内容正文:
不精确知识
在日常工作、学习中,需要解决各种各样的问题,或对各种情况作出判断。但是,由于客观事件的出现常常伴有随机性,许多事实或概念本身不完全、不精确,甚至是不确定的;所用的知识加工系统的功能也常常不够完善。这一切都将造成人们日常所掌握的知识实际上是不精确的。如何根据问题的环境和实践经验,灵活地运用已经掌握的不精确知识进行思维和推理,使问题较好地得到解决,这是人们必需探讨的。
2
为了说明知识的随机性,先来看一个例子。有一种说法:“过了保修期、计算机会出故障。”那么超过了保修期,计算机要么出现故障,要么不出现故障。过多长时间才出现故障,要到故障发生以后才能知道。这种知识具有的特性是事先就知道有两种不同的结果,但是到底会发生哪一种结果,只有到结果发生时才能确定,这种特性就叫随机性,具有这种属性的知识称为随机性知识。
对于随机性知识,可以采用可信度来描述其可信的程度,在一般情况下CF是在区间[-1,1]上取值,CF在[-1,0)中取值反映知识的不可信程度,-1表示知识完全不可信(即知识为假),值越小不可信程度越高;CF在(0,1]中取值反映知识的可信程度,1表示知识完全可信(即知识为真),值越大可信程度越高;0表示对知识的真假无法判断。为了便于理解,在以下的例子中,限制CF在[0,1]上取值,也就是仅仅考虑知识的可信程度。因此,在这种情况下,一个命题的可信度是指该命题为真的可信程度。例如,在命题:
这杨球赛甲队取胜(0.9)中,0.9就是命题“这场球赛甲队取胜”的可信度,它表示“这场球赛甲队取胜”为真的可信度为0.9。
4
例如,命题“如果乌云密布并且电闪雷鸣,那么天很可能要下暴雨”,可以表示如下:
(1)如果乌云密布并且电闪雷鸣,那么天要下暴雨(0.95)。其中,0.95是对“很可能”的程度的量化描述。
同样,命题“如果驾车不遵守交通法规且速度又快,那么大概会出交通事故”,可以表示如下:
(2)如果驾车不遵守交通法规且速度又快,那么会出交通事故(0.8)。其中,0.8是对“大概”一词的量化描述。
(1)和(2)中的0.95和0.8分别是两个规则的可信度。
在基于可信度的不确定性推理模型中,知识可以用产生式规则的形式表示,知识的不确定性则用可信度CF(A,B)表示,其一般形式是: