基于规则的智能专家系统中的不确定性管理

不确定性

定义：不具有使我们得出完美可信结论所需的准确知识
在专家系统中来解决的大部分问题都是不确定性的（自然语言的模糊性）

1. 弱暗示（难以确定IF THEN condition)
2. 不精确的语言（量化术语）
3. 未知数据（方便推理的进行）
4. 合并不同专家观点时的困难（权重）

贝叶斯推理

IF
E is true
THEN
H is true{with probability p}

用贝叶斯公式来计算后验概率
用于勘探的POROSPECTOR专家系统是第一个使用贝叶斯规则计算p(H|E)(Duda et al , 1979)

充分性似然值

E存在时,专家估计假设H的可能性
LS = p(E|H)/p(E|非H)

必要性似然值

没有论据E时,假设H不被信任的度量
LN = p(非E|H)/ p(非E|非H)

贝叶斯方法的偏差

专家系统应该对先验概率和条件概率分别进行不同的估计
分段差值线性模型来改进偏差值

使用范畴

满足多个假定条件,比如独立性,假设,逆假设等