不确定性知识处理的基本理论与方法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

不确定性知识处理的基本理论与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1概述1

1.2内容框架2

参考文献5

第2章 知识表示8

2.1知识表示概述8

2.1.1知识的定义和结构8

2.1.2知识的阈值10

2.1.3知识的类型10

2.1.4常用的知识表示11

2.2逻辑表示12

2.2.1命题逻辑12

2.2.2一阶谓词逻辑14

2.3产生式规则表示18

2.4语义网表示22

2.5框架表示30

2.6脚本表示38

2.7本体表示40

2.8小结43

参考文献44

第3章 推理方法与专家系统45

3.1推理概述45

3.1.1推理方法及分类45

3.1.2推理控制策略及分类47

3.2逻辑推理系统48

3.2.1演绎逻辑与三段论48

3.2.2推理规则50

3.2.3逻辑系统54

3.2.4归结与演绎56

3.3产生式推理系统62

3.3.1产生式系统概述63

3.3.2产生式系统的体系结构及工作原理64

3.3.3部分匹配66

3.3.4与或树68

3.3.5正向和反向推理算法70

3.3.6匹配冲突消解77

3.4其他推理方法83

3.4.1类比83

3.4.2生成与验证84

3.4.3溯因84

3.5专家系统概述85

3.5.1专家系统的定义85

3.5.2专家系统的体系结构85

3.5.3专家系统的主要特征87

3.5.4专家系统的类型88

3.5.5一个简单的专家系统示例90

3.6小结93

参考文献94

第4章 确定性因子理论95

4.1信任和不信任95

4.2信任与不信任之度量96

4.3不确定性因子的计算98

4.4不确定性值计算的封闭性101

4.5不确定性值计算例103

4.6规则集合（规则库）的评价104

4.7小结105

参考文献106

第5章 确定性因子模型改进及其在冲突消解中的应用107

5.1不确定性知识的描述107

5.2不确定性值的传播算法108

5.3最大存在风险和最大不存在风险110

5.4冲突消解模型113

5.5小结116

参考文献117

第6章 基于概率论的处理方法118

6.1概述118

6.2确定性证据的不确定性处理119

6.3不确定性证据的不确定性推理123

6.4讨论129

参考文献130

第7章 证据理论131

7.1D-S理论131

7.2一种简化的证据理论SET137

7.3一种凸函数证据理论模型CSET140

7.3.1SET模型面对有序命题类问题的困难140

7.3.2具有凸函数性质的简化证据理论141

7.3.3凸函数简化证据理论的分析144

7.3.4小结148

参考文献149

第8章 一种面向有序命题类问题的信息融合新方法150

8.1预备知识151

8.2原方法的问题与不足152

8.3一些基本概念154

8.4信息熵157

8.5融合两个基本支持函数的新方法——算法F164

8.5.1算法F的描述164

8.5.2关于算法F的一些例子171

8.6用8.2节中的例子比较两种方法174

8.7小结176

参考文献177

第9章 加权模糊逻辑178

9.1概述178

9.2加权模糊逻辑和加权模糊逻辑命题演算178

9.3加权模糊逻辑在专家系统中的应用及其推理规则180

9.4相关工作的比较184

9.5小结185

参考文献185

第10章 专家系统中的一种模糊推理模型——一种二阶不确定性处理模型186

10.1概述186

10.2模糊推理模型FURM186

10.2.1FURM的知识表示186

10.2.2FURM的不确定性推理189

10.3讨论192

参考文献192

第11章 专家系统中不精确推理单位元193

11.1抽象不精确推理模型193

11.2单位元的性质194

11.3实例分析195

11.4小结199

参考文献199

第12章 两级不确定性知识处理模型200

12.1概述200

12.2规则中的不确定性、准确性200

12.2.1规则强度200

12.2.2规则的准确性、可靠性200

12.2.3知识表示201

12.3关于偏差的两级不确定性推理模型201

12.3.1两级不确定性推理模型的必要条件202

12.3.2处理两级不确定性的推理模型203

12.3.3多条前件不同但后件相同的规则的结论综合206

12.4讨论207

参考文献208

