电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

人工智能及应用VIP专享VIP免费

人工智能及应用_第1页
人工智能及应用_第2页
人工智能及应用_第3页
不确定性推理证据理论D-S理论证据理论是由德普斯特(A.P.Dempster)提出,并由沙佛(G.Shfer)进一步发展起来的一种处理不确定性的理论。也称为D-S理论。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确定性。概率分配函数定义4-1:设Ω是样本集,则由Ω的所有子集构成的集合称为Ω的幂集,记为2Ω。例:设Ω={红,黄,白},求Ω的幂集2Ω解:Ω的幂集元素为Φ,{红},{黄},{白},{红,黄},{红,白},{黄,白},{红,黄,白}。概率分配函数定义4-2:设函数m:2Ω→[0,1],且满足m(Φ)=0∑A⊆Ωm(A)=1称m是2Ω上的概率分配函数,m(A)称为A的基本概率数。概率分配函数例:为上一个例子定义一个概率分配函数。解:m(Φ,{红},{黄},{白},{红,黄},{红,白},{黄,白},{红,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概率分配函数将样本空间中的任意子集映射到[0,1]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,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,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每个元素。概率分配函数的两点说明–如例中A={红},m({红})=0.3表示对红的精确信任度是0.3;A={红,黄,白},m({红,黄,白})=0.2表示这些信任度不知道如何分配给集合中的元素。概率分配函数不是概率。不满足概率的归一性。信任函数定义4-3:信任函数(Belieffunction)Bel:2Ω→[0,1]为对任给的A⊆ΩBel(A)=∑B⊆Am(B)Bel函数又称为下限函数,表示对A的总的信任度。信任函数接前例:Bel(Φ)=0Bel({红})=0.3Bel({红,白})=Bel({红})+Bel({白})+Bel({红,白})=0.3+0.1+0.2=0.6Bel({红,白,黄})=Bel({红})+Bel({白})+Bel({黄})+Bel({红,白})+Bel({红,黄})+Bel({黄,白})+Bel({红,黄,白})=1信任函数Bel(Φ)=m(Φ)=0Bel(Ω)=∑B⊆Ωm(B)=1似然函数定义4-4:似然函数(Plausibilityfunction)Pl(A):2Ω→[0,1]对任给的A⊆ΩPl(A)=1-Bel(¬A)似然函数又称为不可驳斥函数或上限函数。表示对A非假的信任度。似然函数接前例:Pl({红})=1-Bel(¬{红})=1-Bel({黄,白})=1-Bel({黄})-Bel({白})-Bel({黄,白})=0.9Pl({黄,白})=1-Bel(¬{黄,白})=1-Bel({红})=0.7似然函数可以证明Pl(A)=∑A∩B≠Φm(B)∑{红}∩B≠Φm(B)=m({红})+m({红,白})+m({红,黄})+m({红,白,黄})=0.3+0.2+0.2+0.2=0.9∑{黄,白}∩B≠Φm(B)=m({黄})+m({白})+m({红,黄})+m({白,黄})+m({红,白})+m({红,白,黄})=0+0.1+0+0.2+0.2+0.2=0.7似然函数Pl(A)-∑A∩B≠Φm(B)=1-Bel(¬A)-∑A∩B≠Φm(B)=1-(Bel(¬A)+∑A∩B≠Φm(B))=1-(∑B⊆¬Am(B)+∑A∩B≠Φm(B))=1-∑B⊆Ωm(B)=0∴Pl(A)=∑A∩B≠Φm(B)信任函数与似然函数的关系定理4-1:信任函数与似然函数有如下关系:对任给的A⊆Ω有Pl(A)≥Bel(A)证明: Bel(A)+Bel(¬A)=∑B⊆Am(B)+∑C⊆¬Am(C)≤∑B⊆Ωm(B)=1信任函数与似然函数的关系又 Pl(A)-Bel(A)=1-Bel(¬A)-Bel(A)=1-(Bel(¬A)+Bel(A))≥0∴Pl(A)≥Bel(A)使用信任函数与似然函数Bel(A):表示A为真的信任度,为信任度下限。Pl(A):表示A为非假的信任度,为信任度的上限。使用信任函数与似然函数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{红}{红}:[0.3,0.9]表示{红}的精确信任度为0.3,不可驳斥部分为0.9,而肯定不是{红}的为0.1典型值的含义A[0,1]:说明对A一无所知。Bel(A)=0,Pl(A)=1,说明对A没有信任,对¬A也没有信任。A[0,0]:说明A为假。Bel(A)=0,Pl(A)=0,Bel(¬A)=1。A[1,1]:说明A为真。概率分配函数的正交和定义4-5:设m和n是两个不同的概率分配函数,其正交和m⊕n满足m⊕n(Φ)=0m⊕n(A)=K-1X∑x∩y=Am(x)Xn(y)其中K=1-∑x∩y=Φm(x)Xn(y)概率分配函数的正交和设m1,m2,…,mn是n个不同的概率分配函数,其正交和m1⊕m2⊕,…,⊕mn满足m1⊕m2⊕,…,⊕mn(Φ)=0m1⊕m2⊕,…,⊕mn(A)=K-1X∑∩Ai=A∏1≤i≤nmi(Ai)其中K=∑∩Ai≠Φ∏1≤i≤nmi(Ai)概率分配函数的正交和例:设样本空间Ω={a,b},从不同的知识来源得到的概率分配函数分别为:m1(Φ,{...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

静心书店+ 关注
实名认证
内容提供者

专注于各类考试试卷和真题。

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部