一.規則庫結構優化
- 論文《置信規則庫規則約簡的粗糙集方法》中采用粗糙集方法約簡規則屬性。文中說前提屬性多、前提屬性的參考值多會發生“組合爆炸”，排列組合舉個例子，有2個前提屬性，每個前提屬性有5個參考值，那么就有5*5=25條規則。規則太多導致在采用ER算法進行規則組合時產生組合爆炸。對置信規則庫結構進行優化，應該是指約簡前提屬性，約簡前提屬性的參考值，也就會減少規則數量。
- 存在問題：論文未看透。
二.輸入值置信度計算
截圖來自論文《數據驅動的置信規則庫構建與推理方法》
-
這種置信度的轉化方法在書《置信規則庫專家系統與復雜系統建模》14頁有介紹，參考值為數量值。此計算方法對較大值得偏好較大。因為k不等於j、j+1時aij為0，所以此時計算規則激活權重為0，所以在示例代碼中只有兩條規則的組合。（有待驗證，繼續看論文》
-
在論文《Belief Rule-Base Inference Methodology Using the Evidential Reasoning Approach ——RIMER》中提到因輸入數據不完整，要對分布式評價結果的置信度進行修正，如一條規則中有5個前提屬性，輸入數據只有對應4個屬性的值，或者經過輸入信息轉化之后aij等於0，分母為5，而分子中因為乘數為0，只有4項（此處還有疑問：輸入值相對於參考值，參考值個數在一條規則中是一個還是多個）
三.ER組合
-
ER的組合思想和Dempster應該是一脈相承的
-
上圖為Dempster的組合
-
上圖為ER的組合迭代計算，
- 上圖也是ER的結果置信度計算，這個公式和上面的思想是一致的，示例代碼使用的是這個公式，他們都進行了歸一化
- 以上也是ER的計算公式，來自不同篇論