不确定性推理方法

第章不确定性推理方法第一页，共92页。不确定性推理方法推理：从已知事实出发，运用相关知识逐步推出某个结论不确定性：现实世界的本质特征之一事实/知识的不确定性结论的不确定性第二页，共92页。第4章不确定性推理方法4.1不确定性推理的概念4.2可信度方法4.3证据理论4.4模糊推理方法第三页，共92页。4.1不确定性推理的概念不确定性的表示与度量不确定性：随机性、模糊性、不完备性、不精确性等语言的不精确关联的随机性/模糊性数据或知识的缺失观点的冲突第四页，共92页。4.1不确定性推理的概念不确定性的表示与度量不确定性：随机性、模糊性、不完备性、不精确性等知识的不确定性：静态强度事实（证据）的不确定性：动态强度第五页，共92页。4.1不确定性推理的概念不确定性推理中的算法匹配算法：匹配程度在指定限度（阈值）内则认为可匹配IFA会飞ThenA是鸟鸡天鹅鹅0.200.50.91第六页，共92页。4.1不确定性推理的概念不确定性推理中的算法匹配算法：匹配程度在指定限度（阈值）内则认为可匹配组合证据不确定性的算法IFA会飞ANDA下蛋ThenA是鸟鸡会飞:0.5鸡下蛋:0.95鸡会飞AND下蛋:?第七页，共92页。4.1不确定性推理的概念不确定性推理中的算法匹配算法：匹配程度在指定限度（阈值）内则认为可匹配组合证据不确定性的算法不确定性的传递算法IFA会飞ANDA下蛋ThenA是鸟鸡会飞:0.5鸡下蛋:0.95鸡会飞AND下蛋:?IFA是鸟ThenA在树上做窝A是鸟:?A做窝:?第八页，共92页。4.1不确定性推理的概念不确定性推理中的算法匹配算法：匹配程度在指定限度（阈值）内则认为可匹配组合证据不确定性的算法不确定性的传递算法结论不确定性的合成IFA会飞ANDA下蛋ThenA是鸟A是鸟:0.6最终A是鸟:?IFA有翅膀ANDA吃虫ThenA是鸟A是鸟:0.8第九页，共92页。4.1不确定性推理的概念第十页，共92页。概率推理4.1不确定性推理的概念IFEThenHP(H|E)IFA会飞ThenA是鸟会飞的动物:1000鸟类:880会飞的鸟类:720第十一页，共92页。概率推理4.1不确定性推理的概念IFEThenHP(H|E)IFA会飞ThenA是鸟(0.72)会飞的动物:1000鸟类:880会飞的鸟类:720第十二页，共92页。概率推理4.1不确定性推理的概念IFEThenHiP(Hi|E)第十三页，共92页。概率推理4.1不确定性推理的概念IFEThenHiP(Hi|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第十四页，共92页。概率推理4.1不确定性推理的概念数据统计困难条件概率与先验概率可能不一致易忽略隐含概率的存在第十五页，共92页。可信度的概念可信度(Certainty):对某个事物或现象为真的相信程度

