北京理工大学人工智能第二次作业
三、知识和推理
第一题：采用逻辑推理的方法解决如下迷宫问题：
解答：
求解该问题需要给迷宫建立坐标系，如下图所示：
1、设置初始状态，函数Position(O,x,y)表示物体O在位置(x,y)处
2、设置状态变化目标
Position(person,6,1)—>Position(person,2,7)∩Position(person,6,7)
3、定义行动，函数Move(O,D,K)表示物体O从当前位置沿着D(up,down,left,right)方向移动K个位置
4、搜索过程如下：
批改：正确，解决方案设计的很好。
第二题：给定如下用描述逻辑（Description Logics）表示的知识：
Female Human
Child Human
Works Human
StudiesAtUni Human
SuccessfullMan≡
Pedro:
Pedro: InBusiness
Mary: Lawyer
John: Works
(Pedro,Mary) : married
(Pedro,John) : child
请将上述知识改用谓词逻辑形式表示，进而利用归结原理证明：Pedro是一个成功的人（SuccessfullMan）。
解答：
批改：正确。
第三题：考虑一个癌症诊断问题。对于一个病人，存在两种可能：（1）病人有癌症;（2）病人无癌症。为了确定病人是否患有癌症，需对病人进行化验。化验结果为阳性，表示病人患有癌症；为阴性，表示病人没有癌症。但化验结果并不是绝对准确的。以往的统计数据表明：对于确实有癌症的患者，化验结果为阳性的可能性为98%；对于确实无癌症的患者，化验结果为阴性的可能性为97%。同时，以往统计数据还表明：在所有人口中只有0.8%的人患有癌症。现假定有一名新的病人，其两次化验结果均为阳性，则根据两次化验结果，该病人为‘癌症’和‘非癌症’的后验概率分别是多少？（假设两次测试相互独立）
解答：
批改：正确。
第四题：假设有如下贝叶斯信念网：
其中，各属性均为布尔型，含义分别是： B=BrokeElectionLaw，表示是否违反选举法；I=Indicted，表示是否被起诉；M=PoliticallyMotivatedProsecutor，表示检查官是否有政治倾向；G=FoundGuilty，表示是否判定有罪；J=Jailed，表示是否投入监狱。
请根据上述贝叶斯信念网，解答以下问题：
（1）根据网络结构（不考虑条件概率表），以下各公式是否一定成立？
（3）如果某人违法了选举法，并且被有政治倾向的检察官起诉，则他被投入的概率是多少？
解答：
批改：正确。
第五题：查阅资料，阐述证据理论的一种应用。
解答：证据理论可以用来解决公路车辆类型识别信息的融合问题。通过采用基于推理的数据融合方法 ， 基于D-S 证据理论用于多数据融合的基本概念和理论,最后依据基本信任函数的决策方法辨别通过车辆的类型。
对于车辆类型检测技术信息融合来说，判断车辆属于哪种类型就是命题，在多传感器检测信息融合中，先初始化一次各个证据的基本可信度分配。然后，每当检测到信息，就进行一次基本可信度分配，再用Dempster 法则得到新的基本可信度的分配。当不断有数据检测到时，这种对基本可信度的分配便得以继续。最后，依照信任函数和似然函数等指标，用决策规则进行决策，判断属于哪类目标，得到最终决策结果。
批改：正确。