第4章 不确定性推理方法

1、人工智能原理及应用人工智能原理及应用不确定性推理方法不确定性推理方法l推理：从已知事实出发，运用相关知识逐步推出某个结论推理：从已知事实出发，运用相关知识逐步推出某个结论l不确定性：现实世界的本质特征之一不确定性：现实世界的本质特征之一l事实事实/ /知识的不确定性知识的不确定性 结论的不确定性结论的不确定性第第4章章 不确定性推理方法不确定性推理方法4.1 不确定性推理的概念不确定性推理的概念l不确定性的表示与度量不确定性的表示与度量4.1 不确定性推理的概念不确定性推理的概念l不确定性的表示与度量不确定性的表示与度量4.1 不确定性推理的概念不确定性推理的概念l不确定性推理中的算法不确定性

2、推理中的算法IF A会飞 Then A是鸟鸡天鹅鹅0.200.50.9 14.1 不确定性推理的概念不确定性推理的概念l不确定性推理中的算法不确定性推理中的算法IF A会飞 AND A下蛋 Then A是鸟鸡会飞: 0.5鸡下蛋: 0.95鸡会飞 AND 下蛋 : ?4.1 不确定性推理的概念不确定性推理的概念l不确定性推理中的算法不确定性推理中的算法IF A会飞 AND A下蛋 Then A是鸟鸡会飞: 0.5鸡下蛋: 0.95鸡会飞 AND 下蛋 : ?IF A是鸟 Then A在树上做窝A是鸟: ?A做窝: ?4.1 不确定性推理的概念不确定性推理的概念l不确定性推理中的算法不确定性推理

3、中的算法IF A会飞 AND A下蛋 Then A是鸟A是鸟: 0.6最终A是鸟: ?IF A有翅膀 AND A吃虫 Then A是鸟A是鸟: 0.84.1 不确定性推理的概念不确定性推理的概念l概率推理概率推理4.1 不确定性推理的概念不确定性推理的概念IF A会飞 Then A是鸟会飞的动物: 1000鸟类: 880会飞的鸟类: 720()(|)( )P HEP H EP El概率推理概率推理4.1 不确定性推理的概念不确定性推理的概念IF A会飞 Then A是鸟 (0.72)会飞的动物: 1000鸟类: 880会飞的鸟类: 720()(|)( )P HEP H EP El概率推理概率推

4、理4.1 不确定性推理的概念不确定性推理的概念()(|)(|)( )iiiP HP E HP HEP El概率推理概率推理4.1 不确定性推理的概念不确定性推理的概念()(|)(|)( )iiiP HP E HP HEP E调查统计:支气管炎300人, 其中咳嗽150人肺炎400人, 其中咳嗽120人流感300人, 其中咳嗽120人P(H1)=0.3, P(H2)=0.4, P(H3)=0.3IF 咳嗽 Then 支气管炎 (0.384)IF 咳嗽 Then 肺炎 (0.308)IF 咳嗽 Then 流感 (0.308)P(E|H1)=0.5, P(E|H2)=0.3, P(E|H3)=0.4

5、l概率推理概率推理4.1 不确定性推理的概念不确定性推理的概念()(|)(|)( )iiiP HP E HP HEP El可信度的概念可信度的概念4.2 可信度方法可信度方法 IF E Then Hl可信度的表示可信度的表示4.2 可信度方法可信度方法 IF E Then H (CF(H,E)-101支持程度反对程度l可信度的表示可信度的表示4.2 可信度方法可信度方法 -101支持程度反对程度IF 头痛 Then 感冒 (0.4)l可信度的表示可信度的表示4.2 可信度方法可信度方法 IF 头痛 Then 感冒 (0.4)-101支持程度反对程度CF(头痛) = 0.5l可信度计算可信度计算

