ch可信與證據(jù)理論P(yáng)PT課件

1、1 可信度方法是美國(guó)斯坦福大學(xué)等人在確定性理論的基礎(chǔ)上，結(jié)合概率論等提出的一種不確定性推理方法。1976年在專家系統(tǒng)MYCIN中首先應(yīng)用，它是不確定推理方法中應(yīng)用最早、且簡(jiǎn)單有效的方法之一。什么是可信度？ 根據(jù)經(jīng)驗(yàn)對(duì)一個(gè)事物或現(xiàn)象為真的相信程度稱為可信度。 可信度也稱作確定性因子。用以度量知識(shí)和證據(jù)的不確定性。可信度具有較大的主觀性和經(jīng)驗(yàn)性。 C-F(Certainty Factor)模型第1頁(yè)/共79頁(yè)21、知識(shí)不確定性的表示 在該模型中，知識(shí)是用產(chǎn)生式規(guī)則表示的，不確定性以可信度CF(H,E)表示。一般形式：IF E THEN H (CF(H, E) )其中：（1）E是知識(shí)的前提或稱為證據(jù)

2、，可以是命題的合取、析取組合等。 （2）結(jié)論H可為單一命題，也可以是復(fù)合命題。（3）CF(H, E)為確定性因子，簡(jiǎn)稱可信度，用以量度規(guī)則的確定性（可信）程度。C-F模型第2頁(yè)/共79頁(yè)3在MYCIN中 CF(H, E) = MB(H, E) - MD(H, E)其中：MB(H, E)(Measure Belief)指信任增長(zhǎng)度，表示因與E匹配的證據(jù)出現(xiàn)，使H為真的信任增長(zhǎng)度。定義如下： C-F模型第3頁(yè)/共79頁(yè)4MD(H, E)(Measure Disbelief)指不信增長(zhǎng)度，表示因與E匹配的證據(jù)出現(xiàn)，使H為真的不信任增長(zhǎng)度。定義如下：C-F模型第4頁(yè)/共79頁(yè)5當(dāng)p(H/E)p(H)時(shí)

3、，表示證據(jù)E支持結(jié)論H，則有MB0，MD=0；當(dāng)p(H/E)0；當(dāng)p(H/E)p(H)時(shí)，表示E對(duì)H無(wú)影響，則有MBMD0。MB與MD的值域?yàn)?,1。因此，MB和MD是互斥的。即： 當(dāng)MB0時(shí)，MD=0 當(dāng)MD0時(shí)，MB=0 C-F模型第5頁(yè)/共79頁(yè)6根據(jù)CF(H,E)的定義及MD和MB的互斥性，可以得到CF(H,E)的計(jì)算公式:)H(P)E/H(P)H(P)E/H(P)H(P)E,H(MD0)H(P)E/H(P0)H(P)E/H(P)H(P1)H(P)E/H(P0)E,H(MB)E,H(CF若若若C-F模型第6頁(yè)/共79頁(yè)7 從CF(H,E)的計(jì)算公式可以看出它的意義：（1）若CF(H,E

4、)0，則P(H/E)P(H)；MB0，MD=0 。說(shuō)明CF(H,E)的值越大，增加H為真的可信度就越大。若CF(H,E)=1，P(H/E)=1，說(shuō)明由于E所對(duì)應(yīng)的證據(jù)出現(xiàn)使H為真。（2）若CF(H,E)0，則P(H/E)0 。說(shuō)明CF(H,E)的值越小，增加H為假的可信度就越大。若CF(H,E)=-1， P(H/E)=0，說(shuō)明由于E所對(duì)應(yīng)的證據(jù)出現(xiàn)使H為假。C-F模型第7頁(yè)/共79頁(yè)8（3）若CF(H,E)=0，則P(H/E)=P(H)；MBMD0 。說(shuō)明E與H無(wú)關(guān)。 由公式知，計(jì)算CF(H,E)需要知道P(H)與P(H/E)，然而，在實(shí)際應(yīng)用中這兩個(gè)值很難獲得，而是在建立規(guī)則庫(kù)時(shí)由領(lǐng)域?qū)＜覒{

