《人工智能中的不确定性》求取 ⇩

第一章 模糊集合1

1．1 模糊数学与知识工程1

1．2 模糊集合的运算12

1．3 模糊集合的代数性质16

1．4 模糊集合与多值逻辑的关系30

1．5 max-⊙合成与max-?合成34

第二章 语言变量与模糊逻辑40

2．1 可能性分布41

2．2 语言变量45

2．3 模糊逻辑48

2．4 概率和可能性58

2．5 可能性、真值和确定性之间的关系67

第三章 模糊度量73

3．1 基本概念73

3．2 信任度量和似乎可能性度量74

3．3 概率度量83

3．4 可能性度量和必要性度量87

3．5 各种模糊度量之间的关系95

第四章 专家系统中的不精确推理模型97

4．1 不精确推理模型的基本结构98

4．2 主观Bayes方法103

4．3 确定性理论111

4．4 证据理论119

4．5 可能性理论133

4．6 证据理论与确定性理论142

4．7 四种不精确推理模型的比较155

4．8 规则概率与规则条件概率的关系164

第五章 模糊推理168

5．1 基本概念170

5．2 模糊条件推理173

5．3 模糊推理方法的比较189

5．4 模糊三段论203

5．5 模糊换质位法207

5．6 具有“IF…THEN…ELSE…”命题形式的模糊推理209

5．7 扩展模糊推理221

5．8 采用“max-⊙合成”和 max-?合成”的模糊推理239

第六章 采用量化语句的近似推理260

6．1 模糊子集的基数概念260

6．2 语言量词和量化语句271

6．3 由给定集合确定量化语句的有效性277

6．4 用量化语句进行不精确推理281

6．5 量词的推理规则286

第七章 模糊产生式系统298

7．1 模糊产生式规则298

7．2 模糊产生式系统303

7．3 模糊产生式系统的一个硬件实现方法318

第八章 常识推理330

8．1 常识知识的表示331

8．2 复合语句的翻译332

8．3 逻辑翻译规则336

8．4 常识推理340

参考文献344