6、4.2 可信度方法可信度方法 IF 头痛 Then 感冒 (0.4)-101支持程度反对程度CF(头痛) = 0.5CF(感冒) = 0.50.4 = 0.2l可信度计算可信度计算4.2 可信度方法可信度方法 CF(头痛 OR 流涕) = max0.5,0.9 = 0.9IF 头痛 OR 流涕 Then 感冒 (0.4)CF(头痛) = 0.5CF(流涕) = 0.9CF(感冒) = 0.90.4 = 0.36l可信度计算可信度计算4.2 可信度方法可信度方法 CF(头痛 AND 流涕) = min0.5,0.9 = 0.5IF 头痛 AND 流涕 Then 感冒 (0.7)CF(头痛) =

7、0.5CF(流涕) = 0.9CF(感冒) = 0.50.7 = 0.35l可信度计算可信度计算4.2 可信度方法可信度方法 1212121212121212()()()()IF ()0()0()()()()()IF ()0()0()()ELSE1 min() ,()CF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF H l可信度计算可信度计算4.2 可信度方法可信度方法 CF1(感冒) = min0.5,0.90.7 = 0.35IF 头痛 AND 流涕 Then 感冒 (0.7)CF(头痛) = 0.5CF(

8、流涕) = 0.9IF 腺病毒36感染 Then 感冒 (0.8)CF(腺病毒36感染) = 0.81212121212121212()()()()IF ()0()0()()()()()IF ()0()0()()ELSE1 min() ,()CF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF HCF H CF2(感冒) = 0.80.8 = 0.64CF(感冒) = 0.35+0.64-0.350.64 = 0.766lCF模型设计模型设计4.2 可信度方法可信度方法 )()|(0)()|()(1)()|(1)(1),(

9、HPEHPHPEHPHPHPEHPHPEHMB若)()|(0)()|()()()(),|(min0)(1),(HPEHPHPEHPHPHPHPEHPHPEHMD若lCF模型设计模型设计4.2 可信度方法可信度方法 (| )( )( , ) (| )( )1( )( , )( )(| )( , ) (| )( )( )P H EP HMB H EP H EP HP HCF H EP HP H EMD H EP H EP HP HlCF模型设计模型设计4.2 可信度方法可信度方法 (| )( ) (| )( )1( )( , )( )(| ) (| )( )( )P H EP HP H EP HP

10、 HCF H EP HP H EP H EP HP HlCF模型设计模型设计4.2 可信度方法可信度方法 ),()(1)()|()()()|(),(EHMBHPHPEHPHPHPEHPEHMD(, )(, )(, )(, )0CF H ECFH EMB H EMDH ElCF模型设计模型设计4.2 可信度方法可信度方法 niiEHCF11),(l示例示例: 地震预测地震预测4.2 可信度方法可信度方法 1000天狗狂吠302猪拱门268鸭惊叫196牛刨地132鸡上树95蜜蜂群迁63鸽不回巢25l示例示例: 地震预测地震预测4.2 可信度方法可信度方法 (| )( ) (| )( )1( )(

11、, )( )(| ) (| )( )( )P H EP HP H EP HP HCF H EP HP H EP H EP HP H1000天12天地震狗狂吠3026猪拱门2683鸭惊叫1963牛刨地1328鸡上树957蜜蜂群迁636鸽不回巢259l示例示例: 地震预测地震预测4.2 可信度方法可信度方法 1000天12天地震CF(H,E)狗狂吠3026猪拱门2683鸭惊叫1963牛刨地1328鸡上树957蜜蜂群迁636鸽不回巢259(| )( ) (| )( )1( )( , )( )(| ) (| )( )( )P H EP HP H EP HP HCF H EP HP H EP H EP

12、HP Hl示例示例: 地震预测地震预测4.2 可信度方法可信度方法 1000天12天地震CF(H,E)狗狂吠30260.008猪拱门26830.067鸭惊叫19630.003牛刨地13280.049鸡上树9570.062蜜蜂群迁6360.084鸽不回巢2590.352(| )( ) (| )( )1( )( , )( )(| ) (| )( )( )P H EP HP H EP HP HCF H EP HP H EP H EP HP Hl示例示例: 地震预测地震预测4.2 可信度方法可信度方法 1000天12天地震CF(H,E)狗狂吠30260.008猪拱门26830.067鸭惊叫19630.

