知的值进⾏计算: CF(E1) = 0.8 × max{0, min{0.5, max{0.6, 0.8}}} = 0.4 CF(E1) = 0.4总算被我们求出来了,现在我们再观察上⾯三个和H有关的知识r1、r2、r3。 r1:IF E1 THEN H (0.9) r2:IF E2 THEN H (0.6) r3:IF E3 THEN H (-0.5) 从上式我们可以得知,有三个因素E1、E2、E3都对H有影响。为了求出CF(H),此时我们应该先合成CF1,2(H),再与CF3(H)合成 CF1,2,3(H)。 先将r1、r2、r3转化,并计算出C , 相关下载链接:https://download.csdn.net/download/qq_43934844/87504740?utm_source=bbsseo
...全文
67 回复 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
【⼈⼯智能】不确定性推理⽅法——C-F模型 ⽂章⽬录 ⼀. 基本概念 要掌握C-F模型⾸先需要了解可信度的概念,可信度是根据经验对⼀个事物或现象为真的相信程度,说⽩了就是有多⼤把握相信⼀个事情。 由于可信度不可避免地带有较⼤主观性和经验性,难以把握准确性。C-F模型便是基于可信度表⽰的不确定性推理的基本⽅法。 不确定性推理主要有两种不确定性,即关于知识的不确定性和关于证据的不确定性。 C-F模型中关于知识的不确定性的表⽰⽅法为"IF E THEN H (CF(H,E))"。这样的式⼦后⾯的括号中都会有⼀个数值,这个数值叫可信度 因⼦,它的取值范围为[-1,1]。可信度因⼦⼜被称为静态强度,即当E所对应的证据为真时对H的影响程度。 若CF(H,E) > 0,CF(H,E)的值越⼤,则证据的出现越是⽀持H为真;若CF(H,E) < 0,CF(H,E)的值越⼩,则证据的出现越是⽀持H为假; 若CF(H,E)=0,则证据的出现与否与H⽆关。 C-F模型中关于证据的不确定性的表⽰⽅法为"CF(E)",CF(E)的值便是证据E的可信度,它的取值范围为[-1,1]。可信度⼜被称为动态强 度,即证据E当前的不确定性程度。 对于初始证据,若所有观察S能肯定它为真,则CF(E) = 1。若肯定它为假,则CF(E) = -1。若以某种程度为真,则 0 < CF(E) < 1。若以某 种程度为假,则 -1 < CF(E) < 0 。若未获得任何相关的观察,则 CF(E) = 0。 ⼆. 必背公式 上⾯这些基本概念是不是看着⼀头雾⽔? 没错,确实很抽象,但是这并不妨碍我们把题做出来,咱们真正需要重点掌握的是接下来的公式。 就硬背,⼲就完了! 1. 证据不确定性的组合算法 组合证据按照逻辑运算与(AND)和或(OR)可以分为合取运算和析取运算,其公式如下: 合取运算: 析取运算: 记忆⼝诀:合取AND取最⼩,析取OR取最⼤。 2. 结论不确定性的传递算法 C-F模型中的不确定性推理从不确定的初始证据出发,最终推出结论并求出结论的可信度值。结论 H 的可信度的计算公式如下: 3. 结论不确定性的合成算法 上⾯这个算法只是假定只有两个因素E1和E2对H有影响,对于多个因素(两个以上)对H有影响的情况,需要先根据上述算法合成 CF1,2(H),再与后⾯的项CF3(H)合成CF1,2,3(H),直⾄遍历完所有对H有影响的因素。需要注意的是在算法的第⼆步需要根据合成⼆者 的符号选⽤特定的公式。 三. 典型例题 我们现在已经背会了上⾯三个算法公式,现在就可以开始做题了。 