5、經(jīng)驗(yàn)主觀確定的。C-F模型第8頁(yè)/共79頁(yè)92 2、證據(jù)的不確定性表示 證據(jù)E的可信度CF(E)取值為-1,1。對(duì)于初始證據(jù)，若對(duì)它的所有觀察S能肯定它為真，則使CF(E)=1；若肯定它為假，則使CF(E)=-1；若它以某種程度為真，則使CF(E)為（0，1）中某一值，若對(duì)它還未獲得任何相關(guān)的觀察，此時(shí)可看作觀察S與它無(wú)關(guān)，則使CF(E)=0。C-F模型第9頁(yè)/共79頁(yè)10 類似于規(guī)則的不確定性，證據(jù)的可信度往往可由領(lǐng)域?qū)＜覒{經(jīng)驗(yàn)主觀確定。 證據(jù)的可信度值來(lái)源于兩種情況： （1）初始證據(jù)由領(lǐng)域?qū)＜一蛴脩艚o出； （2）中間結(jié)論由不確定性傳遞算法計(jì)算得到。C-F模型第10頁(yè)/共79頁(yè)113、組合證

6、據(jù)不確定性的算法(1)當(dāng)組合證據(jù)是多個(gè)單一證據(jù)的合取時(shí)，即： E=E1 AND E2 ANDAND En 則CF(E)=minCF(E1), CF(E2) CF(En)(2)當(dāng)組合證據(jù)是多個(gè)單一證據(jù)的析取時(shí)，即： E=E1 OR E2 OROR En 則CF(E)=maxCF(E1), CF(E2) CF(En)C-F模型第11頁(yè)/共79頁(yè)124 4、不確定性的傳遞不確定性的傳遞算法定義如下： CF(H)= CF(H,E) CF(H)= CF(H,E) maxmax0 0，CF(E)CF(E) 由上式可以看出: (1)CF(E)，所以知識(shí)可以使用，推出該動(dòng)物是長(zhǎng)頸鹿，其可信度為：CF(H)=C

7、F(H,E) CF(E)加權(quán)不確定性推理第21頁(yè)/共79頁(yè)224、沖突消解、沖突消解設(shè)有下述知識(shí)r1: IF E1(1) THEN H1 (CF(H1,E1),1)r2: IF E2(2) THEN H2 (CF(H2,E2),2)且 CF(E1(1)1，CF(E2(2)2若CF(E1(1)CF(E2(2)，則優(yōu)先使用r1進(jìn)行推理。加權(quán)不確定性推理第22頁(yè)/共79頁(yè)23例如：設(shè)有下列知識(shí)：例如：設(shè)有下列知識(shí)：r1: IF E1 (0.6) AND E2 (0.4) THEN E6 (0.8, 0.75)r2: IF E3 (0.5) AND E4 (0.3) AND E5 (0.2) THEN

8、 E7 (0.7, 0.6)r3: IF E6 (0.7) AND E7 (0.3) THEN H (0.75, 0.6)已知：CF(E1)=0.9, CF(E2)=0.8, CF(E3)=0.7, CF(E4)=0.6, CF(E5求：CF(H)加權(quán)不確定性推理第23頁(yè)/共79頁(yè)24解：由r1 有：CF(E1 (0.6) AND E2因?yàn)?，CF(E1 AND E2 )1故r1可以使用。加權(quán)不確定性推理第24頁(yè)/共79頁(yè)25由r2 有：CF(E3 (0.5) AND E4 (0.3) AND E5 (0.2)=因?yàn)?，CF(E3 AND E4 AND E5)2故r2可以使用。加權(quán)不確定性推理

9、因?yàn)橐驗(yàn)?CF(E1 AND E2 ) CF(E3 AND E4 AND E5)所以所以r1先被啟用，然后才能啟用先被啟用，然后才能啟用r2。第25頁(yè)/共79頁(yè)26由r1 有： CF(E6由r2 有： CF(E7由由r3 有：有：CF(E6 (0.7) AND E7 (0.3)因?yàn)橐驗(yàn)镃F(E6 AND E7 )3，所以，所以r3被啟用，得到：被啟用，得到：加權(quán)不確定性推理第26頁(yè)/共79頁(yè)27lD-S證據(jù)理論是由丹普斯特（Dempster）提出，并由他的學(xué)生莎弗（Shafer）改進(jìn)的一種不確定推理模型。該理論引入信任函數(shù)而非采用概率來(lái)量度不確定性，并引用似然函數(shù)來(lái)處理由不知道而引起的不確定性

