本体中的不确定性：面向数据融合应用的Dempster-Shafer理论
人工智能
2011-06-21 v1
摘要
如今，本体在数据融合应用中展现出日益增长的兴趣。事实上，本体被视为一种语义工具，用于描述和推理传感器数据、对象、关系以及通用领域理论。此外，不确定性或许是数据融合所处理的数据和信息最重要的特征之一。然而，本体的基本性质意味着本体仅描述世界中已断言且真实的事实。已有不同的概率、模糊和证据方法来填补这一空白；本文概述了最流行的工具。然而，没有一种工具完全符合我们的目的。因此，我们构建了一个Dempster-Shafer本体，它可以导入任何特定领域本体，并使我们能够以不确定的方式对其进行实例化。我们还开发了一个Java应用程序，能够对这些不确定的本体实例进行推理。
引用
@article{arxiv.1106.3876,
title = {Uncertainty in Ontologies: Dempster-Shafer Theory for Data Fusion Applications},
author = {Amandine Bellenger and Sylvain Gatepaille},
journal= {arXiv preprint arXiv:1106.3876},
year = {2011}
}
备注
Workshop on Theory of Belief Functions, Brest: France (2010)