证据推理、置信规则库与复杂系统建模 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

周志杰，陈玉旺，胡昌华，张邦成，常雷雷 著

图书标签:

• 证据推理
• 置信规则
• 复杂系统
• 建模
• 人工智能
• 不确定性推理
• 专家系统
• 知识工程
• 决策支持
• 系统分析

出版社： 科学出版社

ISBN：9787030515520

版次：1

商品编码：12156602

包装：平装

丛书名： 智能科学技术著作丛书

开本：16开

出版时间：2017-02-01

用纸：胶版纸

页数：281

字数：369000

正文语种：中文

内容简介

　　《证据推理、置信规则库与复杂系统建模》在对D—S证据理论回顾的基础上，对证据推理基本理论进行了详细的分析，主要包括证据推理方法、基于区间不确定性的证据推理方法、基于概率和模糊不确定性的证据推理方法、证据推理规则；进一步对基于证据推理的置信规则库基本理论进行了深入细致的讨论，主要包括基于证据推理的置信规则库参数离线训练方法、专家干预下置信规则库专家系统参数在线更新方法、基于证据推理的置信规则库在线构造方法和置信规则库前提属性参考值确定方法等内容；最后从多个角度对证据推理和置信规则库在工程实际中的应用进行了全面的介绍，包括证据推理和置信规则库在非平稳时间序列预测、系统行为预测、故障预测、寿命评估、分类问题和医学决策等领域中的应用。
　　《证据推理、置信规则库与复杂系统建模》可供从事推理、专家系统相关专业科研人员和工程技术人员阅读参考，也可作为人工智能、复杂系统建模、系统工程等专业的研究生教材。

内页插图

目录

前言
第一部分 证据推理方法
第1章 Demlpster—Shafer证据理论
1．1 引言
1．2 证据的不确定性表示
1．2．1 辨识框架
1．2．2 基本概率分配
1．2．3 信度和似然函数
1．3 证据的合成规则
1．3．1 Dempster合成规则
1．3．2 冲突证据的合成处理
1．4 D—S证据理论的研究进展与探讨
第2章 证据推理方法及扩展
2．1 引言
2．2 不确定性MCDA框架下的证据推理方法
2．2．1 迭代合成算法
2．2．2 合成特性
2．2．3 解析合成算法
2．2．4 非线性合成模式分析
2．3 信息转换方法
2．3．1 定量信息转换方法
2．3．2 定性信息转换方法
2．4 考虑区问、概率和模糊不确定性的证据推理方法
2．4．1 考虑区间不确定性的证据推理方法
2．4．2 考虑概率和模糊不确定性的证据推理方法
2．5 本章小结
第3章 证据推理规则
3．1 引言
3．2 带有证据权重的证据推理规则
3．2．1 证据权重及相关处理方法
3．2．2 证据推理规则的加权信度分布
3．2．3 带有证据权重的证据推理规则
3．2．4 数值比较分析
3．3 带有证据权重和可靠性的证据推理规则
3．3．1 带有证据可靠性的加权信度分布
3．3．2 数值比较分析
3．4 证据推理规则的特性分析
3．4．1 证据推理规则的基本特性
3．4．2 证据推理规则的推理模式分析
3．4．3 数值仿真分析
3．4．4 冲突证据的处理和可靠性摄动分析
3．5 本章小结

第二部分 置信规则库建模方法
第4章 基于证据推理算法的置信规则库专家系统推理方法
4．1 引言
4．2 专家系统
4．2．1 专家系统的定义
4．2．2 专家系统的结构
4．2．3 专家系统的特点
4．2．4 基于IF—THEN规则的专家系统
4．3 置信规则库专家系统
4．3．1 数据和知识表达中的不确定性
4．3．2 知识表达中的权重参数
4．3．3 置信规则库
4．4 基于证据推理算法的置信规则库专家系统推理方法
4．4．1 置信规则库的矩阵表示
4．4．2 基于证据推理算法的置信规则库推理方法
4．4．3 基于区间效用的证据推理结果评价方法
4．5 不同形式输入信息的转化方法
4．5．1 使用语义参考值来描述的定量输入信息
4．5．2 使用区间来描述的定量输入信息
4．5．3 使用主观决策来描述的定性输人信息
4．5．4 使用主观决策来描述的符号输入信息
4．6 分层置信规则库系统及其推理方法
4．6．1 分层置信规则库系统
……
第三部分 证据推理与置信规则库的应用
参考文献
附录

