学位论文 > 优秀研究生学位论文题录展示

确定性理论模型方法的改进研究

作　者: 叶育鑫
导　师: 周东岱；钟绍春
学　校: 东北师范大学
专　业: 计算机软件与理论
关键词: 人工智能不确定推理确定性理论权重正负比率
分类号: TP182
类　型: 硕士论文
年　份: 2006年
下　载: 89次
引　用: 2次
阅　读: 论文下载

内容摘要

专家系统设计在它的核心部分——不确定性推理理论与方法上,一直以来都存在着不足。关于它的理论和应用有充分的空间待于发展。从有专家系统起,不确定性知识的表示和处理就是最受重视的分支之一。有关的它的学术会议有两个,在有关刊物和会议上论文也是层出不穷的,还有许多专著研究这个问题。在国际上,这方面优秀的专家有Shotliffer, Duda, Shafer, Heckerman, Pearl, Dubois, Prade, Yager等等。国内最早涉及这方面工作的是吉林大学,他们首先将国外的工作介绍到国内,随后又做了不少工作,在他们的带动下,国内许多学者也投入这项研究,并取得了一些好的成果。目前国内研究成果显著的还有清华大学、中国科技大学、华中科技大学、合肥工业大学等等.不确定推理是人工智能领域的核心研究课题之一。目前为止,对它的研究主要是以概率论、模糊数学或粗糙集理论为基础,建立推理模型。在众多不确定推理模型中,以概率论为数学基础的确定性推理方法最为方便实用,本文将对它做详尽的论述分析。本文中,首先在第一章绪论阐述了不确定推理与人工智能、专家系统以及知识工程的关系,并在第二章详细分析了不确定推理研究的现状、研究目的及意义。之后,在第三章中介绍了不确定性理论的数学基础(概率论、模糊数学等)及当前的一些不确定推理模型,其中包括贝叶斯网络、主观贝叶斯、确定性理论、证据理论以及可能性理论。研究了不确定推理问题的一般方法和一般步骤。在第四章中,就众多推理模型中的确定性理论进行了详尽的分析论证,发现了原推理算法中的一些不足并改进知识表示。接下来在第五章中,提出一种新的不确定性的更新与传播算法,来解决不确定性的更新与传播问题。这种新的算法,解决了原来理论中的一些缺陷与不足。在此基础上,第六章中进行了实验数据的对比分析,证明新的算法能够得出较理想的结论。

全文目录

摘要  3-7
第一章绪论  7-13
  1.1 人工智能概况  7-8
  1.2 专家系统概况  8-9
  1.3 知识表示概述  9-11
  1.4 不确定性推理概述  11-13
第二章研究现状及目的意义  13-18
  2.1 不确定性推理的发展及现状  13-14
    2.1.1 不确定性推理的发展  13
    2.1.2 不确定性推理的现状  13-14
  2.2 不确定性推理的分类  14-15
  2.3 不确定性推理的研究内容、目的及意义  15-18
    2.3.1 内容  15-16
    2.3.2 目的  16-17
    2.3.3 意义  17-18
第三章不确定性推理的一般模型  18-25
  3.1 预备知识  18-22
    3.1.1 概率论基础  18
    3.1.2 Bayes 定理  18-20
    3.1.3 模糊集合与模糊逻辑  20-22
  3.2 关于证据的不确定性  22-23
  3.3 关于规则的不确定性  23
  3.4 关于传播与更新的不确定性  23-25
第四章推理模型的知识表示改进  25-32
  4.1 确定性理论的一般方法  25-29
    4.1.1 证据表示  25
    4.1.2 知识表示  25-28
    4.1.3 不确定性的更新与传播  28-29
  4.2 传播算法的问题提出  29-30
  4.3 证据的不确定性度量改进  30-31
  4.4 规则的不确定性度量改进  31-32
第五章推理模型的更新与传播算法改进  32-44
  5.1 证据的更新与传播算法  32-40
  5.2 系统及其推理机制的建立  40-44
第六章实验数据对比分析  44-51
  6.1 正常情况  44
  6.2 正负比率γ大于1  44-46
  6.3 正负比率γ小于1  46-49
  6.4 小结  49-51
第七章总结与展望  51-52
参考文献  52-55
致谢  55-56
在学期间公开发表论文情况  56

确定性理论模型方法的改进研究

内容摘要

全文目录

相似论文