者置信规则库推理原理及应用

1.基本置信结构

置信规则库（BRB）系统的基本置信结构通常用一个分布表示，可表示输入、输出变量的不确定性信息。

例如，第k条置信规则的基本结构如公式（6-26）所示：

如果第k（k=1，2，…，L）条规则是完整的，那么输出结果的置信度和为1，否则小于1，即

且T个前置属性的权重满足如下条件：

式中Rk为BRB系统的第k条规则；x1，x2，…，xTk为第k条规则的所有前置属性，即BRB模型的输入变量，这些前置属性的全集为X={xi，i=1，2，…，Tk}，任意xi属于定义集，向量为前置属性xi的参考值集合。为第k条规则里第i个前置属性的参考值；Tk为第k条规则里前置属性的个数。Dj为第k条规则的输出单元的第j个评价结果的参考值；βj，k为结果值Dj的置信度。L为BRB规则的总个数；规则权重θk和前置属性权重δi，k一般通过专家评价获得初步值，再基于输入变量和输出结果数据对BRB模型进行学习训练求得。基于上述所述即可构建一个BRB专家系统。(www.xing528.com)

2.BRB系统的推理原理

BRB系统的推理过程包含以下三个步骤：

（1）输入转化，即将不同的输入变量信息转化为置信度分布。

（2）激活权计算，即计算输入变量信息激活置信规则的程度。

（3）证据推理，即基于证据推理方法融合激活规则得到输出结果的置信度分布。

BRB系统的基本推理结构如图6-8所示[169]。

图6-8　基本BRB系统推理原理示意图