不确定性推理

本文主要是介绍不确定性推理，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

不确定性推理概述

不确定性推理的含义

不确定性推理：是指建立在不清楚，不明确的知识和证据基础上的推理，不完备、不精确的知识推理，模糊知识推理。

为什么要采用不确定性推理：

多种原因导致同一结论。

解题方案不唯一，现实生活中的问题有很多解决方案，这些方案之间很难决定谁优谁劣，所以选择认为较优的方案，就属于一种不确定性推理。

所需知识不完备，不精确。

所需知识描述模糊。

不确定性的表示：

知识的不确定性表示

含义：知识的确定性程度或动态强度。

用概率：范围在【0，1】之间，越靠近0越假，越靠近1越真。

用可信度：范围【-1,1】之间，当值大于0时，越靠近1越真，当值小于0时，越靠近-1越假。

用隶属度：范围【0，1】之间，值越小，隶属度越低。

证据的不确定性表达

证据类型：基本证据，组合证据

与知识的不确定性表达保持一致。

不确定性的匹配

因为知识与证据都是不确定的，而且两者的实际不确定度不一定相同，所以通过设计一个算法，匹配双方的不确定度，并给出一个相似限度，如果匹配双方的相似程度落在规定的限度内，则匹配成功’

组合证据的不确定性计算：合取则取最小，析取取最大。

不确定性推理的类型：

是否采用数值：数值方法和非数值方法

我们主要了解数值方法。

这篇关于不确定性推理的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！