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 2026

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。