前言/序言

　　传统D-S证据理论无法有效处理冲突证据和组合爆炸等问题，YangJianbo于1994年提出证据推理（evidential reasoning，ER）方法。在进一步考虑证据可靠性和证据权重的基础上，Yang于2013年在Artificial Intelligence进一步提出用于证据组合的证据推理规则。传统的Bayes推理、D-S证据推理和ER方法均可以看做是ER规则的一种特殊情形，因此ER规则是一种更具一般性的推理方法。
　　基于ER方法、决策理论、模糊理论和传统IF-THEN规则库，2006年提出基于证据推理算法的置信规则库推理方法（belief rule-base inference methodology using the evidential reasoning approach，RIMER）。RIMER具有对带有模糊不确定性、概率不确定性，以及非线性特征的数据进行建模的能力。RIMER主要包括知识的表达和知识的推理。知识的表达通过置信规则库（beliefrulebase，BRB）系统来实现，而知识的推理则通过证据推理（evidential reasoning，ER）算法实现。BRB系统由一系列置信规则组成，本质上是一种专家系统，能够有效利用各种类型的信息，建立输入和输出之间的非线性模型。
　　本书对ER方法、ER规则、BRB专家系统，基于ER和BRB的复杂系统建模方法及其在故障预测、最优维护、寿命评估和医学决策等方面的应用进行了详细的介绍。全书共分为三部分。第一部分在对D-S证据理论进行回顾的基础上，对证据推理基本理论进行详细的分析，主要包括ER方法、基于区间不确定性的ER证据推理方法、基于概率和模糊不确定性的ER证据推理方法、ER规则；第二部分结合作者的最新研究成果，对BRB的基本理论进行了深入细致的讨论，主要包括基于ER的BRB推理方法、基于ER的BRB参数离线训练方法、专家干预下BRB专家系统参数在线更新方法、基于ER的BRB在线构造方法和BRB前提属性参考值确定方法等内容；第三部分从多个角度对ER和BRB在工程实际中的应用进行了全面的介绍，主要包括ER和BRB在非平稳时间序列预测、系统行为预测、故障预测、最优维护、寿命评估、分类问题和医学决策等领域中的应用。
　　全书由周志杰和陈玉旺合作完成，第1章～第3章由陈玉旺完成，第4章～第14章由周志杰完成，第15章由常雷雷完成，第16章由周治国完成。在本书的写作过程中，得到火箭军工程大学胡昌华教授、英国曼彻斯特大学YangJianbo教授和XuDongling教授、长春工业大学张邦成教授、空军工程大学张琳教授、国防科学技术大学姜江副教授等的关心和帮助，为本书的写作打下了坚实的理论基础，在本书的出版之际谨向他们表示衷心的感谢！

