随着互联网技术的飞速发展和智慧城市的提出,人工智能的发展也越来越迅速。作为人工智能方向的核心研究领域,不确定性推理在人工智能发展中有着重要的作用。近年来,可信度推理由于在推理和决策过程中表现不确定性和模糊性时具有较好的能力和效率而备受关注。计算机能够有效地处理日常生活中用自然语言表示的推理决策问题,这是计算机实现深层次智能化的体现。本文基于犹豫模糊集对语言知识获取及可信度推理进行研究,为人工智能领域提供一种语言值自动推理的理论和方法。本文综合考虑了可信度不确定性推理与犹豫模糊语言术语集的优势和不足,深入地研究了基于犹豫模糊语言值可信度不确定性推理的决策方法,既可以处理定量信息也可以处理定性信息,具有对模糊不确定性或概率不确定性问题进行建模的能力。主要研究成果如下:(1)针对可信度推理过程中对推理前提和规则的可信度估值不精确的问题,并使专家在评价推理中更好地表达犹豫偏好,增加获取和表示信息的灵活性,本文将犹豫模糊语言术语集与可信度推理相结合。首先定义了犹豫模糊语言值可信度,并给出了犹豫模糊语言值可信度的知识表示模型。然后为解决专家在评价推理过程中出现的信息缺失问题,构建了一种基于最大相似度的信息补全算法。(2)为解决专家人为给出前提可信度带来的主观因素影响,本文提高频率fr来进行多次迭代,计算条件属性的提升因子及其犹豫模糊语言值可信度提升因子,从而得到更准确客观的前提可信度。通过粒计算中预序熵的思想求解条件属性权重,避免因人为设定同一推理规则下各条件属性的权重所造成的主观影响给推理结果带来的偏差。(3)研究了犹豫模糊语言值可信度的单规则和多个规则并行推出结论的推理法则。同时考虑了前提和规则的可信度对推理结果的影响,避免推理规则过于单一,使结果更加准确。在推理结果基础上,定义正理想结论集?和负理想结论集,提出推理后每一备选方案的结论集与正、负理想结论集间的贴近度,并计算各方案的满意度,决策出最合适的备选方案。构建相应的基于犹豫模糊语言值可信度推理的合理决策模型及算法,并以一个社会风险分析的实例说明该方法的有效性和适用性。