基于包含度的不确定推理(8)

基于包含度的不确定推理(8)"

作者:张文修、梁怡、徐萍
ISBN:9787302144557
定价:¥29.80
字数:千字
页数:
出版时间:2007.03.01
开本:
版次:1-1
装帧:
出版社:清华大学出版社
简介

    本书以作者提出的包含度理论为指导,对不确定推理这一人工智能研究中最为活跃的研究领域的定量方法进行了系统的概括. 其中前3章分别为:指出研究不确定推理的原理和方法的绪论, 构成全书的数学基础的测度与信息, 建立全书的一般方法和框架的包含度理论. 其他5章是以包含度理论为基本原理,系统地概括概率推理、证据推理、模糊推理、信息推理与计算推理, 其中第7章还包括假设生成的方法与修正的方法.

    本书可作为研究人工智能和专家系统中不确定推理的参考书,也可作为应用数学、计算数学、系统科学、管理科学等专业的研究生教材.

前言

    不确定推理是人工智能研究中最为活跃的研究领域之一,也是计算机智能系统走向实用化的关键技术. 40年来,有一批科学家致力于不确定推理的研究,提出了许多不确定环境下的推理方法. 像Shortliffe和Buchanan提出的不确定因子方法, Duda提出的概率逻辑等. 后来,Dempster和Shafer提出了证据推理方法, 以及以Zadeh提出的模糊集为基础,Dubois和Prade给出的可能度推理方法. 在我国,不确定推理研究也取得了重要成果,特别是胡国定教授提出的信息推理以及王国俊教授提出的计量逻辑学等都属于不确定推理方法.

    不确定推理有定性推理与定量推理.定性推理通过研究系统结构、行为和功能及其关系, 给出因果关系解释.自1977年Reiter发表了第一篇研究论文后,定性推理已成为人工智能的一个重要方向. 不确定推理的定量方法, 是通过给出命题的数值计算给出因果关系的数值趋势. 它首先需要对不确定信息进行表示和度量,不同的信息表示方法与度量方法即构成不同的不确定推理. 多年来,我们在对于不确定推理已有的方法研究中发现,所有方法的共同点是用一种测度来度量假设, 这种测度可以是各种特殊的模糊测度, 而不确定推理的实质是一种广义的包含关系.基于这种认识, 我们提出了包含度概念. 在香港中文大学与计算机科学系梁广锡博士和环境研究中心梁怡博士合作期间,我们进一步明确了包含度的概念, 完善了这一理论,建立了包含度理论体系. 逻辑上和实践上都证明了包含度理论是对已有的各种不确定推理的概括和抽象. 包含度理论不仅简洁、概括、广泛, 而且便于进行信息的合成、传播和修正,特别是在各种关系数据库中有着直接的应用. 包含度理论为不确定推理的理论研究提供了一般的方法,对产生新的不确定推理有着明显的指导作用. 同时, 如本书中某些研究结果所显示的那样, 包含度理论对研究专家系统中的其他重要问题,如知识的获取, 规则的协调性以及矛盾规则的排除,都是提供了一种非常有效的方法.包含度理论不仅是研究不确定推理的一般理论,而且是研究不确定性现象的方法学.

    需要特别说明的是,不确定推理的研究仅仅是人们思维活动规律研究的一小部分.人们通过实践和思维活动, 不断地产 生假设和证明假设.证明假设多用演绎推理, 而产生假设却是非演绎推理.不确定推理仅仅是对产生假设的一种评价, 是非演绎推理的一个组成部分. 因此, 思维科学的研究,即对人类思维活动规律的全面研究, 将是一件困难而又有意义的事情,需要通过相当长的历史时期来完成这一艰巨的使命.当我们完成这本书的时候,  才越来越感到所涉及的研究方面和研究深度如此不足.

