Dempster-Shafer 信念函数的独立性、条件性与结构
人工智能
2017-07-14 v1
摘要
回顾了文献中关于 Dempster-Shafer 联合信念函数结构化（因式分解、分解）的几种方法，特别强调其从信念函数推广了概率的贝叶斯概念这一主张的角度捕捉独立性的能力。研究表明，Zhu 和 Lee 的逻辑网络和 Smets 的有向无环图无法捕捉贝叶斯网络的统计依赖/独立性。另一方面，虽然 Shenoy 和 Shafer 的超图可以显式表示贝叶斯信念函数的贝叶斯网络因式分解，但他们否认需要在信念函数中表示变量的独立性。Cano 等人仅以缺少变量独立性表示为由拒绝了 Shenoy 和 Shafer 的超图表示，但在他们的框架中，一些在 Shenoy/Shafer 框架中可分解的信念函数却无法分解。另一方面，{Klopotek:93f} 中的方法结合了 Cano 等人和 Shenoy/Shafer 方法的优点，即对于 Shenoy/Shafer 方法而言，不存在比 {Klopotek:93f} 方法更简单的因式分解，同时，Cano 等人框架中捕捉到的所有变量独立性以及更多独立性都在 {Klopotek:93f} 方法中得到了捕捉。
引用
@article{arxiv.1707.03872,
title = {Independence, Conditionality and Structure of Dempster-Shafer Belief Functions},
author = {Mieczysław A. Kłopotek},
journal= {arXiv preprint arXiv:1707.03872},
year = {2017}
}
备注
1994 internal report