主观贝叶斯方法c语言,主观贝叶斯方法.pdf

主观贝叶斯方法

第2章主观贝叶斯方法

/~wjluo/aai/

中国科大计算机学院

内容

• 规则的不确定性

• 证据的不确定性

• 推理计算

主观贝叶斯方法

• R. O. Duda等人于1976年提出的一种不确定性推理模型。

– 在这个模型中，他们称推理方法为主观Bayes方法。

– 成功地应用于地矿勘探系统PROSPECTOR中。

• 在这种方法中，引入了两个数值(LS，LN)。

• IF A THEN (LS, LN) B

– LS体现规则成立的充分性,

– LN体现规则成立的必要性。

– 这种表示既考虑了事件A 的出现对其结果B的支持，又考

虑了A 的不出现对B的影响。

内容

• 规则的不确定性

• 证据的不确定性

• 推理计算

几率函数

• 几率函数O(X)：

P (X )

O(X )

1−P (X )

• O(X)表示证据X 的出现概率和不出现的概率之比。

• 显然O(X)是P(X)的增函数。

P X ，O X

( ) 0 ( ) 0

P(X) ＝ . ， O(X)＝

0 5 1

P (X ) 1, O(X ) ∞

• 几率函数实际上表示了证据X 的不确定性。

规则的不确定性

• 对规则A→B的不确定性度量f(B, A) 以因子(LS，

LN)来描述。

P (A | B ) P (~ A | B )

LS LN

P (A |~ B ) P (~ A |~ B )

•充分性因子LS：表示A真时对B的影响，即规则成立的充分性。

•必要性因子LN：表示A假时对B的影响，即规则成立的必要性。

• 实际应用中，概率值不可能求出，所以采用的都是专家给定

的LS, LN值，而不是依LS，LN的定义来计算的。

充分性因子

P (B | A)P (A) P (~ B | A)P (A)

由P (A | B ) , P (A |~ B ) 得

P (B ) P (~ B )

P (B | A)

P (A | B ) P (~ B | A) O(B | A)

LS

P (A |~ B ) P (B ) O(B )

P (~ B )

• 因此，LS表征的是A 的发生对B发生的影响程度。

• 若LS为无穷大，则P(~B|A)=0，即P(B|A)=1，说明

证据A对于得出B为真的逻辑是充分的。

• LS也称为充分似然性因子。