人工智能主觀貝葉斯分析實驗

1、人工智能實驗報告西安交大一、實驗?zāi)康?1)學習了解java編程語言，掌握基本的算法實現(xiàn)；( 2) 深入理解貝葉斯理論和不確定性推理理論；( 3) 學習運用主觀貝葉斯公式進行不確定推理的原理和過程二、實驗題目用java語言實現(xiàn)運用主觀貝葉斯公式進行不確定性推理的過程：根據(jù)初始證據(jù)E的概率P(E汲LSLN的值，把H的先驗概率P(H)更新為后驗概率P(H/E或者P(H/E)。要求如下：( 1) 充分考慮各種證據(jù)情況：證據(jù)肯定存在、證據(jù)肯定不存在、觀察與證據(jù)無關(guān)、其他情況；(2)考慮EH公式和CP公式兩種計算后驗概率的方法；(3)給出EH公式的分段線性插值圖；三、實驗原理1、知識的不確定性在主觀貝葉斯

2、方法中，只是是如下形式的產(chǎn)生式規(guī)則表示：IF ETHEN(LS,LN)H (P(H)LS是充分性度量。其定義為：LS=P(E|H)/P(E|?H)。LN是必要性度量，其定義為：LN=P(?E|H)/P(?E|?H)=(1-P(E|H)/(1-P(E|?H)2、證據(jù)不確定時的計算公式四、實驗代碼importimportimportimportimportpublicclass bayes extends JFrameimplements ActionListenerJPanelpanel=newJPanel();JLabel ph =new JLabel("P(H)");JT

3、extFieldPH=new JTextField("" ,3);JLabel pe =new JLabel("P(E)");JTextFieldPE=new JTextField("" ,3);JLabells=newJLabel("LS")；JTextFieldLS=newJTextField("",3)；JLabelln=newJLabel("LN")；JTextFieldLN=newJTextField("",3)；Buttoncompute=ne

4、wButton("COMPUTE");staticdoublet_ph;staticdoublet_pe;staticdoublet_ln;staticdoublet_ls;staticdoubleph_e;/P(E/S)=0時PHSstaticdoublephe;/P(E/S)=1時PHSpublicbayes()setLayout(newBorderLayout();(newFlowLayout();(Ph)；(PH)；(Pe)；(PE)；(ln)；(LN)；(ls)；(LS)；(panel)；(this)；(compute,;publicstaticvoidmain(

5、String口args)bayesa=newbayes();(400,250);(true)；(EXIT_ON_CLOSE);OverridepublicvoidactionPerformed(ActionEventarg0)/TODOAuto-generatedmethodstubt_ph=newDouble();t_pe=newDouble();t_ls=newDouble();t_ln=newDouble();ph_e=t_ln*t_ph/(t_ln-1)*t_ph+1);phe=t_ls*t_ph/(t_ls-1)*t_ph+1);displayc=_newdisplay();classdrawextendsJPanelpublicvoidpaint(Graphicsg)(g);(50,350,350,350);(50,50,50,350);(50,350-(int)*300),50+(int)*300),350-(int)*300);(50+(int)*300),350-(int)*300),350,350-(int)*300);classdisplayextendsJFramepublicdisplay()drawb=newdraw();(b);(true);(400,400);五、實驗結(jié)果輸入初始值：圖像結(jié)果顯示：六、實驗總結(jié)由于本次實驗是第一