不确定性推理——主观贝叶斯方法matlab实现

一、实验名称

主观贝叶斯

二、实验目的

在证据不确定的情况下，根据充分性量度LS、必要性量度LN、E的先验概率P(E)和H的先验概率P(H)作为前提条件，分析P(H/S)和P(E/S)的关系。

三、实验原理及内容阐述

1、 证据不确定性的表示

1. 在主观Bayes方法中，证据的不确定性用概率表示。对于证据E，由用户根据观察S给出P(E|S)，即动态强度。用P(E|S)描述证据的不确定性 （证据E不是可以直接观测的）。
2. 证据肯定存在时，P(E|S)=1；
3. 证据肯定不存在时， P(E|S)=0；
4. 证据具有不确定性时， 0<P(E|S)<1。

2、LN和LS的意义

1. 当证据E愈是支持H为真时，则应是使相应的LS值愈大。若证据E对H愈是必要，则相应LN的值愈小。。
2. 不能出现LS>1且LN>1的取值
   因为： LS>1：表明证据E是对H有利的证据。
   LN>1：表明证据¬E是对H有利的证据。
3. 不能出现LS<1且LN<1的取值
   因为：LS<1: 表明证据 E是对H不利的证据。
   LN<1：表明证据¬E是对H不利的证据。
4. 一般情况下，取LS>1， LN<1。

3、证据不确定的情况

在现实中，证据