4.2可信度方法IFE

ThenH第十六页，共92页。可信度的表示CF(H,E)[-1,1]:知识的可信度4.2可信度方法IFE

ThenH(CF(H,E))-101支持程度反对程度第十七页，共92页。可信度的表示CF(H,E)[-1,1]:知识的可信度4.2可信度方法-101支持程度反对程度IF头痛Then感冒(0.4)第十八页，共92页。可信度的表示CF(H,E)[-1,1]:知识的可信度CF(E):证据的可信度4.2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)=0.5第十九页，共92页。可信度计算CF(H,E)[-1,1]:知识的可信度CF(E):证据的可信度CF(H)=CF(H,E)max{0,CF(E))4.2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=0.2第二十页，共92页。可信度计算CF(H,E)[-1,1]:知识的可信度CF(E):证据的可信度CF(H)=CF(H,E)max{0,CF(E))多个证据析取:CF(E)=max{CF(E1),CF(E2),…,CF(En)}4.2可信度方法CF(头痛OR流涕)=max{0.5,0.9}=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=0.36第二十一页，共92页。可信度计算CF(H,E)[-1,1]:知识的可信度CF(E):证据的可信度CF(H)=CF(H,E)max{0,CF(E))多个证据合取:CF(E)=min{CF(E1),CF(E2),…,CF(En)}4.2可信度方法CF(头痛AND流涕)=min{0.5,0.9}=0.5IF头痛AND流涕Then感冒(0.7)CF(头痛)=0.5CF(流涕)=0.9CF(感冒)=0.50.7=0.35第二十二页，共92页。可信度计算CF(H,E)[-1,1]:知识的可信度CF(E):证据的可信度CF(H)=CF(H,E)max{0,CF(E))多个证据:CF(E)=max{CF(E1),CF(E2),…,CF(En)}结论不确定性的合成4.2可信度方法第二十三页，共92页。可信度计算结论不确定性的合成4.2可信度方法CF1(感冒)=min{0.5,0.9}0.7=0.35IF头痛AND流涕Then感冒(0.7)CF(头痛)=0.5CF(流涕)=0.9IF腺病毒36感染Then感冒(0.8)CF(腺病毒36感染)=0.8CF2(感冒)=0.80.8=0.64CF(感冒)=0.35+0.64-0.350.64=0.766第二十四页，共92页。CF模型设计信任增长度MB(H,E)不信任增长度MD(H,E)CF(H,E)=MB(H,E)-MD(H,E)4.2可信度方法第二十五页，共92页。CF模型设计信任增长度MB(H,E)不信任增长度MD(H,E)CF(H,E)=MB(H,E)-MD(H,E)4.2可信度方法第二十六页，共92页。CF模型设计CF(H,E)>0:证据E的出现增加了H为真的概率CF(H,E)=0:证据E与H无关。CF(H,E)<0:证据E的出现减少了H为真的概率4.2可信度方法第二十七页，共92页。CF模型设计互斥性:MB(H,E)>0MD(H,E)=0,MD(H,E)>0MB(H,E)=0值域:0≤MB(H,E)≤1,0≤MD(H,E)≤1,-1≤CF(H,E)≤1对H的信任增长度等于对非H的不信任增长度4.2可信度方法第二十八页，共92页。CF模型设计互斥性:MB(H,E)>0MD(H,E)=0,MD(H,E)>0MB(H,E)=0值域:0≤MB(H,E)≤1,0≤MD(H,E)≤1,-1≤CF(H,E)≤1对H的信任增长度等于对非H的不信任增长度CF(E)=CF(E)同一证据支持多个不同结论:4.2可信度方法第二十九页，共92页。示例:地震预测鸡、鸭、猪、狗、牛、鸽子、蜜蜂的行为收集1000天观察结果其中地震12天4.2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25第三十页，共92页。示例:地震预测鸡、鸭、猪、狗、牛、鸽子、蜜蜂的行为收集1000天观察结果其中地震12天4.2可信度方法1000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259第三十一页，共92页。示例:地震预测鸡、鸭、猪、狗、牛、鸽子、蜜蜂的行为收集1000天观察结果其中地震12天4.2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第三十二页，共92页。示例:地震预测鸡、鸭、猪、狗、牛、鸽子、蜜蜂的行为收集1000天观察结果其中地震12天4.2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第三十三页，共92页。示例:地震预测鸡、鸭、猪、狗、牛、鸽子、蜜蜂的行为收集1000天观察结果其中地震12天4.2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2590.3520.0740.1110.4060.441第三十四页，共92页。作业练习运用可信度方法设计一个智能预测软件选题和问题域分析（天气预测、台风预测、堵车预测…）技术要点和设计过程描述。数据收集（模拟）和运行测试优缺点讨论第三十五页，共92页。4.3证据理论

特点知识:产生式表示证据和结论:集合表示知识的不确定性:基于集合形式的可信度因子证据和结论的不确定性:信任函数和第三十六页，共92页。4.3证据理论

概率分配函数样本空间:D为x所有可能取值的有限集合，且其中的元素是互斥的基本概率分配函数:样本空间D上的函数M:2D[0,1]，其满足:第三十七页，共92页。4.3证据理论

概率分配函数案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}唯一目击证人提供的概率分配{小强}0.3{小强,小明}0.2{小强,小明,小红}0.1{小明}0{小明,小红}0.1{小红}0.1{小强,小红}0.2第三十八页，共92页。4.3证据理论

信任函数Bel(A):2D[0,1]，表示对A为真的信任程度第三十九页，共92页。4.3证据理论

信任函数案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}唯一目击证人提供的概率分配{小强}0.3{小强,小明}0.2{小强,小明,小红}0.1{小明}0{小明,小红}0.1{小红}0.1{小强,小红}0.2Bel({小强})Bel({小红})Bel({小强,小明})Bel({小明,小红})Bel({小强,小红})Bel({小强,小明,小红})第四十页，共92页。4.3证据理论

信任函数案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}唯一目击证人提供的概率分配{小强}0.3{小强,小明}0.2{小强,小明,小红}0.1{小明}0{小明,小红}0.1{小红}0.1{小强,小红}0.2Bel({小强})0.3Bel({小红})0.1Bel({小强,小明})Bel({小明,小红})Bel({小强,小红})Bel({小强,小明,小红})第四十一页，共92页。4.3证据理论

