多专家联合求解系统中不确定性处理

在多个专家联合求解的系统中,有时每个专家给出了多个不同的结论和可信度值,有时给出同一个结论和不同的可信度值。为处理这种不确定性,本文提出了模糊综合评判的方法来处理第一种不确定性;对第二种不确定性的处理采用平均值、加减法和影响法来调整各可信度值,最后用加权平均和模糊熵方法来求出一个统一的可信度值。     

多专家联合求解系统中不确定性处理

在多个专家联合求解的系统中,有时每个专家给出了多个不同的结论和可信度值,有时给出同—个结论和不同的可信度值。为处理这种不确定性,本文提出了模糊综合评判的方法来处理第一种不确定性;对第二种不确定性的处理采用平均值、加减法和影响法来调整各可信度值,最后用加权平均和模糊熵方法来求出一个统一的可信度值。     

基于犹豫模糊可信度的知识推理

针对不确定性推理中的可信度估值不精确的问题,将犹豫模糊集引入可信度不确定性推理中。提出犹豫模糊可信度的定义,并基于可信度的知识表示给出犹豫模糊可信度的知识表示方式。为解决专家在推理过程中出现的信息缺失问题,提出求解平均值的信息补全方法。构建犹豫模糊可信度的单条规则和多条规则并行关系的运算法则,并给出基于犹豫模糊可信度的知识表示与推理的具体步骤。最后,运用实例验证了所提算法的可行性及有效性。     

空间数据挖掘不确定性及其传播

首先分析空间数据的不确定性类型和来源、不确定性度量和传播模型以及空间数据挖掘过程中的不确定性来源。在此基础上，把空间数据挖掘整个过程看作为一个复杂的工程控制系统中的线性串联处理系统，建立了基于可信度因子的模糊逻辑不确定性传播模型，包括可信度因子的获取和表示、组合证据不确定性的合成、不确定性传播和结论不确定性的合成等。最后，讨论了空间数据挖掘不确定性处理和传播所涉及的几个关键问题。     

在多个ES协作系统中不一致性问题的处理

在由多个领域相关的ES组成的协作系统中,通常把能独立求解同一个领域难题A的所有ES组成一个协作组。有时组中诸ES对A都给出了相同的断言,但是它们却给出了不同的断言信度值。本文为处理这种不一致性问题,改进了文[1]中的向最高信度值看齐策略和相邻影响策略,提出了向最高权威看齐策略和相互影响策略,并给出了基于模糊 熵、范数和均差值的协作组统一信度值最大偏差的三种计算方法。这些计算方法都是以组中诸信度值不一致性程度的度量为基础的。     

一种对仿真可信度评估的智能专家系统

研究对仿真可信度的评估问题.针对传统的人类专家评估方法其工作量大、信息不确定以及结果模糊等问题,提出一种新型的替代专家的评估仿真可信度的方法,以不确定性知识表示和推理为基础,通过构建智能评估专家系统来实现评估.并对不确定性知识的表示与量度、不确定性推理、以及模糊信息的量化和信息的综合等相关知识进行了详细的描述.以细胞信号转导网络仿真模型的评估为实例进行了演示,演示表明:系统对于其仿真模型的评估实用,结果客观,可信.可与人类专家的决策过程媲美.     

模糊Prolog系统

模糊Prolog系统将不确定性引入到传统的Prolog系统中，对现实应用具有很大的意义。文中首先介绍了模糊系统和Prolog系统，然后讨论了实现模糊Prolog系统的两种方法，并给出了一些典型的模糊Prolog模型。最后重点讨论了在Prolog系统中实现模糊集合的几种方法，因而对于不同的应用要求可以选择不同类型的模糊Prolog系统。     

六元语言值直觉模糊的金融决策推理方法

为了处理金融决策中的不确定性信息,采用直觉格值的方法来表达语言值。基于语言真值直觉格值系统,改进了一个个人金融决策辅助系统模型。该系统的推理方法是将直觉模糊逻辑近似推理方法进行扩展,通过使用相似度的方法来处理模糊问题,实现了一种较为理想的不确定性推理方法。最后给出了一个实例,结果表明所提出的方法可以灵活有效地处理金融决策问题。     

一种基于十元格蕴涵代数的知识表示方法

不确定知识表示中常使用语言值来表达其真实程度和可信程度。为处理具有语言值可信度的不确定性知识表示问题,基于十元格蕴涵代数,建立一个十元语言值可信度因子知识表示模型,并实现了具有语言值可信度因子的知识推理。所提出的知识表示方法可以有效地表达具有可比性或不可比性的语言值不确定性信息。实例说明所提出的方法在表示知识时能够尽量模拟具有语言值信息的人类思维模式,有利于对不确定性知识的智能处理。     

一种多目标决策的多专家模糊区间赋权方法及其应用

本文提出了一种多目标决策的多专家模糊区间赋权方法及其计算机实现算法。该方法只要求决策专家给出各目标重要性的模糊区间估计，从而避免了直接给出各种点估计值的困难。文中应用实例说明了该方法的有效性。     

基于证据理论的不确定性推理方法及其应用

针对民航无线电管理中遇到的干扰问题以及客观世界中描述客观现象的知识和信息具有不确定性的特点,结合民航无线电干扰查处的实际情况,提出基于一种产生式规则的知识表示方法,以区间确定因子描述不确定性。提出基于Dempster-Shafer证据理论和区间确定因子的不确定性推理方法。进一步根据领域专家经验建立民航无线电干扰查处规则,以基于Dempster-Shafer证据理论和区间确定因子的不确定性推理方法为推理机,给出民航无线电干扰查处专家系统的结构及工作流程,采用C#语言结合MySQL数据库开发民航无线电干扰查处专家系统,并通过案例分析说明该系统的有效性和实用性。     

