人工智能原理与应用---可信度推理

可信度推理
概念：可信度是指人们根据以往经验对某个事物或现象为真的程度的一个判断，或者说是人们对某个事物或现象为真的相信程度。
可信度推理是一种基于确定性理论的不确定性推理的方法。
1 知识不确定性的表示
可信度推理模型（Certainty Factor）,知识是由产生式规则表示，一般形式为：
IF E THEN H (CF(H,E))
E 为知识的前提条件；H为知识的结论；CF(H,E)是知识的可信度。
2 可信度定义
CF(H,E)定义为：CF(H,E)= MB(H,E)- MD(H,E)
其中MB(measure belief)称为信任增长度，MB(H,E)定义为：

MD(measure disbelief)称为不信任增长度，MD(H,E)定义为：

由前面对知识的可信度CF(H,E)、信任增长度MB(H,E)、不信任增长度MD(H,E)的定义，得到CF(H,E)的计算公式为：

3 可信度的性质
（1）互斥性
对统一证据，它不可能既增加对H的信任程度，又同时增加对H的不信任程度，这说明MB与MD是互斥的。
（2）值域
0≤MB(H,E)≤1, 0≤MD(H,E)≤1，-1≤CF(H,E)≤1
（3）典型值
当CF(H,E)=1时，由P(H|E)=1,它说明由于证据E的出现，使H为真。此时MB(H,E)=1，MD(H,E)=0。
当CF(H,E)=-1时，由P(H|E)=0,它说明由于证据E的出现，使H为假。此时MB(H,E)=0，MD(H,E)=1。
当CF(H,E)=0时，有 MB(H,E)=0，MD(H,E)=0。
（4）对H的信任增长度等于对非H的不信任增长度。
（5）对同一前提E，若支持若干个不同的结论Hi(i=1,2,…,n),则