思考题

4.1 什么是不确定性推理？有哪几类不确定性推理方法？不确定性推理中需要解决的基本问题有哪些？

不确定性推理：在信息不完全、不精确或模糊的情况下，通过逻辑和数学方法进行推理的过程。

不确定性推理方法：

1. 概率推理：基于概率论，如贝叶斯网络。
2. 模糊推理：基于模糊逻辑，处理模糊概念。
3. 证据理论：如D-S证据理论，处理不确定性和未知性。
4. 可信度方法：如MYCIN系统，使用可信度因子。

需要解决的基本问题：

1. 表示不确定性：如何表示不确定的信息。
2. 推理机制：如何在不完全信息下进行推理。
3. 组合不确定性：如何组合多个不确定的信息。
4. 决策制定：如何基于不确定的推理结果做出决策。

4.2 什么是可信度？由可信度因子 CF(H,E)的定义说明它的含义。

可信度：表示在给定证据 E的情况下，假设 H为真的可信程度。

可信度因子 CF(H,E)：

• 定义：CF(H,E)=MB(H,E)−MD(H,E)
  • MB(H,E)：证据 E对假设 H的信任度量。
  • MD(H,E)：证据 E对假设 H的怀疑度量。
• 取值范围：[−1,1]
  • CF(H,E)=1：完全相信 H。
  • CF(H,E)=−1：完全不相信 H。
  • CF(H,E)=0：无法确定。

4.3 简述求取问题结论可信度的步骤。

1. 确定证据和假设：明确证据 E和假设 H。