有如下推理规则： R1:IF E1 AND E2 THEN A={a1，a2} CF={0.3,0.5} R2:IF E3 THEN H={h1,h2} CF={0.4,0.2} R3:IF A TH...

这是一个基于规则的推理系统，其中包含三条规则：

R1: 如果条件E1和E2同时满足，则结论A为{a1，a2}，并且置信度为0.3和0.5。

R2: 如果条件E3满足，则结论H为{h1，h2}，并且置信度为0.4和0.2。

R3: 如果结论A为{a1，a2}，则结论B为{b1，b2，b3}，并且置信度为0.6、0.3和0.1；如果结论H为{h1，h2}，则结论B为{b2，b3，b4}，并且置信度为0.2、0.5和0.3。

该系统的推理过程如下：

1. 给定条件E1、E2、E3，根据规则R1和R2，得到结论A为{a1，a2}，H为{h1，h2}，并且它们的置信度分别为0.3、0.5、0.4和0.2。

2. 根据规则R3，结论A为{a1，a2}，得到结论B为{b1，b2，b3}，并且置信度为0.6、0.3和0.1。

3. 根据规则R3，结论H为{h1，h2}，得到结论B为{b2，b3，b4}，并且置信度为0.2、0.5和0.3。

因此，根据上述推理过程，可以得到结论B为{b1，b2，b3，b4}，并且它们的置信度分别为0.18、0.45、0.27和0.05。

相关问题

设有如下一组带有加权的推理规则： r1: IF E1(0.7) AND E2(0.3) THEN H1(0.9 0.6) r2: IF E1(0.4) AND E3(0.6) THEN H2(0.7 0.5) r3: IF E2(0.5) AND E3(0.5) THEN H3(0.8 0.6) r4: IF H1(0.7) AND H2(0.3) THEN H(1.0 0.7) r5: IF H1(0.4) AND H3(0.6) THEN H(0.9 0.5) 已知：CF(E1)=0.8, CF(E2)=0.6, CF(E3)=0.9 请用加权不确定性推理方法求出CF(H )的值。

根据加权不确定性推理方法，可以按照以下步骤计算 CF(H)：

1. 对于每个规则，计算其前提条件的置信度和不确定性因子的乘积，以及结论的置信度和不确定性因子的乘积。例如对于 r1，有：

- 前提条件 E1 的置信度和不确定性因子的乘积为 0.8 * (1 - 0.7) = 0.24；
- 前提条件 E2 的置信度和不确定性因子的乘积为 0.6 * (1 - 0.3) = 0.42；
- 结论 H1 的置信度和不确定性因子的乘积为 0.9 * (1 - 0.6) * 0.6 = 0.216。

2. 对于每个结论，计算所有前提条件的置信度和不确定性因子的乘积之和。例如对于 H1，有：

- r1 的前提条件 E1 和 E2 的置信度和不确定性因子的乘积之和为 0.24 + 0.42 = 0.66。

3. 对于每个结论，计算其置信度和不确定性因子的乘积之和。例如对于 H1，有：

- r1 的结论 H1 的置信度和不确定性因子的乘积为 0.216；
- r4 的前提条件 H1 的置信度和不确定性因子的乘积为 0.66 * (1 - 0.7) = 0.198；
- r4 的结论 H 的置信度和不确定性因子的乘积为 1.0 * (1 - 0.7) * 0.7 = 0.21。

4. 对于所有结论的置信度和不确定性因子的乘积之和，进行加权平均，得到 CF(H) 的值。例如对于 H，有：

- 所有结论的置信度和不确定性因子的乘积之和为 0.216 + 0.21 + 0.45 = 0.876；
- 加权平均为 (0.216 / 0.876) * 0.9 + (0.21 / 0.876) * 0.7 + (0.45 / 0.876) * 0.5 = 0.567。

因此，CF(H) 的值为 0.567。

二、不确定性知识系统 1、CF可信度模型推理。设有如下一组推理规则： r1: IF E1 AND E2 THEN E3 (1.0) r2: IF E3 OR E4 THEN E5 (0.8) r3: IF E5 THEN H (0.8) r4: IF E6 THEN H (0.9) 已知CF(E1) = 0.7，CF(E2) = 0.5，CF(E4) = 0.4，CF(E6) = 0.8，求CF(H)。 提示：首先观察哪个CF(E)题目中没有直接给出，则根据题目中的某条知识和相关公式求出缺少的CF(E)；然后找到和H有关的几条知识，根据公式求出所有的CFn(H)，最后根据CFn(H)的值通过合成公式求出CF(H)。

根据 CF 可信度模型推理的公式：

CFn(Ei) = CF(E1) * CF(E2) * ... * CF(En) (当 E1, E2, ..., En 相互独立时)

CFn(H) = ∑(CFn(Ei) * ri(H)) / ∑CFn(Ei)

其中，ri(H) 表示规则 i 对 H 的可信度。

首先，根据规则 r1，CFn(E3) = CF(E1) * CF(E2) = 0.7 * 0.5 = 0.35。

然后，根据规则 r2，CFn(E5) = CFn(E3) * ri(E5) + CF(E4) * ri(E5) - CFn(E3) * CF(E4) * ri(E5) = 0.35 * 0.8 + 0.4 * 0.8 - 0.35 * 0.4 * 0.8 = 0.544。

接着，根据规则 r3，CFn(H) = CFn(E5) * ri(H) = 0.544 * 0.8 = 0.4352。

最后，根据规则 r4，CFn(H) = CF(E6) * ri(H) = 0.8 * 0.9 = 0.72。

综合以上结果，根据 CF 可信度模型推理的合成公式，CF(H) = (0.4352 + 0.72) / (1 - min{CFn(Ei)}) = 0.919。因此，CF(H) 约等于 0.919。