信任函数案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}唯一目击证人提供的概率分配{小强}0.3{小强,小明}0.2{小强,小明,小红}0.1{小明}0{小明,小红}0.1{小红}0.1{小强,小红}0.2Bel({小强})0.3Bel({小红})0.1Bel({小强,小明})0.3+0.2=0.5Bel({小明,小红})0.1+0.1=0.2Bel({小强,小红})0.3+0.1+0.2=0.6Bel({小强,小明,小红})1第四十二页，共92页。4.3证据理论

似然函数Pl(A):2D[0,1]，表示对A为非假的信任程度第四十三页，共92页。4.3证据理论

似然函数案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}唯一目击证人提供的概率分配{小强}0.3{小强,小明}0.2{小强,小明,小红}0.1{小明}0{小明,小红}0.1{小红}0.1{小强,小红}0.2Bel({小强})0.3Pl({小强})Bel({小红})0.1Pl({小明})Bel({小强,小明})0.5Pl({小红})Bel({小明,小红})0.2Pl({小强,小明})Bel({小强,小红})0.6Pl({小明,小红})Bel({小强,小明,小红})1Pl({小强,小明,小红})第四十四页，共92页。4.3证据理论

似然函数案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}唯一目击证人提供的概率分配{小强}0.3{小强,小明}0.2{小强,小明,小红}0.1{小明}0{小明,小红}0.1{小红}0.1{小强,小红}0.2Bel({小强})0.3Pl({小强})1-0.2=0.8Bel({小红})0.1Pl({小明})1-0.6=0.4Bel({小强,小明})0.5Pl({小红})1-0.5=0.5Bel({小明,小红})0.2Pl({小强,小明})Bel({小强,小红})0.6Pl({小明,小红})Bel({小强,小明,小红})1Pl({小强,小明,小红})第四十五页，共92页。4.3证据理论

似然函数案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}唯一目击证人提供的概率分配{小强}0.3{小强,小明}0.2{小强,小明,小红}0.1{小明}0{小明,小红}0.1{小红}0.1{小强,小红}0.2Bel({小强})0.3Pl({小强})1-0.2=0.8Bel({小红})0.1Pl({小明})1-0.6=0.4Bel({小强,小明})0.5Pl({小红})1-0.5=0.5Bel({小明,小红})0.2Pl({小强,小明})1-0.1=0.9Bel({小强,小红})0.6Pl({小明,小红})1-0.3=0.7Bel({小强,小明,小红})1Pl({小强,小明,小红})1第四十六页，共92页。4.3证据理论

信任函数和似然函数Bel({小强})0.3Pl({小强})1-0.2=0.8Bel({小红})0.1Pl({小明})1-0.6=0.4Bel({小强,小明})0.5Pl({小红})1-0.5=0.5Bel({小明,小红})0.2Pl({小强,小明})1-0.1=0.9Bel({小强,小红})0.6Pl({小明,小红})1-0.3=0.7Bel({小强,小明,小红})1Pl({小强,小明,小红})1第四十七页，共92页。4.3证据理论

信任函数和似然函数类概率函数f:2D[0,1]Bel({小强})0.3Pl({小强})1-0.2=0.8Bel({小红})0.1Pl({小明})1-0.6=0.4Bel({小强,小明})0.5Pl({小红})1-0.5=0.5Bel({小明,小红})0.2Pl({小强,小明})1-0.1=0.9Bel({小强,小红})0.6Pl({小明,小红})1-0.3=0.7Bel({小强,小明,小红})1Pl({小强,小明,小红})1第四十八页，共92页。4.3证据理论

证据组合:概率分配函数的正交和M=M1

M2

性质0<K<1:两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K=0:两组证据无冲突，即意见一致第四十九页，共92页。4.3证据理论

证据组合:概率分配函数的正交和M=M1

M2…Mn

第五十页，共92页。4.3证据理论

证据组合案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}两名目击证人分别提供的概率分配{小强}0.6{小明}0{小红}0.1{小强,小明,小红}0.3{小强}0.4{小明}0.2{小红}0.3{小强,小明,小红}0.1{小强}{小明}{小红}{小强,小明,小红}第五十一页，共92页。4.3证据理论

证据组合案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}两名目击证人分别提供的概率分配{小强}0.6{小明}0{小红}0.1{小强,小明,小红}0.3{小强}0.4{小明}0.2{小红}0.3{小强,小明,小红}0.1{小强}{小明}{小红}{小强,小明,小红}第五十二页，共92页。4.3证据理论

