第一章 序言 1
1 概率的三种解释 1
2 构造性解释 3
3 信度所遵循的原则 5
4 证据理论的发展 6
5 证据理论的应用 8
第二章 信度函数 13
1 识别框架 13
2 基本可信度分配与信度函数 14
3 众信度函数与似真度函数 19
4 m、Bel、pl、Q的几何意义 23
5 贝叶斯信度函数 24
第三章 Dempster合成法则 26
1 两个信度函数的合成 26
2 多个信度函数的合成 30
3 Dempster合成法则的众信度函数形式 32
4 冲突权重 33
5 条件信度函数 34
第四章 框架的转化 36
1 粗化与细分 36
2 相容框架族 40
3 相容的信度函数 43
4 相容框架的独立性 44
5 框架的收缩与扩张 45
第五章 信度函数的分类及证据的权重 47
1 简单支持函数 47
2 可分离支持函数 50
3 支持函数 52
4 证据的权重 54
5 准支持函数 62
6 信度函数的分类 63
第六章 一致支持函数 65
1 一致支持函数 65
2 外形函数 67
3 证据的一致性 69
4 推理证据 71
5 一致支持函数与可能性分布 72
第七章 统计证据 76
1 引言 76
2 单个观察值下的统计证据 77
3 统计证据的权重 78
4 多个观察值下的统计证据 81
5 统计证据的折扣 82
6 在框架的相容变换下支持函数变化 83
1 证据合成的公理化研究 86
第八章 理论上的进一步探讨 86
2 多层证据处理 97
3 无限框架上证据的近似处理 102
第九章 利用Shafer证据理论作决策的一般方法 114
1 问题的提出 114
2 用“最少点”原则求真值 115
3 利用 Shafer 证据理论作决策的一般算法 118
4 一些问题的讨论 124
第十章 决策分析 126
1 主观概率的传统估计 127
2 专家咨询法 129
3 Dempster 合成法则的递归形式及主观概率的修正 131
4 M决策法 133
第十一章 预测 140
1 预测及常用方法 140
2 信度预测法 142
3 另一种决策分析的方法 145
第十二章 证据理论的另一种类型的应用 147
1 指标体系的确定 148
2 领导班子的选取 152
3 医疗诊断 155
第十三章 人工智能与专家系统 157
1 软推理 157
2 用证据理论解决归纳问题 162
3 证据理论与非单调推理 165
4 识别证据 168
5 专家系统中不确定性的处理 178
附录 本书用数学知识简介 185
参考文献 205