13、003牛刨地13280.049鸡上树9570.062蜜蜂群迁6360.084鸽不回巢2590.352(| )( ) (| )( )1( )( , )( )(| ) (| )( )( )P H EP HP H EP HP HCF H EP HP H EP H EP HP H0.0740.1110.4060.441作业练习作业练习1.选题和问题域分析（天气预测、台风预测、堵车预测）2.技术要点和设计过程描述。3.数据收集（模拟）和运行测试4.优缺点讨论4.3 证据理论证据理论 4.3 证据理论证据理论 ()0( )1ADMM A 4.3 证据理论证据理论 案件推理案件推理小强小强0.3小强小强,小

14、明小明0.2小强小强, 小明小明, 小红小红0.1小明小明0小明小明,小红小红0.1小红小红0.1小强小强,小红小红0.2()0( )1ADMM A 4.3 证据理论证据理论 ( )( )BABel AM B4.3 证据理论证据理论 案件推理案件推理小强小强0.3小强小强,小明小明0.2小强小强, 小明小明, 小红小红0.1小明小明0小明小明,小红小红0.1小红小红0.1小强小强,小红小红0.2Bel(小强小强)Bel(小红小红)Bel(小强小强,小明小明)Bel(小明小明,小红小红)Bel(小强小强,小红小红)Bel(小强小强, 小明小明, 小红小红)( )( )BABel AM B4.3

15、证据理论证据理论 案件推理案件推理小强小强0.3小强小强,小明小明0.2小强小强, 小明小明, 小红小红0.1小明小明0小明小明,小红小红0.1小红小红0.1小强小强,小红小红0.2Bel(小强小强)0.3Bel(小红小红)0.1Bel(小强小强,小明小明)Bel(小明小明,小红小红)Bel(小强小强,小红小红)Bel(小强小强, 小明小明, 小红小红)( )( )BABel AM B4.3 证据理论证据理论 案件推理案件推理小强小强0.3小强小强,小明小明0.2小强小强, 小明小明, 小红小红0.1小明小明0小明小明,小红小红0.1小红小红0.1小强小强,小红小红0.2Bel(小强小强)0.

16、3Bel(小红小红)0.1Bel(小强小强,小明小明)0.3+0.2=0.5Bel(小明小明,小红小红)0.1+0.1=0.2Bel(小强小强,小红小红)0.3+0.1+0.2=0.6Bel(小强小强, 小明小明, 小红小红)1( )( )BABel AM B4.3 证据理论证据理论 ( )1()Pl ABelA 4.3 证据理论证据理论 案件推理案件推理小强小强0.3小强小强,小明小明0.2小强小强, 小明小明, 小红小红0.1小明小明0小明小明,小红小红0.1小红小红0.1小强小强,小红小红0.2Bel(小强小强)0.3Pl(小强小强)Bel(小红小红)0.1Pl(小明小明)Bel(小强小

17、强,小明小明)0.5Pl(小红小红)Bel(小明小明,小红小红)0.2Pl(小强小强,小明小明)Bel(小强小强,小红小红)0.6Pl(小明小明,小红小红)Bel(小强小强, 小明小明, 小红小红)1Pl(小强小强, 小明小明, 小红小红)( )1()Pl ABelA 4.3 证据理论证据理论 案件推理案件推理小强小强0.3小强小强,小明小明0.2小强小强, 小明小明, 小红小红0.1小明小明0小明小明,小红小红0.1小红小红0.1小强小强,小红小红0.2Bel(小强小强)0.3Pl(小强小强)1-0.2=0.8Bel(小红小红)0.1Pl(小明小明)1-0.6=0.4Bel(小强小强,小明小

