前言 1
绪论 1
-1 人工智能及其推理特征 10
-2常识推理的基本内容 30
-3不确定性推理原理与方法 60
4本书的结构 90
第1章测度与信息 111
-1经典集合与模糊集合 111
-2模糊测度及其性质 161
-3概率测度与贝叶斯公式 201
-4信任测度与似然测度 261
-5可能性测度与必然性测度 381
-6模糊测度各类之间的关系 441
-7不确定性度量与信息 491
第2章包含度理论 572
-1 包含度的定义及其性质 572
2包含度的生成方法 652
-3相似度及其在专家系统检索中的应用 762
-4关系数据库系统及其性质 842
-5关系数据库上的知识获取 932
6蕴含度及其在不确定性推理中的应用 972
-7专家系统中证据的合成、传播与修正 1022
-8关系数据库的随机集表示 1072
第3章概率推理 1253
-1概率推理原理 1253
-3主观贝叶斯概率推理 1263
-2贝叶斯网络概率推理 1293
-4主观贝叶斯概率推理的讨论 1343
-5主观概率推理的包含度方法 1413
-6 MYCIN确定因子概率推理方法 1443
-7 MYCIN确定因子的模糊扩张 1513
-8概率推理的区间估计 1593
第4章证据推理 1684
-1证据推理原理 1684
-2关于证据推理的进一步讨论 1764
-3证据推理模式 1814
-4关系数据库上的证据推理 1864
-5模糊关系数据库上的证据推理 1944
-6随机关系数据库上的证据推理 2004
-7基于随机集的证据推理 2044
第5章模糊推理 2075
-1模糊推理原理 2075
-2宏观模糊推理 2125
-3微观模糊推理 2195
-4 Mamdani模糊推理 2285
5 Lukasiewicz多值逻辑的模糊化 2355
-6模糊真值推理 2415
-7模糊推理的神经网络算法 2445
-8模糊规则的谐调性与矛盾规则的排除 2485
第6章信息推理 2556
-1信息推理原理 2556
-2合情推理信息模型 2616
-3概率命题的合情推理 2696
-4 关系数据库上的合情推理 2776
-5假设生成与创新思维 2826
-6默认推理的包含度解释 2876
-7知识库的维护与修正 2896