教材：《人工智能及其应用》，蔡自兴等，2016m清华大学出版社（第5版）
参考书：
对应同系列博客：《人工智能》之《非经典推理》
不确定性推理，也称不精确推理，泛指除确定性推理以外的其它各种推理问题，包括不完备、不确定性知识的推理，模糊知识的推理，非单调性推理等。不确定性推理从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。不确定性推理存在三种不确定性，即关于知识的不确定性、关于证据的不确定性和关于结论的不确定性。
因为现实世界中的大多数问题是不确定、非完备的。对于这些问题，若采用前面所讨论的确定性推理方法显然是无法解决的。为此，人工智能需要研究不确定性的推理方法，以满足客观问题的需求。
LS是规则成立的充分性因子，LN是规则成立的必要性因子。
根据经验对一个事物或现象为真的（相信）程度成为可信度。
在可信度方法中，不精确推理规则的一般形式为：IF E THEN H (CF(H,E))，其中CF(H,E)是该规则的可信度，称为可信度因子或规则强度。
概率分配函数：将样本空间的任意一个子集都映射为[0,1]上的一个数。
信任函数：下限函数，对命题是真的信任程度。
似然函数：下限函数，对命题是非假的信任程度。
