将 Dempster-Shafer 理论推广至模糊集
人工智能
2013-04-10 v1
摘要
出于将 Dempster-Shafer 理论应用于证据强度往往不精确和模糊的复杂现实世界问题的愿望，人们已多次尝试推广该理论。然而，D-S 理论中信念函数和似然函数分别是下概率和上概率这一重要概念，在这些推广中不再得以保留。在本文中，我们描述了一种广义证据理论，其中对模糊集的信任度是通过在基本概率赋值施加的约束下最小化该模糊集的概率而获得的。为了表述模糊焦元的概率约束，我们将其分解为一组同调的非模糊焦元。通过将相容关系推广至可能性理论，我们能够基于可能性分布证明我们对 Dempster 规则推广的合理性。我们的推广不仅扩展了 D-S 理论的应用，还阐明了一种结合概率论和模糊集论以处理人工智能系统中不同类型不确定信息的方法。
引用
@article{arxiv.1304.2383,
title = {Generalizing the Dempster-Shafer Theory to Fuzzy Sets},
author = {John Yen},
journal= {arXiv preprint arXiv:1304.2383},
year = {2013}
}
备注
Appears in Proceedings of the Fourth Conference on Uncertainty in Artificial Intelligence (UAI1988)