人工智能主观贝叶斯分析实验

1、人工智能实验报告西安交大一、实验目的(1)学习了解java编程语言，掌握基本的算法实现；( 2) 深入理解贝叶斯理论和不确定性推理理论；( 3) 学习运用主观贝叶斯公式进行不确定推理的原理和过程二、实验题目用java语言实现运用主观贝叶斯公式进行不确定性推理的过程：根据初始证据E的概率P(E汲LSLN的值，把H的先验概率P(H)更新为后验概率P(H/E或者P(H/E)。要求如下：( 1) 充分考虑各种证据情况：证据肯定存在、证据肯定不存在、观察与证据无关、其他情况；(2)考虑EH公式和CP公式两种计算后验概率的方法；(3)给出EH公式的分段线性插值图；三、实验原理1、知识的不确定性在主观贝叶斯

2、方法中，只是是如下形式的产生式规则表示：IF ETHEN(LS,LN)H (P(H)LS是充分性度量。其定义为：LS=P(E|H)/P(E|?H)。LN是必要性度量，其定义为：LN=P(?E|H)/P(?E|?H)=(1-P(E|H)/(1-P(E|?H)2、证据不确定时的计算公式四、实验代码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时PHSstaticdoublephe;/P(E/S)=1时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、实验结果输入初始值：图像结果显示：六、实验总结由于本次实验是第一