证据组合案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}两名目击证人分别提供的概率分配{小强}0.6{小明}0{小红}0.1{小强,小明,小红}0.3{小强}0.4{小明}0.2{小红}0.3{小强,小明,小红}0.1{小强}{小明}{小红}{小强,小明,小红}第五十三页，共92页。4.3证据理论

证据组合案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}两名目击证人分别提供的概率分配{小强}0.6{小明}0{小红}0.1{小强,小明,小红}0.3{小强}0.4{小明}0.2{小红}0.3{小强,小明,小红}0.1{小强}(0.60.4+0.60.1+0.30.4)/0.64=0.42/0.64{小明}(0.20.3)/0.64=0.06/0.64{小红}(0.10.3+0.10.1+0.30.3)/0.64=0.13/0.64{小强,小明,小红}(0.30.1)/0.64=0.03/0.64第五十四页，共92页。4.3证据理论

证据组合案件推理凶杀案现场有三名嫌疑人{小强,小明,小红}两名目击证人分别提供的概率分配{小强}0.99{小明}0.01{小红}0{小强}0{小明}0.01{小红}0.99{小强}{小明}{小红}第五十五页，共92页。4.3证据理论

证据组合Zadeh悖论{小强}0.99{小明}0.01{小红}0{小强}0{小明}0.01{小红}0.99{小强}0{小明}1{小红}0第五十六页，共92页。作业练习运用证据理论设计一个恐怖袭击推理软件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。第五十七页，共92页。4.4

模糊推理

模糊推理:建立在模糊集合和模糊逻辑上的一种软计算第五十八页，共92页。经典集合论域U上的集合A,B,…论域中每个对象xAxAA(x){0,1}模糊集合(FuzzySet)论域U上的模糊集A,B,…隶属函数A(x)表示x属于A的程度A(x)[0,1]4.4

模糊推理

小强A小明A小红AA(小强)=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)高个子A={x|身高(x)180}第五十九页，共92页。4.4模糊推理

模糊集合(FuzzySet)小强(身高=182)小明(身高=170)小红(身高=156)A:矮B:中C:高矮中高{小强}000.8{小明}00.50{小红}0.60.10第六十页，共92页。4.4模糊推理

模糊集理论常见隶属函数:正态分布、三角分布、梯形分布…隶属函数确定方法:模糊统计法、专家经验法、二元对比排序法…模糊集表示法:Zadeh表示法,序偶表示法,向量表示法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,电动车第六十一页，共92页。4.4模糊推理

模糊集理论模糊集A=B:对任意元素x有A(x)=B(x)模糊集AB:对任意元素x有A(x)B(x)模糊集A=BC:对任意元素x有A(x)=1B(x)模糊集A=:对任意元素x有A(x)=0第六十二页，共92页。4.4模糊推理

模糊集理论模糊集C=AB:C(x)=min(A(x),B(x))=

A(x)B(x)模糊集C=AB:C(x)=max(A(x),B(x))=

A(x)B(x)代数积AB(x)=A(x)B(x)代数和A+B(x)=A(x)+B(x)有界和AB(x)=min(1,A(x)+B(x))=1(A(x)+B(x))有界积AB(x)=max(0,A(x)+B(x)1)=1(A(x)+B(x)-1)第六十三页，共92页。4.4模糊推理

模糊集理论幂等律AA=A,AA=A交换律AB=BA,AB=BA结合律(AB)C=A(BC),(AB)C=A(BC)吸收律(AB)B=B,(AB)B=B分配律(AB)C=(AC)(BC),(AB)C=(AC)(BC)复原律ACC=AA1=1,A1=A,A0=A,A0=0AAC=1,AAC=0第六十四页，共92页。4.4模糊推理

模糊集理论AAC=max(A,1A),AAC=min(A,1A)(AB)C=ACBC,(AB)C=ACBCAAC=1,AAC=0第六十五页，共92页。4.4模糊推理

模糊集理论水平截集:设A为论域U上的模糊集合，A的水平截集定义为A={x|A(x)},其中01A={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}第六十六页，共92页。4.4模糊推理

模糊集理论水平截集:设A为论域U上的模糊集合，A的水平截集定义为A={x|A(x)},其中01分解定理:A是一个模糊集，且有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}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}第六十七页，共92页。4.4模糊推理

模糊集理论水平截集:设A为论域U上的模糊集合，A的水平截集定义为A={x|A(x)},其中01分解定理:A是一个模糊集，且有扩张定理:设f:XY,A={x/A(x)|xX}是X上的模糊集合,则B={f(x)/B(x)|f(x)Y}是Y上的模糊集合,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}第六十八页，共92页。4.4模糊推理

