在诸如人工智能、机器学习、模式识别和数据挖掘等许多研究领域,智能系统中的知识,既有规律性的一般原理,又有大量的不完全的专家经验知识,这样的知识不可避免地带有随机性、不可靠、模糊性等不确定因素,因此必须处理具有不确定性的问题,来得到对某一命题的正确判断,不确定性问题也一直成为人们关注和研究的焦点。为了把带有各种不确定性的知识表示在智能系统中,并运用它们来进行判断、推理和决策,不仅需要研究不确定性的知识的表示方法,还要探讨在各种不确定性状态下的推理方法,即研究不确定性推理。本文简述了不确定性推理的发展背景、基本概念、研究领域和进展,对推理算法进行了分析,主要内容如下:(1)对证据的不确定性以及确定性的传播算法进行了研究,在推理过程采用了分层知识表示方式,体现了专家分析和解决问题的思想,并在此知识结构基础上,阐述了基本的推理机制。(2)在模糊推理中,隶属函数是模糊推理的基石,其形式也是多样的,分析了只针对特定隶属函数的推理方法,在构造系统应用时具有的局限性,不利于推理机系统的设计和扩展。(3)利用B样条基函数的性质,对隶属函数进行逼近,在设计中只需实现对基函数的运算和设计,使系统有较好的可扩展性和实用性。实验验证通过结合隶属函数的曲率等信息选取调整特征点,可以实现逼近误差的控制,从而使整个推理方法的精度也达到可控。