第1章 绪论

1.1人工智能及其推理特征1

1.2常识推理的基本内容2

1.3不确定推理原理与方法4

1.4本书的结构6

第2章 测度与信息 7

2.1经典集合与模糊集合 7

2.2粗糙集与随机集10

2.3模糊测度及其性质 14

2.4概率测度与贝叶斯公式 18

2.5信任测度与似然测度 23

2.6可能性测度与必然性测度 33

2.7模糊测度各类之间的关系 39

2.8不确定性度量与信息 43

第3章 包含度理论50

3.1包含度的定义及其性质 50

3.2包含度的生成方法 56

3.3相似度及其在专家系统检索中的应用 66

3.4包含度在关系数据库中的应用 72

3.5包含度在形式背景中的应用 80

3.6蕴涵度及其在不确定推理中的应用 84

3.7专家系统中证据的合成、传播与修正 88

3.8关系数据库的随机集表示 93

第4章 概率推理 98

4.1概率推理原理 98

4.2贝叶斯网络概率推理 102

4.3主观贝叶斯概率推理 107

4.4主观贝叶斯概率推理的讨论 113

4.5主观概率推理的包含度方法 118

4.6MYCIN确定因子概率推理方法 121

4.7MYCIN确定因子的模糊扩张 127

4.8概率推理的区间估计 132

第5章 证据推理 141

5.1证据推理原理 141

5.2关于证据推理的进一步讨论 147

5.3证据推理模式 151

5.4形式背景上的证据推理 155

5.5模糊形式背景上的证据推理 162

5.6随机关系数据库上的证据推理 167

5.7基于随机集的证据推理 170

5.8基于粗糙集的证据理论 172

第6章 模糊推理 179

6.1模糊推理原理 179

6.2宏观模糊推理 182

6.3微观模糊推理 189

6.4Mamdani模糊推理 196

6.5Lukasiewicz多值逻辑的模糊化 202

6.6Mamdani模糊真值推理 206

6.7Mamdani模糊推理的神经网络算法 209

6.8模糊规则的协调性与矛盾规则的排除 213

第7章 信息推理 218

7.1信息推理原理 218

7.2合情推理信息模型 222

7.3概率命题的合情推理 229

7.4关系数据库上的合情推理 236

7.5关系数据库上的知识约简 240

7.6假设生成与创新思维 242

7.7默认推理的包含度解释 246

7.8知识库的维护与修正 248

第8章 计算推理 252

8.1计算推理原理252

8.2单位区间上的正则蕴涵算子 252

8.3命题格以及命题格上的包含度257

8.4命题格上的真度理论260

8.5命题格上的计算推理理论262

8.6命题格上的近似推理267

参考文献 269

常用符号 277

索引 278