广义证据理论
该研究介绍了 Penalty logic 及其相关的非单调推理关系,可以用于选择偏好的一致子集来处理不一致的知识库,并阐述了 Penalty logic 和 Dempster-Shafer 理论之间的联系。
Feb, 2013
讨论在计算能力不足时使用替代逼近过程和启发式方法以及使用用户效用结构对推理进行量身定制来平衡部分结果的成本和收益的应用决策理论来解决困难问题的解决方案。
Mar, 2013
本研究选择计算可信度作为应用领域,评估了异议论证推理的推理能力,并将其与模糊推理和专家系统进行了比较。结果表明,与基线相比,基于异议论证的模型表现更为稳健。这项研究扩展了先前工作,从而提高了异议论证作为处理数据和知识不确定性的一种复杂方法的普适性。
Jun, 2022
本论文提出了一种新的模型,结合了Dempster-Shafer Theory和Evidence的拓扑模型,可以根据不同标准计算代理的(可能)不同的信念程度,并解决了计算这些程度的问题的#P-complete问题。
Jun, 2023
证据理论可用于数据融合中,能够表达由于担心事件可能发生而产生的不确定性,与概率论相比,它不仅仅限于决策者目前设想的可能性;我们阐述了Dempster-Shafer的组合规则与贝叶斯定理在各种概率论版本中的关系,并讨论了信息论应用受证据理论的增强。最后,我们通过一个审计实例来说明证据理论如何解释部分重叠且部分矛盾的解决方案。
Sep, 2023
通过将Reiter理论泛化为对任何类型系统和诊断的无知论,我们定义了基于首要原则的最小诊断,它将最有可能的诊断候选集合在一个假设搜索空间中。在相对温和的假设下,我们的算法能够正确计算首选的诊断候选集合。尽管搜索空间不再是幂集,与Reiter理论不同,我们的理论的适用性更广,并且在实际问题中实现的两个算法能够解决现有诊断方法无法解决的示例。
Sep, 2023
该论文提出了一种对连接数据消息中的认知不确定性进行建模以及根据碰撞概率的置信度对连接事件进行分类的方法,该方法基于证据的Dempster-Shafer理论,假设观测到的连接数据消息来自于一组未知分布,利用Dvoretzky-Kiefer-Wolfowitz不等式构建了这组未知分布的稳健界限,并从时间序列的连接数据消息构建了Dempster-Shafer理论结构,该结构包含了连接数据消息的不确定性,并允许计算给定碰撞概率实现的置信度和可信度。本文提出的方法在几个真实事件上进行了测试,并与欧洲和法国航天局的现有做法进行了比较。
Jan, 2024
提出了一种证据模式推理模型(EPRM),并引入了随机图集(RGS)和随机排列集(RPS)以建模复杂关系和表示更多事件类型,通过冲突解决决策实施的EPRM相对于平均速度决策优化了18.17%的案例,有效改进了飞机速度排序。
Feb, 2024
本研究针对Dempster-Shafer理论中信念融合的异常行为问题进行了探讨,特别是当信息不精确时专家意见可能被忽视。作者提出将DST的组合规则替换为一种新融合过程,以消除该规则引发的异常现象,并将新方法应用于DST悖论问题,展现了其潜在的实用价值。
Aug, 2024