不確定信息推理.pdf

1、不確定信息推理是人工智能重要的研究領域，具有重要的理論和實際意義。由于不確定信息推理根據(jù)不同的數(shù)據(jù)對象特征有多種數(shù)學理論，主要包括：統(tǒng)計學、模糊數(shù)學、粗糙集理論、非經(jīng)典邏輯等，這些理論對于數(shù)據(jù)表現(xiàn)的隨機性和模糊性具有良好效果，本文在貝葉斯信任網(wǎng)絡、模糊粗糙集合、灰色系統(tǒng)的基礎上主要研究以下幾個方面：基于評分的貝葉斯信任網(wǎng)絡結構的學習、基于Ⅱ-型模糊集截集的模糊支持向量機、灰色主成份模型。本文的主要工作內容和意義如下： （一）、根

2、據(jù)觀察貝葉斯信任網(wǎng)絡的不同角度，貝葉斯信任網(wǎng)絡結構的學習方法分成兩類方法：基于評分的方法和基于條件獨立的方法，其目標是找到和樣本數(shù)據(jù)匹配度最好的貝葉斯信任網(wǎng)絡結構。基于評分的方法將貝葉斯信任網(wǎng)絡看成是含有屬性之間聯(lián)合概率分布的結構，同時給出評分函數(shù)來判斷學習過程中數(shù)據(jù)擬合的結構；基于條件獨立的方法把貝葉斯信任網(wǎng)絡看成看作編碼變量間的獨立性關系的結構，根據(jù)獨立性關系對變量分組。本文兩種學習理論和實踐表明貝葉斯信任網(wǎng)絡在處理不完全數(shù)據(jù)、學習

3、變量的因果關系、避免傳統(tǒng)算法中過度擬合和局部最小都表現(xiàn)出它明顯的優(yōu)勢。 （二）、在模糊粗糙集基本理論和支持向量機的基礎上提出基于Ⅱ-型模糊集截集的模糊支持向量機：首先分析Ⅱ-型模糊集合特征，推廣經(jīng)典模糊集合中截集的概念，利用模糊規(guī)劃和支持向量機理論來處理Ⅱ-型模糊集，其中在測度量化樣本的隸屬度時，考慮從了樣本之間和樣本與類中心，同時使用MATLAB軟件，實驗結果表明即使在噪聲或野值環(huán)境下，Ⅱ-型模糊集截集的模糊支持向量機避免了傳