因果圖的兩種不精確推理探索.pdf

1、不確定性問題作為人工智能最核心的研究任務，將不確定性問題的求解方法大致分為兩類：一類是基于概率的方法，一類是基于非概率的方法。因果圖推理是一種概率的方法，因果圖以圖形的方式表達復雜系統(tǒng)的因果關系。由于因果圖推理中存在不確定性問題，為了更形象的將系統(tǒng)的不確定性進行表達，本文主要是研究因果圖的兩種不精確推理：將概率矩陣近似處理轉化為精確概率值；將求基本事件精確概率值擴充為求區(qū)間概率。主要內容如下：
　?。?）把一個復雜系統(tǒng)用因果圖知識

2、表達，進行系統(tǒng)故障診斷時，用節(jié)點事件表示故障源，用有向邊表示因果關系。由于子變量的賦值狀態(tài)數不同，將因果圖分為單值因果圖和多值因果圖。將傳統(tǒng)因果圖推理用于多值因果圖中會出現概率不歸一的現象，因此提出一種多值因果圖的不精確推理。該推理方法是根據因果影響程度找到連接事件概率值，而該概率值是在引入了事件缺省狀態(tài)，并假設事件各狀態(tài)之間互斥的情況下求得的。根據概率矩陣中事件各狀態(tài)發(fā)生的概率找到其發(fā)生的可能性大小，再進行概率分配，使概率滿足歸一性，

3、將多值因果圖轉化為單值因果圖。
　　（2）因果圖作為一種基于概率的知識表達方法，是對基本事件發(fā)生概率已知時進行推導計算，而實際應用中，由于數據的誤差、缺失，專家的主觀偏見等很難獲得精確概率值，針對此情況本文提出將精確值擴充為區(qū)間數。根據Dempster-Shafer證據理論（簡稱D-S理論），將專家知識或者系統(tǒng)數據進行融合，通過計算得到似然函數Pls（Plausibility Function）和信任函數Bel(Belief Fu