10、，從而在實(shí)現(xiàn)不確定推理方面顯示出很大的靈活性，受到人們的重視。l用集合表示命題，命題的不確定性問(wèn)題轉(zhuǎn)化為集合的不確定性問(wèn)題。l將概率論中的單點(diǎn)賦值擴(kuò)展為集合賦值，滿足比概率更弱的要求，可看作一種廣義概率論。第27頁(yè)/共79頁(yè)28不確定性方法比較 可信度方法：證據(jù)、結(jié)論和知識(shí)的不確定性以可信度進(jìn)行度量。 主觀Bayes方法：證據(jù)與結(jié)論的不確定性以概率形式度量，知識(shí)的不確定性以數(shù)值對(duì)（LS,LN）進(jìn)行度量。 DS理論：證據(jù)與結(jié)論用集合表示，不確定性度量用信任函數(shù)與似然函數(shù)表示；知識(shí)的不確定性通過(guò)一個(gè)集合形式的可信度因子表示。第28頁(yè)/共79頁(yè)29舉 例 假設(shè)D是所有可能疾病的集合，醫(yī)生為進(jìn)行診斷而

11、進(jìn)行的各種檢查就是獲得所需證據(jù)的過(guò)程，檢查得到的結(jié)果就是獲得的證據(jù)，這些證據(jù)構(gòu)成了證據(jù)集合E。 根據(jù)證據(jù)集合E中的這些證據(jù)，就可以判斷病人的疾病。通常，有的證據(jù)所支持的不只是一種疾病，而是多種疾病，這些疾病構(gòu)成集合D中的元素，可以構(gòu)成D的一個(gè)子集H，H就是結(jié)論集合。第29頁(yè)/共79頁(yè)30 證據(jù)理論是用集合表示命題的。 設(shè)D是變量x的樣本空間，其中具有n個(gè)元素，在任一時(shí)刻變量x的取值都會(huì)落入某個(gè)子集，也就是說(shuō)，D的任一子集A都對(duì)應(yīng)于一個(gè)關(guān)于x的命題，該命題為“x的值在A中”，所以用集合A表示該命題。D-SD-S證據(jù)理論 第30頁(yè)/共79頁(yè)31例如： x代表顏色，D=紅，黃，藍(lán)。 如果A=紅，表示

12、“x是紅色”。 如果A=黃，藍(lán)，表示“x或者是紅色，或者是藍(lán)色”。 D-SD-S證據(jù)理論 第31頁(yè)/共79頁(yè)321 1、概率分配函數(shù) 設(shè)論域D為所有可能假設(shè)（表示為原子命題的結(jié)論）的有限集合，且D中的元素間是互斥的，則可以在D的冪集2D上定義一個(gè)基本概率分配函數(shù)M：2D 0,1，滿足 則稱M是2D上的概率分配函數(shù)，M(A)稱為A的基本概率數(shù)。 DA1)A(M0)(MD-SD-S證據(jù)理論 第32頁(yè)/共79頁(yè)33概率分配函數(shù)的作用 將D上的任意一個(gè)子集A都映射為0,1上的一個(gè)數(shù)M(A)。當(dāng)A對(duì)應(yīng)一個(gè)命題時(shí)， M(A)即是對(duì)相應(yīng)命題不確定性的度量。 注意：概率分配函數(shù)不是概率，樣本空間D上的各元素的

13、基本概率數(shù)之和不一定等于1。第33頁(yè)/共79頁(yè)34 （1）設(shè)樣本空間D中有n個(gè)元素，則D中子集的個(gè)數(shù)為2n個(gè)，定義中的2D則表示這些子集構(gòu)成的集合。 例如：設(shè)D=紅，黃，藍(lán)，則它的子集有8個(gè)：A1=紅， A2=黃， A3=藍(lán)， A4=紅，黃，A5=紅，藍(lán)， A6=藍(lán)，黃， A7=紅，黃，藍(lán)， A8=。D-SD-S證據(jù)理論 第34頁(yè)/共79頁(yè)35 （2）概率分配函數(shù)把D的任意一個(gè)子集A都映射為0，1上的一個(gè)數(shù)M(A)，當(dāng)AD時(shí)， M(A)表示對(duì)相應(yīng)命題的精確信任程度。概率分配函數(shù)事實(shí)就上是對(duì)D的各個(gè)子集進(jìn)行信任分配。 例如：A=紅， 表示對(duì)命題“A是紅色”的精確信任度為。D-SD-S證據(jù)理論 第