《理性之锚：认知科学、不确定性量化与决策理论的融合》 内容简介 在快速变化且信息爆炸的现代社会，人类的认知能力面临着前所未有的挑战。我们如何在纷繁复杂的现象中提炼出有价值的信息？如何理解和应对不确定性？如何做出更明智、更可靠的决策？《理性之锚》一书，正是为了回应这些核心问题而生。它并非一本孤立的理论汇编，而是一次深刻的跨学科探索，旨在构建一个更加强大、更加普适的理性框架，以应对人类认知与复杂现实之间的张力。 本书将从认知科学的基石出发，深入剖析人类的思维模式、信息处理机制以及在面对不确定性时所表现出的认知偏差。我们将审视感知、记忆、推理、判断等核心认知功能，并重点关注它们在现实世界中的局限性。理解这些局限性，是构建更强大理性能力的第一步。我们并非无懈可击的逻辑机器，我们的认知系统在设计上就存在着固有的“捷径”和“盲点”，这些往往是我们在日常生活中做出快速判断的依仗，但在面对复杂问题时，却可能成为误导我们的陷阱。本书将通过大量生动的案例和实验研究，揭示这些认知模式的运作机制，并探讨其深层原因。 在此基础上，本书将无缝衔接至不确定性量化的前沿领域。我们认识到，现实世界充斥着不确定性，而传统的二元逻辑（真/假）往往难以捕捉其丰富性和模糊性。因此，我们将重点介绍和评析多种先进的不确定性量化方法，包括概率论、模糊集理论、证据理论（D-S证据理论）、贝叶斯网络、粗糙集等。这些方法提供了将模糊、不完整、甚至相互矛盾的信息转化为量化表示的强大工具。我们将详细阐述每种方法的理论基础、数学模型、适用场景及其优缺点，并着重探讨它们在处理现实世界中真实存在的不确定性方面的能力。例如，我们将深入研究D-S证据理论如何处理来自不同源头、不同置信度的证据，并将其融合以生成更 robust 的结论，这对于需要整合多源异构数据的领域至关重要。同时，我们也会探讨贝叶斯方法如何通过引入先验知识和不断更新后验概率来逐步逼近真相，以及粗糙集如何处理粒度化信息。 连接认知科学与不确定性量化，本书将深入探讨决策理论的核心议题。在充分理解了人类认知模式和掌握了量化不确定性的工具之后，我们便能更有效地进行决策。本书将介绍包括效用理论、前景理论、博弈论等经典决策模型，并在此基础上，重点阐述如何将不确定性量化方法融入决策过程。我们不仅要关注“应该做什么”，更要关注“如何理解和管理风险”，以及“如何在一个不完全信息的环境中做出最优选择”。我们将探讨如何构建基于证据的决策支持系统，如何评估不同决策方案的潜在风险和收益，以及如何在动态变化的环境中进行自适应决策。本书还将讨论启发式和偏差在决策中的作用，并提供克服这些偏差的策略，使我们的决策更加理性，少受非理性因素的干扰。 《理性之锚》的独特性在于其对这些领域的深度融合与创新性阐述。它不仅仅是对现有理论的梳理，更是对它们之间内在联系的挖掘和拓展。我们强调，人类的理性并非天生就完全可靠，而是可以通过学习、工具和方法论的改进而不断提升的。认知科学为我们提供了理解自身能力的“镜子”，不确定性量化为我们提供了“量尺”，而决策理论则指明了“航向”。这三者有机结合，构成了我们抵达更理性、更可靠决策的“理性之锚”。 本书的目标读者群广泛，包括但不限于： 认知科学家和心理学家： 了解人类认知在不确定环境下的运作机制，以及如何将其研究成果应用于建模和决策。 人工智能和机器学习研究者： 探索更具鲁棒性和解释性的人工智能模型，特别是在处理不确定性数据和复杂推理方面。 信息科学和计算机科学专业人士： 设计和实现更智能的信息系统、知识工程和决策支持系统。 风险管理和金融分析师： 掌握量化不确定性的方法，进行更准确的风险评估和投资决策。 工程领域专家（如系统工程师、控制工程师）： 在复杂系统设计和故障诊断中处理不确定性和不完整信息。 政策制定者和管理者： 学习如何基于证据和不确定性评估来做出更明智的战略决策。 对人类理性、决策过程和科学方法感兴趣的普通读者： 获得更深刻的自我认知和理解世界运作的洞见。 通过对《理性之锚》的学习，读者将能够： 深刻理解人类认知的内在机制和局限性。 掌握多种先进的不确定性量化方法，并能将其应用于实际问题。 构建和评估基于证据的决策模型，从而做出更优化的决策。 提升在复杂、不确定环境下的问题解决能力和批判性思维。 建立一个更加稳固的理性框架，作为应对不确定世界的“锚”。 本书的章节结构将循序渐进，从基础概念到高级应用，力求清晰易懂，同时保持学术的严谨性。理论讲解将与丰富的实例相结合，帮助读者将抽象的知识转化为具体的实践能力。我们相信，《理性之锚》将成为一本激励思考、指导实践的重要著作，为读者在不确定性中导航，在复杂性中前行，提供坚实的理论支撑和实用的方法工具。它邀请您踏上一场关于理性的深度旅程，去理解它，去增强它，并最终锚定它，在变幻莫测的世界中坚定前行。

评分☆☆☆☆☆

当我看到这本书的标题——《证据推理、置信规则库与复杂系统建模》——时，我的脑海里立刻涌现出无数关于知识表示、不确定性处理和系统仿真的画面。我一直对如何让计算机“思考”并且能够处理真实世界中的模糊和不确信性感到着迷。这本书的“证据推理”部分，让我遐想是否涉及到了某种形式的逻辑推理，比如演绎、归纳、溯因，甚至是概率图模型中的推理过程。我期待它能解释清楚，在证据不完整或不确定的情况下，如何进行有效的推断，以及如何量化这些推理的不确定性。“置信规则库”这个概念更是引起了我的高度关注，它听起来像是对知识的一种结构化表示，其中包含了对事实和关系的主观或客观的信心程度。我希望能学习到如何构建这样的规则库，以及如何利用它们来进行决策，特别是在面对具有模糊边界或缺乏精确数据的场景时。而“复杂系统建模”则将这一切联系起来，形成了一个更加宏观的视角。我一直对模拟现实世界中的复杂现象，例如天气模式、经济危机、甚至疾病传播等，充满兴趣。这本书是否能够提供一种框架，将前面提到的证据推理和置信规则有效地集成到复杂系统的模型构建和分析中，从而更准确地理解和预测这些系统的行为，是我最期待的。

