Jan, 2024

应用 Dempster-Shafer 理论处理共同分析中的认识不确定性

PDF
TL;DR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。
发现论文，激发创造
  • 基于 Dempster-Shafer 证据理论的非道路环境中的不确定性感知语义地图构建

    通过将证据推理、Evidential Deep Learning（EDL）和 Dempster's combination rule 应用于语义映射，提出了一种证据语义映射框架，以在感知挑战环境下改善不确定性地图的可靠性，并显示与最佳语义映射技术相当的语义准确性。

    May, 2024

  • 一种针对冲突和不确定证据的信念模型 —— 连接 Dempster-Shafer 理论和证据拓扑

    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

  • 特征融合提升分类效果：结合 Dempster-Shafer 理论和多个 CNN 架构

    使用 Dempster-Shafer 理论构建的集成模型解决深度学习中的不确定性问题，通过特征提取、信任度计算、融合和效用计算等步骤，该方法在 CIFAR-10 和 CIFAR-100 数据集上进行的实验展示了显著的分类准确性提升，相较于最佳单一预训练模型分别提高了 5.4% 和 8.4%。结果突出了 Dempster-Shafer 理论在将深度学习应用于现实世界情景中处理数据不确定性方面的潜力。

    May, 2024

  • 运用认知随机模糊集对模糊和不确定证据进行推理的通用框架及实用模型

    本文提出了一种关于认知随机模糊集的普遍理论，用于处理模糊或清晰证据，并通过广义的乘积交集规则进行独立认知随机模糊集的组合，提出了用于量化标量或矢量量，即高斯随机模糊数和多维高斯随机模糊向量的实用模型，并为组合、投影和平凡扩展推导了高斯随机模糊数和向量的公式。

    Feb, 2022

  • 基于贝叶斯非齐次泊松过程的联合数据信息的统计学习

    通过贝叶斯非齐次泊松过程，本研究提出了一种高精度的概率编程语言实现模型，有效地描述了碰撞危险性，并成功地模拟了自动化避碰系统的发展，有助于卫星操作者实时但谨慎地进行卫星机动操作。

    Nov, 2023

  • 采用 Dempster-Shafer 方法进行数据分类

    本研究采用 Dempster-Shafer 方法作为理论基础来创建数据分类系统，在测试了三个流行的（多属性）基准数据集以及选择正确的属性进行组合后，运用 Dempster 的组合规则对每个数据项的概率进行组合分类并达到了非常高的分类准确率。

    Sep, 2014

  • 福尔摩斯不玩骰子：证据理论对社会和生命科学的意义

    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

  • 卫星与空间碎片碰撞概率的预测：基于贝叶斯机器学习方法

    通过建立隐藏马尔可夫模型，利用碰撞数据消息的概率序列，研究预测两个空间物体碰撞风险的可行性，并使用贝叶斯统计推断模型参数的联合分布，从而开发出可靠的概率预测模型，进一步验证了碰撞警告具有马尔可夫属性的观点，并提出了进一步深入研究的建议。

    Nov, 2023

  • 基于网络数据的因果效应估计与不确定性预测

    通过不确定性感知的图深核学习（GraphDKL）框架和 Lipschitz 约束来建模预测不确定性，并识别不可靠的估计，提出了一种更加可靠的因果效应估计方法。GraphDKL 是第一个处理图形因果效应估计中正性假设违反的框架。通过广泛的实验，我们证明了在网络数据上进行不确定性感知的因果效应估计中，我们提出的方法的优越性。

    Sep, 2023

  • 联结数据消息的泊松过程行为

    针对太空探索中的太空垃圾问题，研究了基于统计学习模型的信息到达过程，并成功实现了对下一条信息到达时间的预测。

    May, 2021