18、明)0.5Pl(小红小红)1-0.5=0.5Bel(小明小明,小红小红)0.2Pl(小强小强,小明小明)Bel(小强小强,小红小红)0.6Pl(小明小明,小红小红)Bel(小强小强, 小明小明, 小红小红)1Pl(小强小强, 小明小明, 小红小红)( )1()Pl ABelA 4.3 证据理论证据理论 案件推理案件推理小强小强0.3小强小强,小明小明0.2小强小强, 小明小明, 小红小红0.1小明小明0小明小明,小红小红0.1小红小红0.1小强小强,小红小红0.2Bel(小强小强)0.3Pl(小强小强)1-0.2=0.8Bel(小红小红)0.1Pl(小明小明)1-0.6=0.4Bel(小强小强

19、,小明小明)0.5Pl(小红小红)1-0.5=0.5Bel(小明小明,小红小红)0.2Pl(小强小强,小明小明)1-0.1=0.9Bel(小强小强,小红小红)0.6Pl(小明小明,小红小红)1-0.3=0.7Bel(小强小强, 小明小明, 小红小红)1Pl(小强小强, 小明小明, 小红小红)1( )1()Pl ABelA 4.3 证据理论证据理论 Bel(小强小强)0.3Pl(小强小强)1-0.2=0.8Bel(小红小红)0.1Pl(小明小明)1-0.6=0.4Bel(小强小强,小明小明)0.5Pl(小红小红)1-0.5=0.5Bel(小明小明,小红小红)0.2Pl(小强小强,小明小明)1-0

20、.1=0.9Bel(小强小强,小红小红)0.6Pl(小明小明,小红小红)1-0.3=0.7Bel(小强小强, 小明小明, 小红小红)1Pl(小强小强, 小明小明, 小红小红)11()1niiBelA1()1niiPlA4.3 证据理论证据理论 Bel(小强小强)0.3Pl(小强小强)1-0.2=0.8Bel(小红小红)0.1Pl(小明小明)1-0.6=0.4Bel(小强小强,小明小明)0.5Pl(小红小红)1-0.5=0.5Bel(小明小明,小红小红)0.2Pl(小强小强,小明小明)1-0.1=0.9Bel(小强小强,小红小红)0.6Pl(小明小明,小红小红)1-0.3=0.7Bel(小强小强

21、, 小明小明, 小红小红)1Pl(小强小强, 小明小明, 小红小红)11()1niiBelA1()1niiPlA1)(1niiAf)()()(APlAfABel()1( )fAf A 4.3 证据理论证据理论 ACBCMBMKAM)()(1)(21CBCBCMBMCMBMK)()()()(121210K1: 两组证据一致或仅部分信息冲突，可给出组合结果两组证据一致或仅部分信息冲突，可给出组合结果K=1: 两组证据相互矛盾，不能给出组合结果两组证据相互矛盾，不能给出组合结果K=0: 两组证据无冲突，即意见一致两组证据无冲突，即意见一致 1)(DAAM4.3 证据理论证据理论 AAniiiiAMK

22、AM1)(1)( iAniiiAMK1)(4.3 证据理论证据理论 案件推理案件推理小强小强0.6小明小明0小红小红0.1小强小强, 小明小明, 小红小红0.3小强小强0.4小明小明0.2小红小红0.3小强小强, 小明小明, 小红小红0.1小强小强小明小明小红小红小强小强, 小明小明, 小红小红121( )( )B CKMBMC 4.3 证据理论证据理论 案件推理案件推理小强小强0.6小明小明0小红小红0.1小强小强, 小明小明, 小红小红0.3小强小强0.4小明小明0.2小红小红0.3小强小强, 小明小明, 小红小红0.1小强小强小明小明小红小红小强小强, 小明小明, 小红小红121( )(

