不確定性知識處理的基本理論與方法

內容簡介

不確定性知識處理是人工智慧領域最基本的研究問題。本書對知識表示和推理、不確定性知識處理（亦簡稱不確定性處理）的基本理論與方法進行了全面、系統的闡述，內容包括知識表示與推理方法、不確定性知識處理的經典理論與方法、貝葉斯網推理與學習方法、粗糙集理論等四部分。本書一方面使讀者能夠透徹掌握主要的不確定性處理方法，另一方面也使讀者能夠掌握對不確定性處理開展科學研究及理論聯繫實際的方法。為此，本書在描述每個不確定性處理模型時，對模型的背景、模型的核心內容、概念的梳理與釐清、關鍵論點的證明、必要的算法、套用實例、模型的不足或困難等，都加以全面刻畫。書中還融入了作者的研究成果，其中一些難題是套用領域專家提出的。

圖書目錄

前言

第1章緒論

第2章知識表示

第3章推理方法與專家系統

第4章確定性因子理論

第5章確定性因子模型改進及其在衝突消解中的套用

第6章基於機率論的處理方法

第7章證據理論

第8章一種面向有序命題類問題的信息融合新方法

第9章加權模糊邏輯

第10章專家系統中的一種模糊推理模型——一種二階不確定性處理模型

第11章專家系統中不精確推理單位元

第12章兩級不確定性知識處理模型

第13章多ES協作系統中不一致性處理

第14章協作知識系統中衝突消解的辯論方法

第15章Belief的解釋和更新

第16章布爾代數上的Belief模型

第17章處理二階不確定性的內涵方法

第18章貝葉斯網的基本概念及推理方法

第19章貝葉斯網學習方法

第20章經典粗糙集

第21章粗糙集關係擴展模型

第22章粗糙集公理組的極小化

附錄

不確定性知識處理的基本理論與方法

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條