图书介绍
知识系统中不确定性和模糊性处理的数值方法PDF|Epub|txt|kindle电子书版本下载
- 刘大有等著 著
- 出版社： 长春：吉林大学出版社
- ISBN：7560123791
- 出版时间：2000
- 标注页数：266页
- 文件大小：26MB
- 文件页数：279页
- 主题词：知识工程(学科: 模糊信息处理 学科: 数值计算) 知识工程(学科: 不确定系统 学科: 数值计算) 知识工程 模糊信息处理 不确定系统 数值计算
PDF下载
下载说明
知识系统中不确定性和模糊性处理的数值方法PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第一章 研究现状1
§1.1 引言1
第一部分 绪论1
§1.2 研究现状3
1.2.1 抽象不精确推理模型及其性质3
1.2.2 确定性理论3
1.2.3 贝叶斯方法3
1.2.4 证据理论4
1.2.5 可能性理论5
1.2.6 非数值方法5
1.2.7 工程方法和控制方法6
参考文献7
§2.1 信任和不信任9
第二部分 外延不确定性处理方法9
第二章 确定性因子理论9
§2.2 信任和不信任的度量10
§2.3 不确定性因子的计算12
§2.4 MYCIN的不确定性值（或不确定性因子）计算的封闭性14
§2.5 确定性因子的困难15
参考文献16
第三章 基于确定性因子模型的专家系统的验证17
§3.1 引言17
§3.2 测试、评价内容18
3.2.1 推理机的测试与评价［1-7］18
3.2.2 知识库的测试与评价［2］［7］20
3.2.3 测试不确定性计算是否正确［2］［3］［5］［7］22
参考文献24
§3.3 小结24
第四章 基于概率论的处理方法26
§4.1 引言26
§4.2 确定性证据的不确定性处理27
§4.3 不确定性证据的不确定性推理31
§4.4 讨论37
参考文献37
第五章 证据理论（Evidence Theory）方法39
§5.1 D-S理论（Dempster-Shafer Theory）39
§5.2 一种简化的证据理论模型MET146
§5.3 简化证据理论模型的拓展——凸函数证据理论模型51
5.3.1 IRM1的困难51
5.3.2 具有凸函数性质的简化证据理论模型52
5.3.3 具有凸函数性质的简化证据理论模型的分析55
5.3.4 对满足有序命题类问题的组合函数的扩展58
5.3.5 小结59
参考文献60
第六章 简化证据理论模型的研究61
§6.1 引言61
§6.2 区间结果决策62
§6.3 两个基本支持函数之间的距离64
§6.4 带有权威性的基本支持函数65
参考文献66
第七章 加权模糊逻辑67
§7.1 引言67
§7.2 加权模糊逻辑和加权模糊逻辑命题演算67
§7.3 加权模糊逻辑在专家系统ES中的应用及加权模糊逻辑的推理规则69
§7.4 相关工作的比较与分析72
参考文献73
§7.5 小结73
§8.1 引言75
§8.2 模糊推理模型FURM75
8.2.1 FURM的知识表示75
第八章 专家系统中的一种模糊推理模型75
8.2.2 FURM的不确定性推理78
§8.3 讨论80
参考文献81
第九章 专家系统中不精确推理单位元82
§9.1 抽象不精确推理模型82
§9.2 单位元的性质83
§9.3 实例分析84
§9.4 结论89
参考文献89
10.2.1 规则强度90
10.2.2 规则的准确性、可靠性90
第十章 处理两级不确定性的推理模型90
§10.2 规则中的不确定性、不准确性90
§10.1 引言90
10.2.3 知识表示91
§10.3 关于偏差的两级不确定性推理模型91
10.3.1 两级不确定性推理模型的必要条件91
10.3.2 处理两级不确定性的推理模型93
10.3.3 多条前件不同但后件相同的规则的结论综合95
§10.4 讨论96
参考文献97
第十一章 在多个ES协作系统中不一致性问题的处理98
§11.1 引言98
11.2.1 协作组中诸看法间的影响99
§11.2 一致性处理99
11.2.2 决策103
§11.3 讨论104
参考文献104
第十二章 确定性因子模型的改进及其在CDPS冲突消解中的应用105
§12.1 改进的确定性因子模型ICF105
12.1.1 CF模型分析105
12.1.2 知识不确定性的描述106
12.1.3 证据不确定性的描述106
12.1.4 命题不确定性值的传播算法106
12.1.5 推理过程107
12.1.6 示例107
12.1.7 讨论108
12.2.1 定义109
§12.2 最大存在风险和最大不存在风险109
12.2.2 计算例110
12.2.3 讨论111
§12.3 冲突消解模型111
12.3.1 问题描述和假设111
12.3.2 消解冲突111
12.3.3 示例112
12.3.4 讨论114
§14.4 小结114
参考文献115
第十三章 协作知识系统中协作冲突消解的辩论方法116
§13.1 简介116