14、35頁(yè)/共79頁(yè)36（3）概率分配函數(shù)不是概率。 例如： M(紅， M(黃)=0， M(藍(lán)， M(紅，黃，M(紅，藍(lán)， M(藍(lán)，黃，M(紅，黃，藍(lán)， M()=0。 M(紅)+M(黃)+M(藍(lán) 若按概率的要求，這三者之和應(yīng)等于1。D-SD-S證據(jù)理論 第36頁(yè)/共79頁(yè)372 2、信任函數(shù) BelBel 信任函數(shù)用來(lái)對(duì)命題的不確定性進(jìn)行度量。 定義命題的信任函數(shù)Bel：2D 0,1，對(duì)于任意的AD，有 Bel函數(shù)又稱為下限函數(shù)，Bel(A) 表示對(duì)命題A為真的信任程度，為A所有子集的基本概率數(shù)之和。 ABB(M)A(BelD-SD-S證據(jù)理論 第37頁(yè)/共79頁(yè)38 易知 Bel()=0，Bel

15、(D)=1；當(dāng) A為單一元素集時(shí)，Bel(A)=M(A)。 例如：對(duì)于上例可以求出： Bel(紅)=M(紅 Bel(紅，黃)=M(紅)+M(黃)+M(紅，黃)D-SD-S證據(jù)理論 第38頁(yè)/共79頁(yè)393 3、似然函數(shù)PlPl 似然函數(shù)Pl：2D 0,1，且 Pl(A)= 1 Bel(A) 對(duì)所有的AD Pl(A)表示對(duì)A為非假（不否定A）的信任程度，它是所有與A相交的子集的基本概率數(shù)之和。似然函數(shù)又稱為上限函數(shù)。 在上例中，Pl(紅) = 1 - Bel(藍(lán)，黃D-SD-S證據(jù)理論 第39頁(yè)/共79頁(yè)40 BA)B(M)A(Pl BADEBAACBABABA)B(M)A(Pl0)E(M1)

16、)B(M)C(M(1) )B(M)A(Bel(1)B(M)A(Bel1)B(M)A(PlD-SD-S證據(jù)理論 Pl(A)= 1 Bel(A)()BAMB 第40頁(yè)/共79頁(yè)41 Bel(A)表示對(duì)命題A為真的信任程度； Bel( A)表示對(duì)命題 A為真的信任程度，即表示A為假的信任程度； Pl(A) 1 Bel(A)表示對(duì)A為非假的信任程度。 可以看到：A不為假并不代表A一定為真，也就是說(shuō)對(duì)A不為假的信任程度應(yīng)該大于對(duì)A為真的信任程度。D-S證據(jù)理論 第41頁(yè)/共79頁(yè)424 4、信任函數(shù)與似然函數(shù)的關(guān)系 似然函數(shù)有以下特性： Pl(A) Bel(A) Pl() = 0，Pl(D)= 1 由于

17、Bel(A)表示對(duì)A為真的信任程度， Pl(A)表示對(duì)A為非假的信任程度，所以 Pl(A) - Bel(A)表示既不為假、又不為真的信任程度或者說(shuō)既不信任A也不信任A的程度，即是對(duì)A是真是假不知道的程度?？梢杂脜^(qū)間Bel(A),Pl(A)來(lái)綜合描述A的不確定性。D-SD-S證據(jù)理論 第42頁(yè)/共79頁(yè)43易知存在三個(gè)特殊的區(qū)間： Bel(A),Pl(A)=1,1，表示信任A為真； Bel(A),Pl(A)=0,0，表示信任A為假； Bel(A),Pl(A)=0,1，表示對(duì)A是真是假一無(wú)所知。 Bel(A),Pl(A)=0.25,0.85，表示對(duì)A為真的信任度為0.25 ,A為假的信任度為。表示

