主观贝叶斯方法c语言,主观贝叶斯方法.ppt

本文介绍了主观贝叶斯方法在处理不确定性推理中的应用,该方法基于概率逻辑,通过贝叶斯公式更新先验概率为后验概率。在知识表示中,使用LS和LN度量规则的充分性和必要性。证据的不确定性被表示为全证据和部分证据,且LS和LN的关系揭示了证据对结论的支持程度。
摘要由CSDN通过智能技术生成

主观贝叶斯方法概要1

主观Bayes方法 概述 主观Bayes方法 又称为主观概率论 一种处理不确定性推理 一种基于概率逻辑的方法 以概率论中的贝叶斯公式为基础 首先应用于地矿勘探专家系统PROSPECTOR 5.3.1 基本Bayes公式 —概率论基础 条件概率: 设A,B是两个随机事件, ,则 是在B事件已经发生的条件下, A事件发送的概率。 乘法定理: 5.3.1 基本Bayes公式 5.3.1 基本Bayes公式 5.3.1 基本Bayes公式 把全概率公式带入贝叶斯公式后,得如下公式: 5.3.1 基本Bayes公式 又有产生式规则 IF E THEN Hi 用产生式中的前提条件E代替Bayes公式中的B,用Hi 代替公式中的Ai,就可以得到公式: 用来求得在条件E下,Hi的先验概率。 5.3.1 基本Bayes公式 在有些情况下,有多个证据E1,E2,…,En和多个结论H1,H2,….,Hn,并且每个证据都以一定程度支持结论,这是可对上面的公式进行扩充,得: 5.3.1 基本Bayes公式 此时,只要知道Hi的先验概率P(Hi)以及Hi成立时证据E1,E2,…,Em出现的条件概率P(E1|Hi),P(E2|Hi),…P(Em|Hi),就可以求得在E1,E2,...,Em出现情况下Hi的条件概率P(Hi|E1E2...Em) 5.3.2 主观Bayes方法 主观Bayes方法的基本思想 由于证据E的出现,使得P (H)变为P(H|E) 主观Bayes方法,就是研究利用证据E,将先验概率P(H)更新为后验概率P(H|E) 主观Bayes方法引入两个数值(LS,LN)用来度量规则成立的充分性和必要性。其中, LS: 充分性量度 LN: 必要性量度 5.3.3 知识不确定性的表示 1.知识表示方法 在地矿勘探专家系统中,为了进行不确定性推理,把所有的知识规则连接成一个有向图,图中的各节点代表假设结论,弧代表规则。 在主观Bayes方法中,知识的不确定性是以一个数值对(LS,LN)来进行描述的。其具体产生式规则形式表示为: IF E THEN (LS,LN) H (P(H)) 5.3.3 知识不确定性的表示 其中,(LS,LN)是为度量产生式规则的不确定性而引入的一组数值,用来表示该知识的强度,LS和LZ的表示形式如下。 (1)充分性度量(LS)的定义 5.3.3 知识不确定性的表示 (2)必要性度量的定义 它表示~E对H的支持程度,即E对H为真的必要程度,取值范围[0,+∞)。 5.3.3 知识不确定性的表示 结合Bayes公式,得: P(﹁H|E)=P(E|﹁H)P(﹁H)/P(E) Bayes公式除以上式得: 5.3.3 知识不确定性的表示 为了讨论方便,引入几率函数 又 则 可以化为 5.3.3 知识不确定性的表示 上式被称为Bayes公式的几率似然性形式。LS称为充分似然性,如果LS->+∞,则证据E对于推出H为真是逻辑充分的。 同理,可得关于LN的公式: O(H|﹁ E)=LN× O(H) 其被称为Bayes公式的必率似然性形式。LN称为必然似然性,如果LN=0,则有O(H|﹁ E)=0。这说明当~E为真时,H必为假,即E对H来说是必然的。 5.3.3 知识不确定性的表示 2.LS和LN的性质 (1)LS的性质 LS表示证据E的存在,影响结论H为真的概率:O(H|E)=LS × O(H) 当LS>1时,P(H|E)>P(H),即E支持H,E导致H为真的可能性增加; 当LS->+∞时,表示证据E将致使H为真; 当LS=1时,表示E对H没有影响,与H无关; 当LS<1时,说明E不支持H,E导致H为真的可能性下降; 当LS=0时,E的存在是H为假; 5.3.3 知识不确定性的表示 (2)LN的性质 表示证据E的不存在,影响结论H为真的概率: O(H|﹁ E)=LN× O(H) 当LN>1时,P(H|~E)>P(H),即~E支持H,~E导致H为真的可能性增加; 当LN->+∞时,表示证据~E将致使H为真; 当LN=1时,表示~E对H没有影响,与H无关; 当LN<1时,说明~E不支持H,~E导致H为真的可能性下降; 当LN=0时,~E的存在是H为假; 5.3.3 知识不确定性的表示 (3)LS与LN的关系 由于E和~E不会同时的支持或者同时排斥H,因此只有以下三种情况: 5.3.4 证据不确定性的表示 1.单个证据不确定性的表示方法 证据通常可以分为全证据和部分证据。全证据就是所有的证据,即所有可能的证据和假设,他们组成证据E。部分证据S就是E的一部分,这部分证据也可以称之为观察。在主观Bayes方法中,证据的不确定性是用

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值