下⾯给出了三道例题,我们可以通过例题的分析求解总结出C-F模型相关题⽬的普遍性解法。 例题1 【例1】设有如下⼀组知识: r1:IF E1 THEN H (0.9) r2:IF E2 THEN H (0.6) r3:IF E3 THEN H (-0.5) r4:IF E4 AND (E5 OR E6) THEN E1(0.8) 已知CF(E2) = 0.8,CF(E3) = 0.6, CF(E4) = 0.5,CF(E5) = 0.6,CF(E6) = 0.8 ,求CF(H)。 我们⾸先观察已知的内容,发现有CF(E2)、CF(E3)、CF(E4)、CF(E5)和CF(E6),是不是感觉缺少了些东西? 对啊!CF(E1)哪⼉去了!? 其实,CF(E1)这个东西就是我们⾸先需要求出来的值,是本题的⼊⼝所在。 我们从上⾯的四条知识中搜寻E1,发现r4这句中带有E1,我们便需要根据此条知识求出CF(E1)。 根据不确定性传递算法,我们可以将r4这句转化为下⾯这个样⼦: CF(E1) = 0.8 × max{0, CF[E4 AND (E5 OR E6)]} 我们重点关注⼀下"CF[E4 AND (E5 OR E6)]",这个式⼦中带有AND和OR,我们很⾃然地就想到了合取和析取运算,运⽤记忆⼝诀, 我们可以进⼀步处理可以得到下⾯这个样⼦: CF(E1) = 0.8 × max{0, min{CF(E4), max{CF(E5), CF(E6)}}} 然后代⼊已知的值进⾏计算: CF(E1) = 0.8 × max{0, min{0.5, max{0.6, 0.8}}} = 0.4 CF(E1) = 0.4总算被我们求出来了,现在我们再观察上⾯三个和H有关的知识r1、r2、r3。 r1:IF E1 THEN H (0.9) r2:IF E2 THEN H (0.6) r3:IF E3 THEN H (-0.5) 从上式我们可以得知,有三个因素E1、E2、E3都对H有影响。为了求出CF(H),此时我们应该先合成CF1,2(H),再与CF3(H)合成 CF1,2,3(H)。 先将r1、r2、r3转化,并计算出C
EIS 环境下的数据挖掘技术的研究.caj FCC油品质量指标智能监测系统的数据挖掘与修正技术.caj IDSS 中数据仓库和数据挖掘的研究与实现.caj InternetWeb数据挖掘研究现状及最新进展.caj Internet数据挖掘原理及实现.caj Min-Max模糊神经网络的应用研究.pdf OLAP与数据挖掘一体化模型的分析与讨论.caj OLAP和数据挖掘技术在Web日志上的应用.caj ON-LINE REDUCING MACHINING ERRORS IN BORING OPERATIONBY FORECASTING COMPENSATORY CONTROL TECHNIQUE.pdf SDSS中空间数据挖掘部件的设计与实现.kdh swlms.pdf Web上的数据挖掘技术和工具设计.kdh Web使用模式研究中的数据挖掘.caj Web数据挖掘技术及工具研究.kdh Web数据挖掘技术探讨.kdh Web数据挖掘的BN实现方案.kdh XML与面向Web的数据挖掘技术.caj 一个新的数据挖掘模型与算法.caj 一个面向电子商务的数据挖掘系统的设计与实现.caj 一种估计人工神经网络泛化误差的新方法.pdf 一种基于数据仓库的数据挖掘系统的结构框架.caj 一种基于神经网络的数据挖掘方法.caj 一种基于遗传算法的模糊神经网络最优控制.pdf 一种实时过程控制中的数据挖掘算法研究.caj 一种建立模糊模型的粗糙集方法.pdf 