18、對(duì)A不知道的程度。D-SD-S證據(jù)理論 第43頁(yè)/共79頁(yè)445、概率分配函數(shù)的正交和 有時(shí)對(duì)同樣的證據(jù)會(huì)得到兩個(gè)不同的概率分配函數(shù)，例如，對(duì)樣本空間D=a，b，從不同的來(lái)源分別得到如下兩個(gè)概率分配函數(shù)：M1(a)=0.3 M1(b)=0.6 M1(a,b)=0.1 M1()=0M2(a)=0.4 M2(b)=0.4 M2(a,b)=0.2 M2()=0此時(shí)需要對(duì)它們進(jìn)行組合，Dempster提出了一種組合方法，即對(duì)這兩個(gè)概率分配函數(shù)進(jìn)行正交和運(yùn)算。 D-SD-S證據(jù)理論 第44頁(yè)/共79頁(yè)45定義 設(shè)M1和M2是兩個(gè)概率分配函數(shù)，則其正交和M=M1M2為 M()=0其中) y(M)x(MK)

19、A(M2Ayx11 ) y(M)x(M) y(M)x(M1K2yx12yx1 如果K0，則正交和M也是一個(gè)概率分配函數(shù)；如果K=0，則不存在正交和M，稱M1和M2矛盾。D-SD-S證據(jù)理論 第45頁(yè)/共79頁(yè)46 對(duì)于多個(gè)概率分配函數(shù)M1，M2， ，Mn，如果它們可以組合，也可以通過(guò)正交和運(yùn)算將它們組合為一個(gè)概率分配函數(shù)。定義 設(shè)M1，M2， ，Mn是n個(gè)概率分配函數(shù)，則其正交和M=M1M2 Mn為： D-SD-S證據(jù)理論 第46頁(yè)/共79頁(yè)47概率分配函數(shù)正交和舉例第47頁(yè)/共79頁(yè)48概率分配函數(shù)正交和舉例第48頁(yè)/共79頁(yè)496、一個(gè)具體的不確定性推理模型 已知兩元組(Bel(A),Pl

20、(A)可以表示證據(jù)的不確定性，同理，它也可以表示不確定的規(guī)則。 信任函數(shù)和似然函數(shù)都是基于概率分配函數(shù)定義的，隨著概率分配函數(shù)的定義不同，會(huì)產(chǎn)生不同的應(yīng)用模型。D-SD-S證據(jù)理論 第49頁(yè)/共79頁(yè)501）概率分配函數(shù)和類概率函數(shù) 在該模型中，樣本空間D=s1，s2，sn上的概率分配函數(shù)按如下定義：對(duì)應(yīng)集合中元素的個(gè)數(shù)表示命題其中時(shí)或且當(dāng)A|A|0)A(M,0|A|1|A|DA)4(s(M1)D(M)3(1s(M)2(0)s(M)1(n1iin1iii D-SD-S證據(jù)理論 第50頁(yè)/共79頁(yè)51特定概率分配函數(shù)的特點(diǎn)：1）只有單個(gè)元素構(gòu)成的子集的概率分配函數(shù)有可能大于0。2）樣本空間D的概

21、率分配函數(shù)有可能大于0。3）其它子集的概率分配函數(shù)均為0。D-SD-S證據(jù)理論 第51頁(yè)/共79頁(yè)52對(duì)此特定的概率分配函數(shù)M，具有如下性質(zhì)：1)(Bel1)D(Bel1)D(Pl)A(Bel)D(M)A(Bel)D(M11)s(M)s(M1)s(M1)A(Bel1)A(Pel1)D(M)s(M)D(Bel)s(M)A(BelAisin1iiAisin1iiAisi D-SD-S證據(jù)理論 第52頁(yè)/共79頁(yè)53顯然，對(duì)任何AD及BD均有： Pl(A)-Bel(A)= Pl(B)-Bel(B)=M(D)它表示對(duì)A或B的不知道程度。D-SD-S證據(jù)理論 例如，設(shè)D=左，中，右，且設(shè) M（左）， M

22、（中）， M（右）則由上述定義可得：第53頁(yè)/共79頁(yè)549 . 01 . 01)(Bel1),(Bel1),(Pl8 . 05 . 03 . 0)(M)(M),(Bel1 . 09 . 01)(M)(M)(M1)s(M1)D(Mn1ii 右中左中左中左中左右中左D-SD-S證據(jù)理論 第54頁(yè)/共79頁(yè)55 由該概率分配函數(shù)的定義，可把概率分配函數(shù)M1、 M2正交和M=M1M2簡(jiǎn)化為：其中)s(M)D(M)D(M)s(M)s(M)s(MK)s(Mi212i1i2i11i )s(M)D(M)D(M)s(M)s(M)s(M)D(M)D(MKi212i1i2i1n1i21 D-SD-S證據(jù)理論 第5