23、 )1(0.60.20.60.3+0.1 0.40.1 0.2)0.64B CKMBMC 4.3 证据理论证据理论 案件推理案件推理小强小强0.6小明小明0小红小红0.1小强小强, 小明小明, 小红小红0.3小强小强0.4小明小明0.2小红小红0.3小强小强, 小明小明, 小红小红0.1小强小强小明小明小红小红小强小强, 小明小明, 小红小红12( )( )0.64B CKMBMCACBCMBMKAM)()(1)(214.3 证据理论证据理论 案件推理案件推理小强小强0.6小明小明0小红小红0.1小强小强, 小明小明, 小红小红0.3小强小强0.4小明小明0.2小红小红0.3小强小强, 小明小

24、明, 小红小红0.1小强小强(0.60.4+0.60.1+0.30.4)/0.64 = 0.42/0.64小明小明(0.20.3)/0.64 = 0.06/0.64小红小红(0.10.3+0.10.1+0.30.3)/0.64 = 0.13/0.64小强小强, 小明小明, 小红小红(0.30.1)/0.64 = 0.03/0.6412( )( )0.64B CKMBMCACBCMBMKAM)()(1)(214.3 证据理论证据理论 案件推理案件推理小强小强0.99小明小明0.01小红小红0小强小强0小明小明0.01小红小红0.99小强小强小明小明小红小红12( )( )B CKMBMCACBC

25、MBMKAM)()(1)(214.3 证据理论证据理论 Zadeh悖论悖论小强小强0.99小明小明0.01小红小红0小强小强0小明小明0.01小红小红0.99小强小强0小明小明1小红小红012( )( )B CKMBMCACBCMBMKAM)()(1)(21作业练习作业练习l假设你是一名美国政府安全顾问，负责反恐预防和警报工作。每次可疑恐怖袭击发生前，可能有分别来自国家安全局(NSA)、联邦调查局(FBI)、中央情报局(CIA)的情报证据，包括对恐怖袭击来源的概率分配。试开发一个软件程序对证据进行合成分析。4.4 模糊推理模糊推理 4.4 模糊推理模糊推理 小强 A小明 A小红 AA(小强)

26、= 0.72A(小明) = 0.5A(小红) = 0.08小强(身高=182)小明(身高=170)小红(身高=156)120 150( )201() 150150Axxxx高个子A = x| 身高(x)1804.4 模糊推理模糊推理 小强(身高=182)小明(身高=170)小红(身高=156)1 150165( ) 150165150 165AxxxxxA: 矮矮B: 中中C: 高高0 155175155( )16517510Bxxxxxxx0 170170( ) 170185151 185Axxxxx矮矮中中高高小强小强000.8小明小明00.50小红小红0.60.

27、104.4 模糊推理模糊推理 A快速交通 = 1.0/飞机+0.9/火车+0.6/小汽车+0.4/大汽车+0.1/电动车A快速交通 = (1.0,飞机), (0.9,火车), (0.6,小汽车), (0.4,大汽车), (0.1,电动车)A快速交通 = 1.0,0.9,0.6,0.4,0.1 默认元素顺序:飞机,火车,小汽车,大汽车,电动车4.4 模糊推理模糊推理 A(x) B(x) A(x) B(x) A(x) B(x) A(x)4.4 模糊推理模糊推理 C(x) A(x) B(x) A(x) B(x) C(x) A(x) B(x) A(x) B(x) AB(x) A(x) B(x) A+B