第13章 多ES协作系统中不一致性处理209

13.1概述209

13.2一致性处理210

13.2.1协作组中诸ES之看法间的影响210

13.2.2决策214

13.3讨论215

参考文献216

第14章 协作知识系统中冲突消解的辩论方法217

14.1概述217

14.2多维辩论方法辩论的基本过程218

14.3依赖性值的计算221

14.4外部约束的计算223

14.5多维辩论系统框架PAT-1简介224

14.6讨论与总结225

参考文献225

第15章 Belief的解释和更新227

15.1广义概率与信任函数227

15.2随机集合与信任函数230

15.3内、外测度与上、下概率231

15.4信任值的修正、更新和集中232

15.5小结233

参考文献234

第16章 布尔代数上的Belief模型235

16.1布尔代数的基本概念236

16.2广义Dempster-Shafer理论236

16.3广义随机集合237

16.4信任值的更新和修正240

16.5求精和相容概念243

16.6布尔代数上的限定化概念244

16.7Belief模型中的决策模型249

16.8小结253

参考文献254

第17章 处理二阶不确定性的内涵方法256

17.1集合-值映射的扩充256

17.2“概率簇空间”的传递模型259

17.2.1不确定性结构的传递方法259

17.2.2限定化关系的传递261

17.3规则的组合策略262

17.3.1组合证据源262

17.3.2组合结论263

17.4小结264

参考文献264

第18章 贝叶斯网的基本概念及推理方法265

18.1贝叶斯网的基本概念265

18.2贝叶斯网推理问题概述266

18.3变量消除推理算法266

18.4Query DAG算法267

18.5基于最大四重约束子集的推理算法268

18.5.1算法TD269

18.5.2算法CPP280

18.5.3实验结果283

18.5.4小结291

参考文献291

第19章 贝叶斯网学习方法293

19.1参数学习293

19.1.1概述293

19.1.2极大似然估计方法295

19.1.3贝叶斯方法298

19.1.4不完备数据下的参数学习303

19.1.5参数的增量学习312

19.1.6小结315

19.2结构学习315

19.2.1概述315

19.2.2常用评分函数简介316

19.2.3几种搜索算法322

19.2.4不完备数据下的结构学习326

19.2.5基于约束的方法332

19.2.6变量顺序的学习336

19.2.7结构的增量学习337

19.2.8小结340

参考文献340

第20章 经典粗糙集342

20.1知识342

20.1.1知识、分类和知识库342

20.1.2知识库的等价、泛化和特化344

20.2不精确概念、近似与粗糙集345

20.2.1粗集集合的近似：上近似和下近似345

20.2.2近似的性质346

20.2.3近似与隶属关系347

20.2.4不精确的数字特征348

20.2.5不精确的拓扑特性348

20.2.6划分的近似350

20.2.7集合的粗等价351

20.2.8集合的粗包含352

20.3知识的约简354

20.3.1知识的简式与核354

20.3.2知识的相对简式和相对核355

20.3.3簇的化简356

20.3.4集合簇的相对简式与核357

20.3.5知识的相关性358

20.3.6知识的部分相关性359

20.4信息系统与决策系统360

20.4.1信息系统形式化定义360

20.4.2信息系统的区分矩阵361

20.4.3决策系统形式化定义364

20.4.4属性的强度364

20.4.5决策系统区分矩阵365

20.4.6决策规则生成的一个实例366

20.5小结370

参考文献370

第21章 粗糙集关系扩展模型371

21.1不完备信息系统371

21.2基于相容关系的粗糙集372

21.3基于非对称相似关系粗糙集373

21.4量化相容关系374

21.5限制相容关系376

21.6限制量化相容关系377

21.7基于支配（优势）关系的粗糙集380

21.8覆盖粗糙集382

21.9小结385

参考文献385

第22章 粗糙集公理组的极小化387

22.1相关研究387

22.2现有粗糙集公理组的简化388

22.3极小粗糙集公理组390

22.4粗糙集公理组S5及其可靠性和极小性391

22.5小结392

参考文献393

附录394