54、不确定事件处理：概率与模糊理论的应用

不确定事件处理：概率与模糊理论的应用

1. 事件历史与系统事件历史

在事件处理中，事件历史是一个重要的概念。例如，有三个关于 IBM 股票报价的事件：事件 e1 在 10:30 时，IBM 股票报价为 100 美元；事件 e2 在 10:45 时，报价为 105 美元；事件 e3 在 11:00 时，报价为 103 美元。这些事件可以用元组 {10:30,IBM,100}、{10:45,IBM,105} 和 {11:00,IBM,103} 来描述。

基于这些事件，可以定义不同的事件历史，如下表所示：
| 事件历史 | 包含事件 |
| ---- | ---- |
| EH10:45 10:30 | {e1,e2} |
| EH11:00 10:45 | {e2,e3} |
| EH10:35 10:30 | {e1} |
| EH11:00 10:30 | {e1,e2,e3} |

需要注意的是，不存在一个同时包含 e1 和 e3 但不包含 e2 的事件历史。

实际的事件历史并不一定等同于系统所拥有的关于事件历史的信息。例如，温度计显示 37.5°C 并不一定是“真实”的温度。为了区分这两者，我们将系统所拥有的事件历史称为系统事件历史。

2. 基于模糊集理论的表示

在模糊集理论中，事件可以表示为“x 是 ˜A”的形式，其中 x 是事件的一个属性，˜A 是一个模糊值，并与一个隶属函数相关联。例如，对于“传感器 s 的温度正常”这一事件，可以定义模糊术语“正常”的隶属函数如下：