28、(x) A(x)+ B(x) A B(x) A(x)+ B(x) 1 A(x)+ B(x) A B(x) A(x)+ B(x) 1) 1 A(x)+ B(x)-1)4.4 模糊推理模糊推理 )4.4 模糊推理模糊推理 4.4 模糊推理模糊推理 A(x) A = 0.2/泰山, 0.3/嵩山, 0.4/恒山, 0.6/华山, 0.8/衡山A0.8 = 衡山A0.6 = 华山, 衡山A0.4 = 恒山, 华山, 衡山A0.3 = 嵩山, 恒山, 华山, 衡山A0.2 = 泰山, 嵩山, 恒山, 华山, 衡山4.4 模糊推理模糊推理 A(x) A = 0.2/泰山, 0.3/嵩山, 0.4/恒山,

29、0.6/华山, 0.8/衡山A0.8 = 衡山A0.6 = 华山, 衡山A0.4 = 恒山, 华山, 衡山A0.3 = 嵩山, 恒山, 华山, 衡山A0.2 = 泰山, 嵩山, 恒山, 华山, 衡山0,10,1 , ( ), ( )( )0 AAAxAAAxxxxA其中0.8A0.8 = 0.8/衡山0.6A0.6 = 0.6/华山, 0.6/衡山0.4A0.6 = 0.6/华山, 0.6/衡山0.3A0.3 = 0.3/嵩山, 0.3/恒山, 0.3/华山, 0.3/衡山0.2A0.2 = 0.2/泰山, 0.2/嵩山, 0.2/恒山, 0.2/华山, 0.2/衡山4.4 模糊推理模糊推理

30、A(x) A(x)|x X B(x)|f(x) Y( )( ) ( )0 Af xyBxyYxyY0,10,1 , ( ), ( )( )0 AAAxAAAxxxxA其中A = 0.2/泰山, 0.3/嵩山, 0.4/恒山, 0.6/华山, 0.8/衡山f: 泰山玉皇顶, 嵩山连天峰, 恒山玄武峰, 华山南峰, 衡山祝融峰B = 0.2/玉皇顶, 0.3/连天峰, 0.4/玄武峰, 0.6/南峰, 0.8/祝融峰4.4 模糊推理模糊推理 红红绿绿蓝蓝x0.20.80.4y0.60.20.34.4 模糊推理模糊推理 红红绿绿蓝蓝x0.20.80.4y0.60.20.3暖暖冷冷红红0.90.1绿绿

31、0.30.7蓝蓝0.10.9暖暖冷冷x0.30.7y0.60.3最大最大最小合成法最小合成法暖暖冷冷x0.240.56y0.540.27最大最大代数合成法代数合成法4.4 模糊推理模糊推理 1 0 ijijijrrr0.4,0.5,0.60.1,0.2,0.00.8,0.6,0.9R0.50,1,10,0,01,1,1R0.21,1,10,1,11,1,1R4.4 模糊推理模糊推理 4.4 模糊推理模糊推理 年收入x: L, M, H年消费y: L, M, H稳定性z: L, H 0150K100K20KLMHx0140K80K10KLMHy0118306LHz4.4 模糊推理模糊推理 年收入

32、x: L, M, H年消费y: L, M, H稳定性z: L, H风险RISK: L, M, H0150K100K20KLMHx0140K80K10KLMHy0118306LHzIF x is H AND y is L THEN RISK is LIF x is M AND y is L AND z is H THEN RISK is LIF x is M AND y is M AND z is H THEN RISK is MIF x is M AND z is L THEN RISK is HIF x is M AND y is H THEN RISK is HIF x is L THEN

33、 RISK is Hx=70, y=30, z=24RISK=?4.4 模糊推理模糊推理 x: L(0), M(0.6), H(0.2)y: L(0.3), M(0.7), H(0)z: L(0), H(0.7)0150K100K20KLMHx0140K80K10KLMHy0118306LHzIF x is H AND y is L THEN RISK is LIF x is M AND y is L AND z is H THEN RISK is LIF x is M AND y is M AND z is H THEN RISK is MIF x is M AND z is L THEN