评分☆☆☆☆☆

这本书的书名，乍一听就有一种很强的科技感和深度感，特别是“置信规则库”这个词，让我联想到很多在专家系统和决策支持系统中常见的技术。我一直在思考，在信息不完整或者存在冲突的情况下，我们如何才能做出相对可靠的判断，而“置信规则库”似乎正是解决这个问题的关键。它很可能包含了一套描述事物之间相互关系的规则，并且每条规则都有一个置信度与之对应，这样我们就可以通过推理，将这些规则和已有的证据结合起来，最终得出一个相对确定的结论。而“证据推理”作为开篇，想必会详细介绍如何收集、评估和利用各种形式的证据，这对我来说非常重要，因为很多时候，我们处理的信息并非直接可用，而是需要经过一系列的加工和转化。最后，“复杂系统建模”这部分，更是让我看到了这本书的宏大之处。我一直认为，现代社会充满了各种相互关联的子系统，比如城市交通网络、供应链管理、甚至人体的生理系统，理解这些系统的运行机制，往往需要构建复杂的模型。这本书能否提供一种将“置信规则库”和“证据推理”的成果，有效融入到复杂系统建模中的方法，是我最想知道的。我希望书中能够提供具体的案例分析，展示如何在实际应用中运用这些技术，从而为解决现实世界中的复杂问题提供思路。

评分☆☆☆☆☆

拿到这本书的时候，我第一眼就被它所吸引的是其精炼的标题，仿佛浓缩了多个学科交叉的精华。我一直对人工智能领域中的推理机制非常感兴趣，尤其是那种能够处理不确定性和模糊信息的系统。这本书的“证据推理”部分，让我联想到许多经典的推理算法，比如贝叶斯网络，以及它们在知识图谱构建和问答系统中的应用。而“置信规则库”则进一步深化了我对不确定性量化的理解，它可能涉及概率论、模糊逻辑等多个方面，如何将这些理论转化为实际可用的规则，并且还能有效地管理和更新这些规则，这其中的技术细节一定非常引人入胜。更让我期待的是“复杂系统建模”部分，我一直认为，很多现实世界的问题，比如气候变化、交通拥堵、金融市场的波动等等，都属于复杂系统的范畴。而如何有效地建立模型来模拟、预测和控制这些系统，是当前科学研究的一大挑战。这本书能够将这三个概念融会贯通，必定能够提供一套独特的视角和方法，来应对这些复杂的问题。我非常期待书中能够深入探讨如何将不同类型的证据整合成一个置信度量，以及如何利用这些置信规则来构建和分析复杂的系统模型，相信它会是一次非常有价值的学习体验。

评分☆☆☆☆☆

这本书的封面设计就让人眼前一亮，那种深邃的蓝色背景搭配着简洁有力的书名字体，仿佛预示着内容将带领读者进入一个严谨而富有挑战性的知识领域。我尤其喜欢它所传达的那种学术研究的厚重感，让人迫不及待地想翻开扉页，探索究竟。在阅读之前，我一直对“证据推理”这个概念充满了好奇，它在日常生活中无处不在，从侦探小说里的蛛丝马迹，到科学研究中的实验数据，都离不开它的影子。而“置信规则库”更是引起了我的极大兴趣，它听起来就像是一个能够帮助我们量化不确定性、做出更明智决策的工具，在如今信息爆炸的时代，这无疑具有极高的现实意义。至于“复杂系统建模”，这四个字更是将我的想象力推向了极致。我一直觉得，现实世界中的许多现象，无论是经济运行、生态演变，还是社会网络，都充满了错综复杂的相互作用，而建模正是理解这些复杂性的重要手段。这本书的标题集合了这三个关键领域，让我坚信它将为我打开一扇通往更深层次理解事物运作规律的大门。我期待着它能提供一套系统性的方法论，帮助我更好地分析问题，并从中获得启发，无论是对我的学术研究，还是对日常生活中的决策，都将带来宝贵的财富。

评分☆☆☆☆☆

看到这本书名，我的第一反应是它可能涵盖了人工智能、数据科学以及系统工程等多个交叉领域的知识。我尤其对“证据推理”这部分感到好奇，它是否会探讨如何从各种来源提取、整合并评估证据，以形成对某个事实或假设的合理判断。在我看来，现实世界中很多决策都离不开对证据的仔细审视，而如何科学有效地进行证据推理，无疑是一项重要的能力。紧随其后的“置信规则库”，更是让我产生了浓厚的兴趣。我一直认为，在很多实际问题中，我们并不能获得完全确定性的信息，而是需要依赖于一系列的“大概率”或者“可能性”。一个“置信规则库”听起来就像是把这些不确定的知识，以一种结构化的方式组织起来，并且能够基于证据来更新和调整这些置信度。这对于构建智能决策系统，或者进行风险评估，都具有重要的价值。而“复杂系统建模”，则将前两个概念提升到了一个新的维度。我一直觉得，很多社会、经济、甚至自然现象，都表现出复杂的系统特性，例如相互依赖、反馈回路、涌现行为等等。这本书是否能够提供一种方法，将证据推理和置信规则有效地应用于复杂系统的建模和分析，从而帮助我们更好地理解这些系统的动态行为，甚至进行干预和控制，这是我非常期待的。