本文介绍了不确定性推理中的关键问题，包括不确定性的表示（知识与证据的不确定性）、不确定性的匹配、不确定性的更新以及不确定性结论的合成。在表示中，讨论了概率、可信度和模糊集等方法；匹配涉及计算相似程度；更新涉及证据和知识不确定性对结论的影响；合成则关注如何整合不同不确定性得到综合结论。这些问题在不确定性推理方法中起着核心作用。
在不确定性推理中，除了需要解决在确定性推理中所提到的推理方向、推理方法、控制策略等基本问题外，一般还需要解决不确定性的表示与度量、不确定性的匹配、不确定性的合成和不确定性的更新等问题。
1．不确定性的表示
不确定性的表示包括知识的不确定性表示和证据的不确定性表示。
（1）知识不确定性的表示
知识不确定性的表示方式是与不确定性推理方法密切相关的一个问题。在选择知识的不确定性表示方式时，通常需要考虑以下两个方面的因素：一是要能够比较准确地描述问题本身的不确定性；二是要便于推理过程中不确定性的计算。对这两个方面的因素，一般是将它们结合起来综合考虑的，只有这样才会得到较好的表示效果。
知识的不确定性通常是用一个数值来描述的，该数值表示相应知识的确定性程度，也称为知识的静态强度。知识的静态强度可以是该知识在应用中成功的概率，也可以是该知识的可信程度等。如果用概率来表示静态强度，则其取值范围为［0，1］，该值越接近于1，说明该知识越接近于“真”；其值越接近于0，说明该知识越接近于“假”。如果用可信度来表示静态强度，则其取值范围一般为［−1，1］。当该值大于0时，值越大，说明知识越接近于“真”；当其值小于0时，值越小，说明知识越接近于“假”。在实际应用中，知识的不确定性是由领域专家给出的。
（2）证据不确定性的表示
<
最低0.47元/天 解锁文章
1451
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
