信念网络上的信息融合
人工智能
2020-07-28 v1
摘要
本文聚焦于将多个观测或不确定性模型“融合”为单一结果模型的过程。许多现有的融合方法使用诸如“信念强度”之类的主观量，并用启发式算法处理这些量。本文主张使用可以客观度量的量，而非主观的“信念强度”值。本文将重点关注概率分布，更重要的是，关注表示概率分布集合的结构，即所谓的“信度集”。本文的新颖之处在于提出了一种融合模型的分类法，该分类法使用特定类型的信度集，即概率区间分布和Dempster-Shafer模型。本文提供了一个信息融合算法的客观要求，并且本文提出的所有融合模型都满足该要求。研究表明，Dempster组合规则不满足此要求。本文还将评估所提出的融合方法所涉及的计算挑战。
引用
@article{arxiv.2007.12989,
title = {Information Fusion on Belief Networks},
author = {Shawn C. Eastwood and Svetlana N. Yanushkevich},
journal= {arXiv preprint arXiv:2007.12989},
year = {2020}
}
备注
25 pages, pages of Appendix, 3 figures