基于粗糙集的定性概率网推理冲突解决方法

？定性概率是贝叶斯网的定性抽象，它以有向边上的定性影响代替贝叶斯网中的条件概率参数，描述了变量间增减的趋势，具有高效的推理机制。但定性概率网中信息丢失导致推理的过程中往往产生不确定信息，即推理结果产生冲突。以尽可能消除定性推理中的冲突为出发点，在构建定性概率网时，基于粗糙集属性依赖度理论求解出网中节点间的依赖度，以依赖度作为变量间定性影响的权重，并根据依赖度改进已有的定性概率网推理算法，从而解决定性概率网推理冲突。实例验证表明，该方法既保持了定性概率网高效推理的特性，又能有效解决冲突。