本书以作者提出的包含度理论为指导,对不确定推理这一人工智能研究中最为活跃的研究领域的定量方法进行了系统的概括. 其中前3章分别为：指出研究不确定推理的原理和方法的绪论, 构成全书的数学基础的测度与信息, 建立全书的一般方法和框架的包含度理论. 其他5章是以包含度理论为基本原理,系统地概括概率推理、证据推理、模糊推理、信息推理与计算推理, 其中第7章还包括假设生成的方法与修正的方法. 本书可作为研究人工智能和专家系统中不确定推理的参考书,也可作为应用数学、计算数学、系统科学、管理科学等专业的研究生教材.

不确定推理是人工智能研究中最为活跃的研究领域之一,也是计算机智能系统走向实用化的关键技术. 40年来,有一批科学家致力于不确定推理的研究,提出了许多不确定环境下的推理方法. 像Shortliffe和Buchanan提出的不确定因子方法, Duda提出的概率逻辑等. 后来,Dempster和Shafer提出了证据推理方法, 以及以Zadeh提出的模糊集为基础,Dubois和Prade给出的可能度推理方法. 在我国,不确定推理研究也取得了重要成果,特别是胡国定教授提出的信息推理以及王国俊教授提出的计量逻辑学等都属于不确定推理方法. 不确定推理有定性推理与定量推理.定性推理通过研究系统结构、行为和功能及其关系, 给出因果关系解释.自1977年Reiter发表了第一篇研究论文后,定性推理已成为人工智能的一个重要方向. 不确定推理的定量方法, 是通过给出命题的数值计算给出因果关系的数值趋势. 它首先需要对不确定信息进行表示和度量,不同的信息表示方法与度量方法即构成不同的不确定推理. 多年来,我们在对于不确定推理已有的方法研究中发现,所有方法的共同点是用一种测度来度量假设, 这种测度可以是各种特殊的模糊测度, 而不确定推理的实质是一种广义的包含关系.基于这种认识, 我们提出了包含度概念. 在香港中文大学与计算机科学系梁广锡博士和环境研究中心梁怡博士合作期间,我们进一步明确了包含度的概念, 完善了这一理论,建立了包含度理论体系. 逻辑上和实践上都证明了包含度理论是对已有的各种不确定推理的概括和抽象. 包含度理论不仅简洁、概括、广泛, 而且便于进行信息的合成、传播和修正,特别...