§13.2 多维辩论方法的基本过程117
§13.3 依赖性值的计算120
§13.4 外部约束的计算122
§13.5 多维辩论系统框架PAT-1简介122
§13.6 讨论与总结124
参考文献124
第三部分 内涵不确定性处理方法126
第十四章 与证据理论相关的基本定义126
§14.1 集合的基本概念126
§14.2 贝叶斯方法127
14.2.1 概率论127
14.2.2 Pearl模型129
§14.3 Dempster-Shafer理论131
§14.4 Fuzzy集合和L-集合133
§14.5 图论133
第十五章 Belief的解释和更新136
§15.1 广义概率与信任函数137
§15.2 随机集合与信任函数139
§15.3 内、外测度与上、下概率140
§15.4 信任值的修正、更新和集中141
§15.5 小结143
第十六章 布尔代数上的Belief模型144
§16.1 布尔代数的基本概念145
§16.2 广义Dempster-Shafer理论146
§16.3 广义随机集合147
§16.4 信任值的更新和修正150
§16.5 求精和相容概念153
§16.6 布尔代数上的限定化概念154
§16.7 Belief模型中的决策模型161
§16.8 小结164
第十七章 处理二阶不确定性的内涵方法166
§17.1 集合-值映射的扩充166
§17.2 概率簇空间的传递模型169
17.2.1 不确定性结构的传递方法169
17.2.2 限定化关系的传递171
§17.3 规则的组合策略173
17.3.1 组合证据源173
17.3.2 组合结论173
§17.4 小结175
第十八章 区间结构的组合176
§18.1 区间结构的基本定义176
§18.2 区间结构的组合177
§18.3 区间结构组合的解释180
§18.4 组合信任函数的计算183
§18.5 小结184
第十九章 索引与检索中的不确定性信息处理185
§19.1 与IR有关的基本概念186
§19.2 IR中的不确定性处理模型187
19.2.1 关联函数188
19.2.2 关联的组合方法192
§19.3 结果的比较193
§19.4 小结195
第二十章 多agent环境下的规划196
§20.1 基本定义196
§20.2 规划验证的算法198
20.2.1 规划验证算法的改进199
20.2.2 改进算法的详细描述200
§20.3 规划验证算法的分析202
§20.4 多agent规划中的任务分解205
20.4.1 独立子任务分解206
20.4.2 树形分解方法207
§20.5 小结209
参考文献（第十四章至第二十章）210
第二十一章 概率基础知识217
§21.1 先验概率217
§21.2 条件概率218
§21.3 概率公理219
21.3.1 联合概率分布219
§21.4 Bayes规则及其应用220
21.4.1 Bayes规则的简单应用220
21.4.2 规范化221
21.4.3 利用Bayes规则进行证据综合222
21.4.4 保持概率值的一致224
§21.5 概率的来源224
第二十二章 Bayesian网方法的基本概念及推理算法225
§22.1 Bayesian网的定义225
§22.2 Bayesian网的语义227
22.2.1 全概率分布的表示227
22.2.2 Bayesian网的构造方法227
22.2.3 条件概率表的表示228
22.2.4 Bayesian网中的条件独立关系229
§22.3 Bayesian网中的推理算法230
22.3.1 单连通图查询回答算法231
22.3.2 多连通图Bayesian网中的推理算法234
23.1.1 外延方法的优缺点237
§23.1 外延方法与内涵方法237
第二十三章 贝叶斯网研发过程以及与其他方法的比较237
23.1.2 内涵方法的优缺点240
§23.2 Baysian网与其他不确定方法的比较240
§23.3 Baysian网络模型的历史发展241
第二十四章 Bayesian网的建造243
§24.1 Bayesian网结构的确立243
24.1.1 实例一：判断全家是否外出243
24.1.2 一个简单的扑克游戏244
24.1.3 人工授精245
24.1.4 简单的Bayes模型245
24.1.5 因果关系的处理246
§24.2 条件概率的确定246
24.2.1 种马场246
24.2.2 扑克游戏中的条件概率249
24.2.3 符号串的传递251
24.2.4 实例：全家是否外出252
§24.3 Bayesian模型构造技巧253
24.3.1 间接关系的处理253
24.3.2 噪声或（noisy or）254
24.3.3 因果独立关系256
24.3.4 分离技术257
§24.4 学习257
24.4.1 分组学习258
24.4.2 距离度量258
24.4.3 可能结构的搜索259
24.4.4 统计方法261
24.4.5 适应性学习261
参考文献（第二十一章至第二十四章）264