基于贝叶斯网的一种概率逻辑推理方法
在专家系统中，利用条件概率进行推理存在着个关键问题：①逻辑与概率在表达推理规则的不一致;②难以进行高阶逻辑的推理.结合条件事件代数和Markovchain Monte Cado算法则提出了基于贝叶斯网的概率逻辑的推理方法.利用条件事件代数和条件事件，通过扩展普通的可测空间，首先使概率与逻辑在表达规则时相一致，然后通过条件事件代数把高阶条件事件转换成为普通的事件和逻辑事件的组合.通过使用Gibbs抽样算法对这些普通事件进行抽样达到稳态，最终估箅出高阶条件事件的值完成高阶概率逻辑推理.通过一个实例说明了条件事件概率信息进行推理的方法.
概率逻辑推理 条件事件代数 贝叶斯网 可测空间
黄甫 李勇
昆明理工大学 信息工程与自动化学院，云南 昆明 650051
国内会议
昆明
中文
308-312
2009-07-17（万方平台首次上网日期，不代表论文的发表时间）