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。