一种新型数据分析技术——数据挖掘.caj 一种新的高效关联规则数据挖掘算法.caj 一种有效的用于数据挖掘的动态概念聚类算法.caj 一种测试数据挖掘算法的数据源生成方法.caj 一种自适应模糊控制器.pdf 一类递归RBF神经网络模型的稳定性讨论.pdf 不确定性线性系统模型处理的一种新方法.pdf 中介粗集及其在数据挖掘中的应用.caj 二进神经网络隐元数目最小上界研究.pdf 以地物识别和分类为目标的高光谱数据挖掘.caj 信息技术在全球银行业的应用(六)——数据挖掘技术及其应用.kdh 信息技术在全球银行业的应用(六)——数据挖掘技术及其应用1.kdh 信息检索中的数据挖掘技术.caj 信息系统中一种面向粗糙集的数据挖掘方法.caj 全连接回归神经网络的稳定性分析.pdf 关注政府上网后的数据挖掘.kdh 决策支持分析新技术——数据挖掘.caj 分类特征规则的数据挖掘技术.caj 利用决策树进行数据挖掘中的信息熵计算.caj 利用模糊神经网络进行数据挖掘的一种算法.caj 前向网络bp算法在数据挖掘中的运用.caj 区间值属性不完全信息下的数据挖掘.caj 可视化数据挖掘技术及其应用.caj 在IDS中利用数据挖掘技术提取用户行为特征.caj 基于CORBA的数据挖掘工具KDD-DC.caj 基于Web的数据仓库与数据挖掘技术.caj 基于Web的数据挖掘技术及访问路径模式的研究.caj 基于XML的WEB数据挖掘技术.kdh 基于中心流形定理的永磁同步电动机模型的分支分析.pdf 基于云模型的Web日志数据挖掘技术.caj 基于代理的分布式数据挖掘系统设计.caj 基于信息熵的地学空间数据挖掘模型.caj 基于关联规则的舰艇故障诊断数据挖掘系统结构框架.caj 基于增强型算法并能自动生成规则的模糊神经网络控制器.pdf 基于多媒体数据库的数据挖掘系统原型.caj 基于小波理论的数据挖掘方法研究.caj 基于属性分类的数据挖掘方法.caj 基于改进Elman网的非线性系统的自适应建模与预估.pdf 基于数据抽取器实现数据挖掘.caj 基于数据挖掘建立动态人事管理决策系统.kdh 基于数据挖掘建立高校系科办学评估体系的合理性评价系统.caj 基于数据挖掘技术的抽油机泵参调整DSS决策支持系统.caj 基于数据挖掘方法的电子邮件过滤.caj 基于数据挖掘模型的高压输电线系统故障诊断.caj 基于数据挖掘的地下硐室围岩稳定性判别.caj 基于数据挖掘的普通话韵律规则学习.caj 基于数据挖掘的智能化入侵检测系统.caj 基于数据挖掘的深部采场岩爆知识的自动获取.caj 基于数据挖掘的知识发现在MDSS中的应用研究.caj 基于数据挖掘的类比推理技术在石油产品分析系统中的实现.caj 基于数据挖掘的类比推理技术在石油产品分析系统中的实现1.caj 基于数据挖掘的群决策模型.caj 基于智能化数据挖掘的高新技术监测分析技术研究.caj 基于模糊对向神经网络的非线性动态系统辨识器.pdf 基于模糊规则的非线性系统建模方法.pdf 基于模糊逻辑的一类非线性系统直接自适应控制.pdf 基于相联规则的数据挖掘理论.caj 基于知识应用的数据挖掘技术理论分析与应用研究.caj 基于神经网络的多模态控制器设计.pdf 基于神经网络的非线性Smith预估器.pdf 基于粗糙集(Rough set)的数据挖掘及其实现.caj 基于粗糙集理论的数据挖掘模型.caj 基于粗糙集理论的数据挖掘的应用.caj 基于粗糙集理论的数据挖掘算法及其应用研究.kdh 基于粗糙集理论的数据挖掘算法研究.caj 基于系统补偿和遗传算法的动态测量方法.pdf 