logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

4.2 已知:规则可信度为r_(1):IF E_(1) THEN H_(1)(0.7)r_(2):IF E_(2) THEN H_(1)(0.6)r_(3):IF E_(3) THEN H_(1)(0.4)r_(4):IF (H_(1)ANDE_(4)) THEN H_(2)(0.2)证据可信度为:CF(E_(1))=CF(E_(2))=CF(E_(3))=CF(E_(4))=0.5,H_(1)的初始可信度一无所知,H_(2)的初始可信度CF_(0)(H_(2))=0.3,计算结论H_(2)的可信度CF(H_(2))。

4.2 已知:规则可信度为 $r_{1}$:IF $E_{1}$ THEN $H_{1}$(0.7) $r_{2}$:IF $E_{2}$ THEN $H_{1}$(0.6) $r_{3}$:IF $E_{3}$ THEN $H_{1}$(0.4) $r_{4}$:IF $(H_{1}ANDE_{4})$ THEN $H_{2}$(0.2) 证据可信度为:$CF(E_{1})=CF(E_{2})=CF(E_{3})=CF(E_{4})=0.5$,$H_{1}$的初始可信度一无所知,$H_{2}$的初始可信度$CF_{0}(H_{2})=0.3$,计算结论$H_{2}$的可信度$CF(H_{2})$。

题目解答

答案

1. 根据 $r_1, r_2, r_3$,分别计算: \[ CF_1(H_1) = 0.7 \times 0.5 = 0.35, \quad CF_2(H_1) = 0.6 \times 0.5 = 0.3, \quad CF_3(H_1) = 0.4 \times 0.5 = 0.2 \] 2. 合并 $H_1$ 的可信度: \[ CF_{1,2}(H_1) = 0.35 + 0.3 - 0.35 \times 0.3 = 0.545 \] \[ CF(H_1) = 0.545 + 0.2 - 0.545 \times 0.2 = 0.636 \] 3. 根据 $r_4$: \[ CF(H_1 \text{ AND } E_4) = \min(0.636, 0.5) = 0.5 \] \[ CF_4(H_2) = 0.2 \times 0.5 = 0.1 \] 4. 综合计算 $CF(H_2)$: \[ CF(H_2) = 0.1 + 0.3 \times (1 - 0.1) = 0.1 + 0.27 = 0.37 \] 最终结果:$CF(H_2) = 0.37$。

解析

考查要点:本题主要考查可信度计算中的规则应用与合并方法,涉及规则强度、证据可信度的结合,以及多个假设可信度的合并计算。

解题核心思路:

  1. 规则应用:根据每个规则的条件和证据可信度,计算各规则对目标假设的可信度贡献。
  2. 可信度合并:对多个独立证据支持同一假设时,使用加法公式合并可信度。
  3. 组合规则:处理包含多个条件(如H₁ AND E₄)的规则时,采用取最小值法计算联合可信度。
  4. 初始可信度修正:结合初始可信度与新证据,最终确定结论可信度。

破题关键点:

  • 规则独立应用:分别计算各规则对H₁的可信度贡献。
  • 合并顺序:分步合并H₁的可信度,避免计算错误。
  • AND操作处理:正确使用min函数计算联合条件的可信度。
  • 初始可信度修正公式:正确合并初始可信度与新证据。

1. 计算各规则对H₁的可信度贡献

根据规则$r_1, r_2, r_3$,分别计算:

  • $r_1$:$CF_1(H_1) = 0.7 \times 0.5 = 0.35$
  • $r_2$:$CF_2(H_1) = 0.6 \times 0.5 = 0.3$
  • $r_3$:$CF_3(H_1) = 0.4 \times 0.5 = 0.2$

2. 合并H₁的可信度

  • 合并$CF_1$和$CF_2$:
    $CF_{1,2}(H_1) = 0.35 + 0.3 - 0.35 \times 0.3 = 0.545$
  • 合并$CF_{1,2}$与$CF_3$:
    $CF(H_1) = 0.545 + 0.2 - 0.545 \times 0.2 = 0.636$

3. 计算H₂的可信度贡献

根据规则$r_4$:

  • 联合条件可信度:
    $CF(H_1 \text{ AND } E_4) = \min(0.636, 0.5) = 0.5$
  • 规则应用:
    $CF_4(H_2) = 0.2 \times 0.5 = 0.1$

4. 综合计算H₂的可信度

结合初始可信度$CF_0(H_2) = 0.3$:
$CF(H_2) = 0.1 + 0.3 \times (1 - 0.1) = 0.1 + 0.27 = 0.37$

相关问题

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号