一种基于ANN的中医辨证不确定性推理模型研究

提出中医辨证中不确定性推理的基于可信度因子和可信度区间的模型,并用改进的BP神经网络实现其推理过程,最后利用MATLAB神经网络工具箱给出仿真示例。改进的BP神经网络在实现中医辨证不确定性推理方面有效地避免了沿用传统方法所带来的规则数激增及推理缓慢等缺陷,并提高了网络的泛化能力。仿真示例表明,它不仅可以自动学习和模拟专家的典型经验,而且可以将专家的典型经验推广应用到一般情形。     

基于灰色关联分析和MYCIN 不确定因子的直觉模糊决策方法

针对方案的指标值为直觉模糊数的决策问题,提出一种基于灰色关联分析和MYCIN不确定因子的决策方法.根据直觉模糊数的记分函数得到各指标下不同方案的MYCIN不确定因子,运用灰色关联方法确定各指标的信任度;推导出多证据下不确定因子的融合方法,证明其满足交换律和结合律,并通过该融合方法确定最优方案.数值算例表明,所提出的方法能有效解决D-S证据推理与决策问题相结合中存在的计算复杂、合成不稳定等问题.     

基于证据推理的确定因子规则库推理方法

不确定性推理方法是人工智能领域的一个主要研究内容,If-then规则是人工智能领域最常见的知识表示方法. 文章针对实际问题往往具有不确定性的特点,提出基于证据推理的确定因子规则库推理方法.首先在If-then规则的基础上给出确定因子结构和确定因子规则库知识表示方法,该方法可以有效利用各种类型的不确定性信息,充分考虑了前提、结论以及规则本身的多种不确定性. 然后,提出了基于证据推理的确定因子规则库推理方法. 该方法通过将已知事实与规则前提进行匹配,推断结论并得到已知事实条件下的前提确定因子;进一步,根据证据推理算法得到结论的确定因子. 文章最后,通过基于证据推理的确定因子规则库推理方法在UCI数据集分类问题的应用算例,说明该方法的可行性和高效性.     

基于证据推理和第3 代前景理论的不确定性多属性决策方法

针对多状态不确定性多属性决策问题, 建立基于证据推理和第3 代前景理论的决策方法. 首先, 给出不确定性知识表示方法—– 确定因子结构及其构造方法; 然后, 将第3 代前景理论构造价值函数和确定权重函数引入决策方法中, 得到每个方案在各属性下的前景价值; 进一步, 根据证据推理方法对前景价值进行信息融合得到各方案的合成前景价值, 并依据合成前景价值对方案进行排序; 最后, 通过算例验证了所提出方法的可行性和有效性.

     

基于确定因子的不确定性推理的仿真实现

针对传统的基于确定因子的不确定性推理模型在实际应用中出现的几个问题,提出了一种新型的以数理统计理论为基础、通过采用计算机模拟的方法来实现不确定性推理模型中相关参数的算法模型,并对基于确定因子的不确定性推理模型的相关知识作了详细叙述。根据所给出的算法模型,以地震预报专家系统中某条知识表示的规则强度CF的值的得出为例,完成了对CF的模拟,详细阐述了方法的实现过程并对模拟出的值的可信程度进行了检验,结果证明模拟技术为人工智能研究领域的不确定性推理的应用提供一种新的方法。     

A simple measure of confidence for fuzzy land-cover classification from remote-sensing data

Representing the quality of thematic maps derived from remote-sensing image classification is important in assessing its fitness for use. Conventional approaches to represent the quality in terms of accuracy need information from the reference data at the same scale. Error-prone or dubious reference data may have an impact on the assessment of quality. Therefore, measures that complement the conventional accuracy measures are required to represent the quality. Uncertainty and confidence are such measures that do not require reference data. Few studies have been attempted to derive pixel-level confidence. However, these measures are not widely adopted by the remote-sensing community due to their limitations. In this article, a simple measure of confidence is derived to represent the quality of fuzzy classification. To derive the confidence value for a pixel, two values, viz. first highest class membership value as evidence and an associated degree of certainty, are required. When the difference between first and second highest membership values is used as degree of certainty in the proposed approach, the confidence measure derived is equal to the complement of existing measure of uncertainty, viz. confusion index in difference form.     

Point-in-Polygon Analysis Under Certainty and Uncertainty

The point-in-polygon query in geographical information systems under certainty and uncertainty is formally analyzed in this paper. It is argued that points and polygons can be precise, fuzzy (imprecise), and random (with error) with different schemes of representations. Under certainty, points and polygons can generally be represented by their characteristic functions. Under imprecision induced uncertainty, they can be represented by fuzzy sets characterized by membership functions. If uncertainty is induced by randomness, points and polygons can be described by locational error models in which probability arguments are employed. Points and polygons under certainty turn out to be a special case of that under imprecision and randomness induced uncertainty.Since points and polygons may be precisely, imprecisely or randomly captured or recognized within a spatial information system, the point-in-polygon query is then rather complicated, and its entertainment is not straight forward. In general, the point-in-polygon query can be entertained under nine basic situations. It consists of the queries of whether a precise or fuzzy or random point is in a precise or fuzzy or random polygon. As a consequence, the answer to the query may take on various forms with certain types of uncertainty arguments attached. It involves the integrative utilization of fuzzy set and probability theories to derive the results.The present analysis clarifies some unresolved issues of the point-in-polygon query and provides a generalization to its entertainment. Furthermore, it sheds light on the way certainty and uncertainty can be addressed and implemented in spatial information systems.