DS證據理論通用課件_第1頁
DS證據理論通用課件_第2頁
DS證據理論通用課件_第3頁
DS證據理論通用課件_第4頁
DS證據理論通用課件_第5頁
已閱讀5頁,還剩25頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、DS證據理論課件一一基本理論基本理論 二二一個具體的不確定性推理模型一個具體的不確定性推理模型 三三舉例舉例 四四小結小結 一一基本理論基本理論 設D是變量x所有可能取值的集合,且D中的元素是互斥的,在任一時刻x都取且只能取D中的某一個元素為值,則稱D為x的樣本空間,也稱D為辨別框 。在證據理論中,D的任何一個子集A都對應于一個關于x的命題,稱該命題為“x的值在A中”。 引入三個函數:概率分配函數,信任函數及似然函數等概念。1. 概率分配函數概率分配函數設D為樣本空間,領域內的命題都用D的子集表示,則概率分配函數定義如下:定義1: 設函數M:2D0,1,且滿足M()0 M(A)1AD則稱M是2

2、D上的概率分配函數,M(A)稱為A的基本概率數。 說明 :1.設樣本空間D中有n個元素,則D中子集的個數為2n個,定義中的2D就是表示這些子集的。 2.概率分配函數的作用是把D的任意一個子集A都映射為0,1上的一個數M(A)。當AD時,M(A)表示對相應命題的精確信任度。實際上就是對D的各個子集進行信任分配,M(A)表示分配給A的那一部分。當A由多個元素組成時,M(A)不包括對A的子集的精確信任度,而且也不知道該對它如何進行分配。當AD時,M(A)是對D的各子集進行信任分配后剩下的部分,它表示不知道該對這部分如何進行分配。 定義:若AD則M(A)0,稱A為M的一個焦元。3.概率分配函數不是概率

3、。 2. 信任函數信任函數 定義2 :命題的信任函數Bel:2D0,1,且Bel(A)M(B)對所有的AD BA其中2D表示D的所有子集。 Bel函數又稱為下限函數,Bel(A)表示對命題A為真的信任程度。由信任函數及概率分配函數的定義推出:Bel()M()0Bel(D)M(B)1 BD3. 似然函數似然函數 定義3: 似然函數Pl:2D0,1,且 Pl(A)1一Bel(A) 其中AD 似然函數的含義:由于Bel(A)表示對A為真的信任程度,所以Bel(A)就表示對非A為真,即A為假的信任程度,由此可推出Pl(A)表示對A為非假的信任程度。似然函數又稱為不可駁斥函數或上限函數。 推廣到一般情況

4、可得出:Pl(A)= M(B) AB證明如下:Pl(A) M(B) 1-Bel(A)- M(B) AB AB 1-(Bel(A)+ M(B) AB 1-( M(C)+ M(B) CA AB 1- M(E) ED 0Pl(A)M(B) AB4. 信任函數與似然函數的關系信任函數與似然函數的關系 Pl(A)Bel(A) 證明: Bel(A)十Bel(A)M(B)M(C) BA CAM(E)1 EDPl(A)Bel(A)1Bel(A)一Bel(A) 1(Bel(A)Bel(A) 0 Pl(A)Bel(A)v由于Bel(A)表示對A為真的信任程度,Pl(A)表示對A為非假的信任程度,因此可分別稱Bel

5、(A)和Pl(A)為對A信任程度的下限與上限,記為A(Bel(A), Pl(A)v01(1,1)A為真。v Bel Pl (0,0)A為假。v 確知 未知 確知(0,1)對A一無所知,單位元。v 為真為假Pl(A)Bel(A) 對A不知道的程度。v下面用例子進一步說明下限與上限的意義:vA(0.25,1):由于Bel(A)0.25,說明對A為真有一定程度的信任,信任度為0.25;另外,由于Bel(A)1Pl(A)0,說明對A不信任。所以A(0.25,1)表示對A為真有0.25的信任度。vA(0,085):由于Bel(A)0,而Bel(A)1一Pl(A)10.850.15,所以A(0,0.85)

6、表示對A為假有一定程度的信任,信任度為0.15。vA(0.25,0.85):由于Bel(A)0.25,說明對A為真有0.25的信任度;由于Bel(A)10.850.15,說明對A為假有0.15的信任度。所以A(0.25,0.85)表示對A為真的信任度比對A為假的信任度稍高一些。5. 概率分配函數的正交和概率分配函數的正交和 v定義4 :設M1和M2是兩個概率分配函數,則其正交 和M= M1 M2為vM()=0vM(A)=K1M1(x)M2(y)v xy=Av其中:vK=1-M1(x)M2(y)=M1(x)M2(y)v xy= xyv如果K0,則正交和M也是一個概率分配函數;如果K=0,則不存在正交和M,稱M1 與M2矛盾。 v定義5 :設M1,M2,,Mn是n個概率分配函數,則其正交和MM1M2Mn為M()=0vM(A)=K1 Mi(Ai)v Ai =A 1inv其中:K= Mi(Ai)v Ai 1i1 則m(A)0時,證據理論就退化為概率論; 當m的焦元呈有序的嵌套結構時, 即對所有的m(Ai)0,有A1A2An時,證據理論退化為Zadeh的可能性理論。v證據理論能夠區(qū)分不知道和不確定。v證據理論可以處理證據影響一類假設的情況,即證據不僅能影響一個明確的假設(與單元素子集相對應),還可以影響一個更一般的不明確的假設(與單元素子集相

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論