三、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(A) = CF(A) × ∏ CF(Bi)^wi，其中 A 是推理结论，B 是 A 的前提条件，wi 是 B 对 A 的支持度，∏ 表示求积，CFn 表示新的可信度，CF 表示原始可信度。根据这个公式，我们可以逐步计算出 CFn(H)。

首先根据 r1，有 CFn(E3) = CF(E1) × CF(E2) × r1 的支持度，即 CFn(E3) = 0.7 × 0.5 × 1.0 = 0.35。

然后根据 r2，有 CFn(E5) = max{CFn(E3) × 0.8, CF(E4) × 0.4}，即 CFn(E5) = max{0.35 × 0.8, 0.4 × 0.4} = 0.28。

接着根据 r3，有 CFn(H) = CFn(E5) × 0.8，即 CFn(H) = 0.28 × 0.8 = 0.224。

最后根据 r4，有 CFn(H) = max{CF(E6) × 0.9, CFn(H) × 0.1}，即 CFn(H) = max{0.8 × 0.9, 0.224 × 0.1} = 0.72。

因此，CF(H) = CFn(H) = 0.72。