基于约束的多维数据挖掘技术.caj 基于遗传算法和受控随机搜索的系统优化策略.pdf 基于高校人事信息库的数据挖掘研究.caj 多媒体数据挖掘的相关媒体特征库方法.caj 多段支持度数据挖掘算法研究.caj 工业控制计算机的发展与前景.pdf 带Rough算子的决策规则及数据挖掘中的软计算.caj 异步电机定子电流的内模自适应控制及实现.pdf 感应电机磁场定向变结构型模糊变频调速系统的分析与设计.pdf 挖掘.com公司──数据挖掘技术和.com公司.caj 挖掘转移规则一种新的数据挖掘技术.caj 探索式数据挖掘模型的讨论.caj 控制系统多媒体仿真软件的研制.pdf 搭建基于数据挖掘技术的邮政物流信息平台.kdh 支持向量机多专家决策算法.pdf 改进型B样条模糊神经网络.pdf 数据仓库、数据挖掘在银行中的应用.caj 数据仓库、数据集市和数据挖掘.caj 数据仓库与数据挖掘.caj 数据仓库与数据挖掘1.caj 数据仓库与数据挖掘12.caj 数据仓库与数据挖掘技术及其在科技情报业的应用前景.caj 数据仓库与数据挖掘技术在电力系统中的应用.caj 数据仓库与数据挖掘技术浅谈.caj 数据仓库和数据挖掘技术在ERP中的应用.kdh 数据仓库的建设与数据挖掘技术浅析.caj 数据仓库的建设与数据挖掘技术浅析1.caj 数据挖掘 企业决策分析的有效工具.caj 数据挖掘——技术与应用综述.caj 数据挖掘、OLAP在决策支持系统中的应用.caj 数据挖掘与决策支持系统.caj 数据挖掘与决策支持系统的关系.caj 数据挖掘与数据库知识发现.caj 数据挖掘与电力系统 12.caj 数据挖掘与电力系统.caj 数据挖掘与电力系统1.caj 数据挖掘与虚拟数据库.caj 数据挖掘中Fuzzy c-means的自适应聚类算法.caj 数据挖掘中信息颗粒及其构造.caj 数据挖掘中决策树算法的探讨.caj 数据挖掘中概念树的标准、生成和实现.kdh 数据挖掘中知识管理与表达系统的设计与实现.caj 数据挖掘中聚类算法比较研究.caj 数据挖掘分类问题的贪婪粗糙集约简算法.caj 数据挖掘原理、方法及其应用.caj 数据挖掘及其在 SXWG_EIS 中的应用.caj 数据挖掘及其在商业银行中的应用.caj 数据挖掘及其在电力系统中的应用.kdh 数据挖掘及其在电力系统中的应用1.kdh 数据挖掘及其在通信侦察信号处理中的应用.caj 数据挖掘及其对统计学的挑战.caj 数据挖掘及其工具的选择.caj 数据挖掘及在营销中的应用.caj 数据挖掘和数据仓库及其在电信业中的应用.caj 数据挖掘和知识发现的技术方法.caj 数据挖掘在Internet信息导航系统中的应用研究.caj 数据挖掘在包装产品网络营销中的应用.caj 数据挖掘在音高变化规律学习中的应用.caj 数据挖掘工具DMTools的设计与实现.caj 数据挖掘工具和应用中的问题.caj 数据挖掘技术.caj 数据挖掘技术1.caj 数据挖掘技术12.caj 数据挖掘技术123.caj 数据挖掘技术与中国商业银行业务发展策略.caj 数据挖掘技术初探.caj 数据挖掘技术及其在地学中的应用.caj 数据挖掘技术及其在电力系统中的应用.caj 数据挖掘技术及其在电力系统中的应用1.caj 数据挖掘技术及其在营销中的应用.caj 数据挖掘技术及其实现.caj 数据挖掘技术及其应用.caj 数据挖掘技术及其应用1.caj 数据挖掘技术及其应用123.caj 数据挖掘技术及在电子商务中的应用.caj 数据挖掘技术在UNIX系统性能分析中的应用.caj 