李德毅老師開創的雲理論，是對傳統的隸屬函式概念的揚棄。自然界中大量模糊概念可以用正態雲來刻劃的事實，導致了對正態雲外部特徵以及內部機理的深入研究。模糊概念可表述為乙個邊界具有不同彈性的，收斂於正態分佈函式的雲。實質上，雲是用語言值表示的某個定性概念與其定量表示之間的不確定性轉換模型，雲的數字特徵可用期望值ex、熵en、超熵he三個數值來表徵，它把模糊性和隨機性完全整合到一起，構成定性和定量相互間的對映，為定性與定量相結合的資訊處理提供了有力手段。所以它成為令人矚目的處理模糊資訊的有效工具。參見百科解釋
我們可以通過乙個例子理解雲的概念。廣場(x,y)，這裡用座標表示廣場的位置，它是乙個定量的資料。在一定的條件下，它可以轉化為定性資料——廣場在某市中心。顯然，對於大部分人，後者更易於理解。這就是本文所關注的不確定資訊。這樣的例子還有很多，假設我們通過ann得到了**值——這個人25歲，進一步，我們得到了「這個人25歲，標準差2歲」，標準差也是估計出來的，那麼這個標準差本身也是不確定的，也就是雲。
概念——雲是用語言之描述的某個定心概念與其豎直表示之間的不確定轉換模型。
設論域u=,t與u相聯絡，定義隸屬度ct(x) :u—〉[0，1]，對於任意x屬於u，x->ct(x) 。以上是雲理論的數學表達。
雲具有以下特點
（1）x—〉[0，1]，是一對多的轉換，x對於t的隸屬度是乙個概率分布；
（2）雲滴（觀測值）匯聚成雲，只可遠觀（從上圖易見）；
（3）期望曲線是隸屬度曲線；
（4）曲線腰厚，頂薄，尾厚，符合人們的判斷習慣。
數字特徵：
ex：論域中心，期望
en：資訊熵，熵越大，所接受的數值範圍也越大，概念越模糊
he：超熵，熵的熵，具體含義不明。
正態雲生成演算法：
(1)xi=g(ex,en)
(2)eni=g(en,he)
(3)mu=exp(-(x-ex)^2/2/eni^2)
(xi,mu)為雲滴
注：本來用matlab做了圖，但網速太慢，傳不上去。
重視不確定性
面臨兩種選擇時，多數人認為最重要的是從中選擇，然而設計 無論是軟體設計還是其他設計 並不是這樣的。當你面對兩種可能性時，應該仔細考慮設計中存在的不確定性。不確定性可以促使你推遲決定 譯註1 收集更多的資訊 促使你使用分隔 partition 和抽象 abstract 的方法來降低設計決策的重要性 譯...
不確定性推理
不確定性推理 是指建立在不清楚，不明確的知識和證據基礎上的推理，不完備 不精確的知識推理，模糊知識推理。多種原因導致同一結論。解題方案不唯一，現實生活中的問題有很多解決方案，這些方案之間很難決定誰優誰劣，所以選擇認為較優的方案，就屬於一種不確定性推理。所需知識不完備，不精確。所需知識描述模糊。知識的...
不確定性學習（2）
續上。定義的常量 不確定性很小的一些量，比如 一些物理常量，我們認為他們是確定的，因此為定義的常量。決策變數 決策者可以直接控制的數量，也稱為控制變數或者政策變數。決策變數根據定義沒有真值，其值的確定依賴於決策者。價值引數 代表了決策者以及其代表人群的偏好。價值引數不應該被認為經驗數量 將價值引數的...