模糊关系A到B的模糊关系RAB:AB[0,1]

红绿蓝x0.20.80.4y0.60.20.3第六十九页，共92页。4.4模糊推理

模糊关系A到B的模糊关系RAB:AB[0,1]模糊关系的合成RAC=RABRBC红绿蓝x0.20.80.4y0.60.20.3暖冷红0.90.1绿0.30.7蓝0.10.9暖冷x0.30.7y0.60.3最大—最小合成法暖冷x0.240.56y0.540.27最大—代数合成法第七十页，共92页。4.4模糊推理

模糊关系截矩阵:设模糊关系R的矩阵MR=(rij)，其截矩阵R=(rij),其中01,如RS,则对任意01,RS(RS)=RS(RS)=RS第七十一页，共92页。4.4模糊推理

模糊规则经典规则:

IF收入>100000THEN发放信用卡

模糊规则:

IF收入is高THEN发放信用卡

第七十二页，共92页。4.4模糊推理

模糊推理过程模糊化年收入x:L,M,H年消费y:L,M,H稳定性z:L,H0150K100K20KLMHx0140K80K10KLMHy0118306LHz第七十三页，共92页。4.4模糊推理

模糊推理过程模糊化实施模糊规则年收入x:L,M,H年消费y:L,M,H稳定性z:L,H风险RISK:L,M,H0150K100K20KLMHx0140K80K10KLMHy0118306LHzIFxisHANDyisLTHENRISKisLIFxisMANDyisLANDzisHTHENRISKisLIFxisMANDyisMANDzisHTHENRISKisMIFxisMANDzisLTHENRISKisHIFxisMANDyisHTHENRISKisHIFxisLTHENRISKisHx=70,y=30,z=24RISK=?第七十四页，共92页。4.4模糊推理

模糊推理过程模糊化实施模糊规则x:L(0),M(0.6),H(0.2)y:L(0.3),M(0.7),H(0)z:L(0),H(0.7)0150K100K20KLMHx0140K80K10KLMHy0118306LHzIFxisHANDyisLTHENRISKisLIFxisMANDyisLANDzisHTHENRISKisLIFxisMANDyisMANDzisHTHENRISKisMIFxisMANDzisLTHENRISKisHIFxisMANDyisHTHENRISKisHIFxisLTHENRISKisHx=70,y=30,z=24RISK=?第七十五页，共92页。4.4模糊推理

模糊推理过程模糊化实施模糊规则x:L(0),M(0.6),H(0.2)y:L(0.3),M(0.7),H(0)z:L(0),H(0.7)0150K100K20KLMHx0140K80K10KLMHy0118306LHzIFxisHANDyisLTHENRISKisL(0.2)IFxisMANDyisLANDzisHTHENRISKisL(0.3)IFxisMANDyisMANDzisHTHENRISKisM(0.6)IFxisMANDzisLTHENRISKisHIFxisMANDyisHTHENRISKisHIFxisLTHENRISKisHx=70,y=30,z=24RISK=?第七十六页，共92页。4.4模糊推理

模糊推理过程模糊化实施模糊规则规则聚合x:L(0),M(0.6),H(0.2)y:L(0.3),M(0.7),H(0)z:L(0),H(0.7)010.50.80.2LMHyRISKisL(0.3)RISKisM(0.6)x=70,y=30,z=24RISK=?第七十七页，共92页。4.4模糊推理

模糊推理过程模糊化实施模糊规则规则聚合逆模糊化x:L(0),M(0.6),H(0.2)y:L(0.3),M(0.7),H(0)z:L(0),H(0.7)010.50.80.2LMHyRISKisL(0.3)RISKisM(0.6)x=70,y=30,z=24RISK=0.45第七十八页，共92页。4.4模糊推理

模糊推理过程模糊化实施模糊规则规则聚合逆模糊化x:L(0),M(0.6),H(0.2)y:L(0.3),M(0.7),H(0)z:L(0),H(0.7)010.50.80.2LMHyRISKisL(0.3)RISKisM(0.6)x=70,y=30,z=24RISK=(0.3*0.33+0.6*0.45)/(0.3+0.6)=0.41第七十九页，共92页。作业练习设计一个优秀研究生模糊评定程序评价指标（课程成绩、发表论文、项目工作…）模糊集设计模糊规则设计数据收集（模拟）和运行测试优缺点分析第八十页，共92页。4.4模糊推理

模糊控制A到B的一个模糊关系:AB(a,b)=ATB水位x(0~100):L,M,H阀门y(0~180):S,M,L第八十一页，