目录
前言
绪论
0－1 人工智能及其推理特征
0－2 常识推理的基本内容
0－3 不确定性推理原理与方法
0－4 本书的结构
第1章 测度与信息
1－1 经典集合与模糊集合
1－2 模糊测度及其性质
1－3 概率测度与贝叶斯公式
1－4 信任测度与似然测度
1－5 可能性测度与必然性测度
1－6 模糊测度各类之间的关系
1－7 不确定性度量与信息
第2章 包含度理论
2－1 包含度的定义及其性质
2－2 包含度的生成方法
2－3 相似度及其在专家系统检索中的应用
2－4 关系数据库系统及其性质
2－5 关系数据库上的知识获取
2－6 蕴含度及其在不确定性推理中的应用
2－7 专家系统中证据的合成、传播与修正
2－8 关系数据库的随机集表示
第3章 概率推理
3－1 概率推理原理
3－2 贝叶斯网络概率推理
3－3 主观贝叶斯概率推理
3－4 主观贝叶斯概率推理的讨论
3－5 主观概率推理的包含度方法
3－6 MYCIN确定因子概率推理方法
3－7 MYCIN确定因子的模糊扩张
3－8 概率推理的区间估计
第4章 证据推理
4－1 证据推理原理
4－2 关于证据推理的进一步讨论
4－3 证据推理模式
4－4 关系数据库上的证据推理
4－5 模糊关系数据库上的证据推理
4－6 随机关系数据库上的证据推理
4－7 基于随机集的证据推理
第5章 模糊推理
5－1 模糊推理原理
5－2 宏观模糊推理
5－3 微观模糊推理
5－4 Mamdani模糊推理
5－5 Lukasiewicz多值逻辑的模糊化
5－6 模糊真值推理
5－7 模糊推理的神经网络算法
5－8 模糊规则的谐调性与矛盾规则的排除
第6章 信息推理
6－1 信息推理原理
6－2 合情推理信息模型
6－3 概率命题的合情推理
6－4 关系数据库上的合情推理
6－5 假设生成与创新思维
6－6 默认推理的包含度解释
6－7 知识库的维护与修正
参考文献
· · · · · · (收起)