数据挖掘技术在Web上的应用及其工具设计.caj 数据挖掘技术在Web预取中的应用研究.caj 数据挖掘技术在入侵检测系统中的应用.kdh 数据挖掘技术在农业数据中的有效应用.kdh 数据挖掘技术在建模、优化和故障诊断中的应用.caj 数据挖掘技术在煤与瓦斯突出预测中的应用研究.caj 数据挖掘技术在税务系统中的应用.caj 数据挖掘技术在网络广告定制中的应用.kdh 数据挖掘技术在财经领域的应用.caj 数据挖掘技术应用研究.kdh 数据挖掘技术的一个应用模型.caj 数据挖掘技术的主要方法及其发展方向.caj 数据挖掘数据仓库构架的拓展.caj 数据挖掘方法的研究.caj 数据挖掘方法的评述.caj 数据挖掘的软分类方法.caj 数据挖掘管理系统.caj 数据挖掘系统的一种实现策略.caj 数据挖掘系统设计.caj 文本挖掘、数据挖掘和知识管理——二十一世纪的智能信息处理.caj 文本数据的数据挖掘算法.caj 新的鲁棒推理控制系统设计方法.pdf 无换向器电动机在窑尾排风上的应用.pdf 最优加权系数的神经优化方法.pdf 格子机数据挖掘方法.caj 模糊控制在现场总线控制系统中的应用.pdf 模糊控制系统近年来的研究与发展.pdf 模糊数据挖掘.caj 模糊聚类辨识算法.pdf 模糊逻辑系统的GA+BP混合学习算法.pdf 浅说数据挖掘.caj 混沌神经网络及其在最优化问题中的应用.pdf 特种电动机高压阀门准确制动的仿真计算.pdf 现场智能控制装置的研究与开发.pdf 用PID梯度算法训练基于神经网络的广义非线性PID控制器.pdf 用SQL Server2000构建数据挖掘解决方案.caj 用于建模、优化、故障诊断的数据挖掘技术.caj 用于数据挖掘的贝叶斯网络.caj 用于电子商务中的数据挖掘技术研究.caj 用户访问模式数据挖掘的模型与算法研究.caj 用数据挖掘技术优选侧钻井井位.caj 电信网告警数据库中的数据挖掘.caj 电子商务与Web数据挖掘.caj 目前数据挖掘算法的评价.caj 相关案件的数据挖掘.caj 知识发现与数据挖掘.caj 知识发现和数据挖掘的研究.caj 神经网络专家系统及其数据挖掘技术的探讨.caj 神经网络分类器的特征提取和优选.pdf 神经网络在数据挖掘中的应用研究.caj 神经网络数据挖掘方法中的数据准备问题.kdh 空间数据挖掘技术.caj 空间数据挖掘理论与方法的研究.caj 粗集数据挖掘方法MIE-RS的设计与实现.caj 红外光谱谱图库中的数据挖掘.caj 结合数据融合和数据挖掘的医疗监护报警.caj 结合粗糙集理论与扩张矩阵理论的数据挖掘方法.caj 股票信息的数据挖掘.caj 试论数据挖掘与机器学习、统计学、数据库的关系.caj 遗传算法的自适应代沟的替代策略研究.pdf 金融数据挖掘中的非线性相关跟踪技术(英文).caj 非线性控制系统的近似化方法.pdf 非线性时延对象的神经网络控制.pdf 非线性系统的鲁棒采样最优控制.pdf 非线性系统鲁棒控制理论的一些新进展.pdf 非线性系统鲁棒耗散控制.pdf 面向21世纪的过程控制技术.pdf 面向属性的RST在数据挖掘中的应用.caj 面向数据挖掘的时间序列符号化方法研究.kdh 面向集成竞争情报系统的数据挖掘应用研究.caj 预测性模型中的一种数据挖掘算法.kdh

13,655

社区成员

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛(原bbs)
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