人工智能原理教案03章不确定性推理方法3.2.3证据理论.docx

下载文档

4
0
约7.64千字
约 15页
2022-12-16 发布于天津
举报
版权申诉
保障服务

人工智能原理教案03章不确定性推理方法3.2.3证据理论.docx

1、本文档共15页，其中可免费阅读5页，需付费80金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

3.4 证据理论前言主观 Bayes 方法必需给出先验概率。 Dempster 和 Shafer 提出的证据理论，可用来处理这种由不知道所引起的不确定性。证据理论承受信任函数而不是概率作为不确定性度量，它通过对一些大事的概率加以约束来建立信任函数而不必说明准确的难于获得的概率。证据理论满足比概率论更弱的公理系统，当这种约束限制为严格的概率时〔即概率值时〕，证据理论就退化为概率论了。证据的不确定性度量根本理论区分框概念：设 U 为假设 x 的全部可能的穷举集合，且设 U 中的各元素间是互斥的，我们称 U 为区分框〔 Frame of discernment〕。设 U 的元素