    本书是在10年前由西安交通大学出版社出版的《不确定性推理原理》的基础上修订完成的.各章节进一步突出了包 含度理论与方法, 改写了部分内容,使包含度应用更加突出. 同时增加了一些章节, 特别是增加了最后一章“计算推理”. 这一章内容源于王国俊教授提出的“计量逻辑学”,为了使该内容与本书协调, 且为广大工程技术人员应用,摒弃了原文的语构理论, 利用包含度理论与方法实现计算推理.因此我们特别要感谢王国俊教授同意改写他当时还没有发表的文章.

    近年来,粗糙集与概念格理论受到普遍重视,而包含度理论与方法也作为研究粗糙集与概念格的重要方法为许多学者所应用,特别是梁吉业教授、李德玉教授、吴伟志教授、米据生教授、仇国芳博士、张梅博士等灵活地利用包含度理论与方法解决了粗糙集与概念格研究中的许多重要问题,他们的研究成果进一步丰富了本书的内容,因此同样向他们表示真诚的感谢. 最后感谢博士生马建敏和李同军在整理本书过程中付出的辛勤劳动.

    本书可以作为人工智能研究者的参考书,也可以作为决策管理人员的工具书, 以及管理科学、系统工程、计算机科学、应用数学专业研究生的教学用书.本书希望得到广大读者的批评指正,以便进一步修改完善.

目录

第1章 绪论

1.1人工智能及其推理特征1

1.2常识推理的基本内容2

1.3不确定推理原理与方法4

1.4本书的结构6

第2章 测度与信息 7

2.1经典集合与模糊集合 7

2.2粗糙集与随机集10

2.3模糊测度及其性质 14

2.4概率测度与贝叶斯公式 18

2.5信任测度与似然测度 23

2.6可能性测度与必然性测度 33

2.7模糊测度各类之间的关系 39

2.8不确定性度量与信息 43

第3章 包含度理论50

3.1包含度的定义及其性质 50

3.2包含度的生成方法 56

3.3相似度及其在专家系统检索中的应用 66

3.4包含度在关系数据库中的应用 72

3.5包含度在形式背景中的应用 80

3.6蕴涵度及其在不确定推理中的应用 84

3.7专家系统中证据的合成、传播与修正 88

3.8关系数据库的随机集表示 93

第4章 概率推理 98

4.1概率推理原理 98

4.2贝叶斯网络概率推理 102

4.3主观贝叶斯概率推理 107

4.4主观贝叶斯概率推理的讨论 113

4.5主观概率推理的包含度方法 118

4.6MYCIN确定因子概率推理方法 121

4.7MYCIN确定因子的模糊扩张 127

4.8概率推理的区间估计 132

第5章 证据推理 141

5.1证据推理原理 141

5.2关于证据推理的进一步讨论 147

5.3证据推理模式 151

5.4形式背景上的证据推理 155

5.5模糊形式背景上的证据推理 162

5.6随机关系数据库上的证据推理 167

5.7基于随机集的证据推理 170

5.8基于粗糙集的证据理论 172

第6章 模糊推理 179

6.1模糊推理原理 179

6.2宏观模糊推理 182

6.3微观模糊推理 189

6.4Mamdani模糊推理 196

6.5Lukasiewicz多值逻辑的模糊化 202

6.6Mamdani模糊真值推理 206

6.7Mamdani模糊推理的神经网络算法 209

6.8模糊规则的协调性与矛盾规则的排除 213

第7章 信息推理 218

7.1信息推理原理 218

7.2合情推理信息模型 222

7.3概率命题的合情推理 229

7.4关系数据库上的合情推理 236

7.5关系数据库上的知识约简 240

7.6假设生成与创新思维 242

7.7默认推理的包含度解释 246

7.8知识库的维护与修正 248

第8章 计算推理 252

8.1计算推理原理252

8.2单位区间上的正则蕴涵算子 252

8.3命题格以及命题格上的包含度257

8.4命题格上的真度理论260

8.5命题格上的计算推理理论262

8.6命题格上的近似推理267

参考文献 269

常用符号 277

索引 278

作者简介

编辑推荐

作者寄语

电子资料

www.luweidong.cn

下一个