可信度方法

C-F模型

C-F模型是基于可信度表示的不确定性推理的基本方法，其它可信度方法都是在此基础上发展起来的。
知识不确定性的表示在该模型中，知识是用产生式规则表示的，其一般形式为：
                    IF        E    THEN        H    (CF(H,E))
其中，CF(H,E)是该条知识的可信度，称为可信度因子或规则强度，即静态强度。一般CF(H,E)∈[-1,1]。

证据的不确定性

证据的不确定性也用可信度因子表示。 如CF(E)=0.6
注意： CF(H,E)表示知识的强度，即静态强度；
            CF(E)表示证据的强度，即动态强度。

可采用最大最小法。 若E=E1 AND E2 AND…AND En,  则 CF(E)=min{CF(E1),CF(E2),…,CF(En)}
                                 若E=E1 OR E2 OR…OR En,         则 CF(E)=max{CF(E1),CF(E2),…,CF(En)}

结论H的可信度由下式计算： CF(H)=CF(H,E)×max{0,CF(E)}

结论不确定性的合成算法

若由多条不同知识推出了相同的结论，但可信度不同，则用合成算法求出综合可信度。
设有如下知识： IF        E1    THEN        H    (CF(H,E1))
                          IF        E2    THEN        H    (CF(H,E2))
则结论H的综合可信度分如下两步算出： 首先分别对每一条知识求出CF(H): 然后用下述公式求出E1与E2对H的综合可信度CF12(H):