信度网中的认知无关性：不精确马尔可夫树的情形

我们关注信度网，这是一种将贝叶斯网推广到不精确概率的图模型。我们将信度网中常用的强独立性概念替换为较弱的认知无关性概念，后者可以说更适合概率的行为理论。聚焦于有向树，我们展示了如何将图中节点给定的局部不确定性模型组合成全局模型，并利用它构造和论证了一种精确的消息传递算法，用于计算树中变量的更新信度。该算法的复杂度与节点数呈线性关系，完全用相干下预期来表述，并被证明满足多项合理性要求。我们提供了该算法运行的示例，并报告了其在在线字符识别中的应用，说明了我们的方法在预测方面的优势。我们评论了基于认知无关性的真正高效算法的首次可用所开辟的前景。