23、5頁(yè)/共79頁(yè)56例如：設(shè)D=左，中，右，且設(shè)M1(左, 中, 右, 左，中，右,)=(0.3,0.5, 0.1,0.1,0)M2(左, 中, 右, 左，中，右,)=(0.4,0.3, 0.2,0.1,0)則 0.1+(0.3 0.4+0.3 0.1+0.1 0.4) +(0.5 0.3+0.5 0.1+0.1 0.3) +(0.1 0.2+0.1 0.1+0.1 0.2)D-SD-S證據(jù)理論 第56頁(yè)/共79頁(yè)57M(左)=1/0.48 0.3 0.4+0.3 0.1+0.1 0.4同理可得： M(中 M(右 M(左，中，右D-SD-S證據(jù)理論 第57頁(yè)/共79頁(yè)58定義 命題A的類概率函數(shù)

24、f(A)： f(A)Bel(A) Pl(A)- Bel(A)其中，|A|、|D|分別指示A和D中包含元素的個(gè)數(shù)。 f(A)作為集合A對(duì)應(yīng)命題確定性的度量。類概率函數(shù)也稱做信任度函數(shù)。 |DAD-SD-S證據(jù)理論 第58頁(yè)/共79頁(yè)59推論： （1）f()= 0， （2）f(D)l （3）對(duì)于任何A D有 0f(A)1D-SD-S證據(jù)理論 f(A)的性質(zhì)： (1) （2）對(duì)于任何A D有 Bel(A) f(A) Pl(A)，f(A)=1-f(A)1)s(fn1ii 第59頁(yè)/共79頁(yè)60例如，設(shè)D=左，中，右，且設(shè) M(左, 中, 右, 左，中，右,) =(0.3,0.5, 0.1,0.1,0)

25、，且設(shè)A=左，中，則87.01 .05 .03 .0),(M)(M)(M Bel(A) -Pl(A) Bel(A)f(A)3232DA 右中左中左D-SD-S證據(jù)理論 第60頁(yè)/共79頁(yè)612）知識(shí)不確定性的表示 不確定性知識(shí)用產(chǎn)生式規(guī)則表示： IF E THEN H=h1, h2, hn CF= c1, c2, cn 其中：（1）E為前提條件，它既可以是簡(jiǎn)單條件，也可以是用AND或OR連接起來(lái)的復(fù)合條件；（2）H是結(jié)論，它用樣本空間中的子集表示， h1, h2, hn是該子集中的元素；D-SD-S證據(jù)理論 第61頁(yè)/共79頁(yè)62（3）CF是可信度因子，用集合的形式表示，其中ci用來(lái)表示hi

26、(i=1,2,n)的可信度，ci與hi 一一對(duì)應(yīng)。 ci滿足如下條件：1,n,2, 1i ,01niiiccD-SD-S證據(jù)理論 第62頁(yè)/共79頁(yè)633）證據(jù)不確定性的表示第63頁(yè)/共79頁(yè)643）證據(jù)不確定性的表示 不確定性證據(jù)E的確定性用CER（E）表示。 對(duì)于初始證據(jù)，其確定性由用戶給出； 對(duì)于用前面推理所得結(jié)論作為當(dāng)前推理的證據(jù)，其確定性由推理得到。 CER（E）的取值范圍為0，1，即0CER（E）1D-SD-S證據(jù)理論 第64頁(yè)/共79頁(yè)654）組合證據(jù)不確定性的算法當(dāng)組合證據(jù)是多個(gè)證據(jù)的合取時(shí)，即 E=E1 AND E2 AND AND En則E的確定性CER(E)為 CER(E)=minCER(E1), CER(E2), CER(En)當(dāng)組合證據(jù)是多個(gè)證據(jù)的析取時(shí)，即 E=E1 OR E2 OR OR En則E的確定性CER(E)為 CER(E)=maxCER(E1), CER(E2), CER(En)D-SD-S證據(jù)理論 第65頁(yè)/共79頁(yè)665）不確定性的傳遞算法對(duì)于知識(shí)： IF E THEN H=h1, h2, hn CF= c1, c2, cn結(jié)論H的確定性通過(guò)下述步驟求出：（1）求出H的概率分配函數(shù) H的概