贝叶斯网络和模糊逻辑答案

【问题标题】：Bayesian network and fuzzy logic贝叶斯网络和模糊逻辑
【发布时间】：2011-09-06 13:28:09
【问题描述】：

谁能给我一个贝叶斯网络和模糊逻辑用于入侵检测的例子吗？

我正在努力弄清楚如何使用它。上面有代码吗？

谢谢大家。

【问题讨论】：

标签： matlab neural-network bayesian bayesian-networks fuzzy-logic

【解决方案1】：

确切的细节将取决于您是在谈论防盗警报类型的情况（传感器读数）还是涉及保安人员和带有激光的鲨鱼的更高级的情况。不管怎样，原理都是一样的。

你从描述影响入侵的基本事物的根节点开始，例如，

Sensor detected motion (true/false)  
Shark smelt blood (true/false)
Temperature (too low/just right/too high)
Security guard is asleep
...  
any other things you can think of.

您为每个根节点的每个状态分配一个概率。

P(Security guard is asleep) = 0.25

然后您定义依赖于这些根节点的子节点，例如，Security guard heard noise 将依赖于 Security guard is asleep。

给定父节点的每个状态，您为子节点的每个状态分配条件概率。

P(Security guard heard noise|Security guard is asleep) = 0.05
P(Security guard heard noise|Security guard is not asleep) = 0.5

最终，您会希望得到像 Burglary has been foiled 这样的结果。

设置好网络节点后，您可以对其进行评估，并计算不同结果发生的概率。

接下来你添加证据。因此，如果您知道您的鲨鱼闻到了血，该节点会被设置为特定值，您可以重新评估网络以查看概率如何变化。

在软件方面，Bayes Net 工具箱备受推崇。

【讨论】：

已经有 matlab 无法找到 bayes net 工具箱，并查看安装的 cmets 为您链接的那个看起来有点：S。这是一个很大的帮助，我很高兴有人可以为外行使用很好的类比：D 说得很好。模糊逻辑呢？我们如何才能获得假/真阳性的“程度”？
我见过的所有模糊逻辑示例都可以轻松映射到贝叶斯网络。贝叶斯网络严格地解决了这些问题。据我所知，模糊逻辑只会做听起来合理的事情。在贝叶斯网络中，一定程度的真/假是非常自然的，因为网络不会跟踪发生了什么，它会跟踪你应该给予网络的信念程度，以及你提供的证据。