34、RISK is HIF x is M AND y is H THEN RISK is HIF x is L THEN RISK is Hx=70, y=30, z=24RISK=?4.4 模糊推理模糊推理 x: L(0), M(0.6), H(0.2)y: L(0.3), M(0.7), H(0)z: L(0), H(0.7)0150K100K20KLMHx0140K80K10KLMHy0118306LHzIF x is H AND y is L THEN RISK is L (0.2)IF x is M AND y is L AND z is H THEN RISK is L (0.3)IF

35、 x is M AND y is M AND z is H THEN RISK is M (0.6)IF x is M AND z is L THEN RISK is HIF x is M AND y is H THEN RISK is HIF x is L THEN RISK is Hx=70, y=30, z=24RISK=?4.4 模糊推理模糊推理 x: L(0), M(0.6), H(0.2)y: L(0.3), M(0.7), H(0)z: L(0), H(0.7)010.50.80.2LMHyRISK is L (0.3)RISK is M (0.6)x=70, y=30, z=2

36、4RISK=?4.4 模糊推理模糊推理 x: L(0), M(0.6), H(0.2)y: L(0.3), M(0.7), H(0)z: L(0), H(0.7)010.50.80.2LMHyRISK is L (0.3)RISK is M (0.6)x=70, y=30, z=24RISK=0.454.4 模糊推理模糊推理 x: L(0), M(0.6), H(0.2)y: L(0.3), M(0.7), H(0)z: L(0), H(0.7)010.50.80.2LMHyRISK is L (0.3)RISK is M (0.6)x=70, y=30, z=24RISK=(0.3*0.33

37、+0.6*0.45)/(0.3+0.6)=0.41作业练习作业练习1.评价指标（课程成绩、发表论文、项目工作）2.模糊集设计3.模糊规则设计4.数据收集（模拟）和运行测试5.优缺点分析4.4 模糊推理模糊推理 A B(a,b) = AT B水位x(0100): L, M, H阀门y(0180): S, M, L1.00.0,0.2,1.00.30.0,0.2,1.00.0,0.2,0.30.00.0,0.0,0.0R4.4 模糊推理模糊推理 A B(a,b) = AT B水位x(0100): L, M, H阀门y(0180): S, M, L 0, 40, 1351.00.0,0.2,1.00

38、.30.0,0.2,1.00.0,0.2,0.30.00.0,0.0,0.0Rx=33 = 0.6,0.8,0.0R = 0.0,0.2,0.6y = (0.2*40+0.6*135)/(0.2+0.6) = 73.75作业练习作业练习l输入: 前一晚睡觉时间（很早、早、正常、晚、很晚）l输出: 第二天起床时间（早起一会、正常起、多睡一会）4.4 模糊推理模糊推理 对象对象属性属性A1A2AnX1x11x12x1nX2x21x22x2nXmxm1xm2xmn2221122|()()()ijijijinjnXXxxxxxx4.4 模糊推理模糊推理 2221122|()()()ijijijinjn

39、XXxxxxxx104.581026C1C2C3C44.4 模糊推理模糊推理 汽车汽车属性属性最高时速最高时速耗油量耗油量爬坡度爬坡度X11001015X21201420X31301018X415012194.4 模糊推理模糊推理 1.建立模糊相似矩阵建立模糊相似矩阵M汽车汽车属性属性最高时速最高时速耗油量耗油量爬坡度爬坡度X11001015X21201420X31301018X4150121911()()nikjkkijnikjkkxxrxx1.00,0.81,0.79,0.690.81,1.00,0.90,0.820.79,0.90,1.00,0.870.69,0.82,0.87,1.00M4.4 模糊推理模糊推理 1.建立模糊相似矩阵建立模糊相似矩阵M2.计算模糊等价矩阵计算模糊等价矩阵R: 计算计算M的传递闭包的传递闭包汽车汽车属性属性最高时速最高时速耗油量耗油量爬坡度爬坡度X11001015X21201420X31301018X4150121911()()nikjkkijnikjkkxxrxx1.00,0.81,0.