人工智能主观贝叶斯分析实验,DOC_第1页
人工智能主观贝叶斯分析实验,DOC_第2页
人工智能主观贝叶斯分析实验,DOC_第3页
人工智能主观贝叶斯分析实验,DOC_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、人工智能实验报告西安交大、实验目的学习了解java编程语言,掌握基本的算法实现;深入理解贝叶斯理论和不确定性推理理论;学习运用主观贝叶斯公式进行不确定推理的原理和过程二、实验题目用java语言实现运用主观贝叶斯公式进行不确定性推理的过程:根据初始证 据E的概率P(E)及 LS、LN的值,把H的先验概率P(H)更新为后验概率P(H/E) 或者P(H/E)。要求如下:充分考虑各种证据情况:证据肯定存在、证据肯定不存在、观察与证 据无关、其他情况;考虑EH公式和CP公式两种计算后验概率的方法;给出EH公式的分段线性插值图;三、实验原理1、知识的不确定性在主观贝叶斯方法中,只是是如下形式的产生式规则表

2、示:IF E THEN (LS,LN) H (P(H)LS是充分性度量。其定义为:LS=P(E|H)/P(E|H)。LN是必要性度量,其定义为:ln=p(-e|h)/p(-e|-h) = (i-p(e|h)/(i-p(e|-h)。2、证据不确定时的计算公式四、实验代码importjava.awt.*;importimportimportimportjavax.swing.*;publicclassbayesextendsJFrameimplementsActionListener(JPanelpanel=newJPanel();JLabelph=newJLabel(P(H);JTextFiel

3、dPH=newJTextField(,3);JLabelpe=newJLabel(P(E);JTextFieldPE=newJTextField(,3);JLabells=newJLabel(LS);JTextFieldLS=newJTextField(,3);JLabelln=newJLabel(LN);JTextFieldLN=newJTextField(,3);Buttoncompute=newButton(COMPUTE);staticdoublet_ph;staticdoublet_pe;staticdoublet_!n;staticdoublet_ls;staticdoubleph

4、_e;/P(E/S)=0时PHSstaticdoublephe;/P(E/S)=1时PHS publicbayes()(setLayout(newBorderLayout();panel.setLayout(newFlowLayout();panel.add(ph);panel.add(PH);panel.add(pe);panel.add(PE);panel.add(ln);panel.add(LN);panel.add(ls);panel.add(LS);this.add(panel);compute.addActionListener(this);this.add(compute,Bor

5、derLayout.SOUTH);publicstaticvoidmain(Stringargs)(bayesa=newbayes();a.setSize(400,250);a.setVisible(true);a.setDefaultCloseOperation(EXIT_ON_CLOSE);OverridepublicvoidactionPerformed(ActionEventarg0)(/TODOAuto-generatedmethodstubt_ph=newDouble(PH.getText();t_pe=newDouble(PE.getText();t_ls=newDouble(L

6、S.getText();t_ln=newDouble(LN.getText();ph_e=t_ln* t_ph/( t_ln-1)* t_ph+1);phe=t_ls* t_ph/(t_ls-1)* t_ph+1);displayc=newdisplay();classdrawextendsJPanel(publicvoidpaint(Graphicsg)(super.paint(g);g.drawLine(50,350,350,350);g.drawLine(50,50,50,350);g.drawLine(50,350-(int)(bayes.ph_e*300),50+(int)(baye

7、s.t_pe*300), 350-(int)(bayes.t_ph*300);g.drawLine(50+(int)(bayes.t_pe*300),350-(int)(bayes.t_ph*300),350 ,350-(int)(bayes.phe*300);classdisplayextendsJFramepublicdisplay()drawb=newdraw();this.add(b);this.setDefaultCloseOperation(JFrame. EXIT_ON_CLOSE);this.setVisible(true);this.setSize(400,400);五、实验结果输入初始值:图像结果显示:

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论