[論文レビュー] An Introduction to the DSm Theory for the Combination of Paradoxical, Uncertain, and Imprecise Sources of Information

Florentín Smarandache, Jean Dezert|ArXiv.org|Aug 1, 2006

Advanced Mathematical Theories参考文献 31被引用数 7

ひとこと要約

本稿は、排他的仮説や三段論法の排中律といった制限的な仮定を緩和することで、不確実で曖昧かつ著しく矛盾する情報源を統合するための新規フレームワーク、デュゼル＝スマランダシュ理論（DSmT）を紹介する。従来の手法に比べ、特に動的または言語的表現された文脈において、パラドキシカルで曇った証拠をより効果的に扱える新しい結合規則（DSmHおよびPCR5）を提案する。

ABSTRACT

The management and combination of uncertain, imprecise, fuzzy and even paradoxical or high conflicting sources of information has always been, and still remains today, of primal importance for the development of reliable modern information systems involving artificial reasoning. In this introduction, we present a survey of our recent theory of plausible and paradoxical reasoning, known as Dezert-Smarandache Theory (DSmT) in the literature, developed for dealing with imprecise, uncertain and paradoxical sources of information. We focus our presentation here rather on the foundations of DSmT, and on the two important new rules of combination, than on browsing specific applications of DSmT available in literature. Several simple examples are given throughout the presentation to show the efficiency and the generality of this new approach.

研究の動機と目的

• 不確実で曖昧、パラドキシカルな証拠を扱う際のデュゼル＝シャーマン理論（DST）の限界を是正すること。
• シャーマンのモデルや三段論法の排中律に依存しない、証拠統合の一般化されたフレームワークの構築。
• 重複する仮説や高い矛盾を効率的に管理できる、DSmHおよびPCR5という新しい結合規則の導入。
• 言語的ラベルを用いた定性的信念統合への理論の拡張により、人間の報告を直接処理可能にする。
• フレームワークの枠組みを動的融合問題に拡張し、識別枠が時間経過とともに変化する状況を扱える基盤を提供すること。

提案手法

• 排他的制約なしに、識別枠 $\Theta$ を重複する仮説の集合として扱う自由DSmモデル ($\mathcal{M}^f(\Theta)$) を提案。
• 排他的性などの統合制約（例：排他的仮説）を自由モデルに組み込むことで、実世界の状況をより適切に反映するハイブリッドDSmモデル ($\mathcal{M}(\Theta)$) を定義。
• 任意のハイブリッドモデル（シャーマンのモデルを含む）に適用可能な、結合則の一般化であるDSmH結合則を開発。
• 信念質量に基づいて部分的衝突質量を割合的に再分配するPCR5規則（比例的衝突再分配）を導入。
• 言語的ラベル（例：$L_1, L_2$）を用いた定性的信念統合にフレームワークを拡張し、ラベル集合における加法、乗法、減法などの演算を導入。
• 正確な正規化が不可能な状況において、ラベル減法による準正規化を提案し、正規化の近似を実現。

実験結果

リサーチクエスチョン

• RQ1 シャーマンのモデルや三段論法の排中律という制限的仮定を超えて、証拠統合をどのように一般化できるか。
• RQ2 高衝突状況下におけるデュゼルの規則の限界は何か。それらはどのように克服できるか。
• RQ3 重複するまたは曖昧な仮説を扱える統一的フレームワークは、定量的および定性的信念統合の両方を効果的に処理できるか。
• RQ4 古典的規則（デュゼルの規則やPCR4）と比較して、衝突質量をより正確に再分配する方法は何か。
• RQ5 動的知識の再評価は融合システムにおいて果たす役割は何か。DSmTの枠組み内でどのようにモデル化できるか。

主な発見

• DSmH規則は、シャーマンのモデルを含む任意のハイブリッドDSmモデルにおいて、結合則の一般化により一貫した証拠統合を可能にする。
• PCR5規則は、信念質量に基づいて部分的衝突質量を割合的に仮説に再分配し、古典的規則よりも精度を向上させる。
• 定性的統合では、正確な比例が不可能な場合に、qPCR5規則が比例近似を用いて衝突質量を転送する（例：$\frac{1}{3}L_2$ を $\theta_1$ に、$\frac{2}{3}L_2$ を $\theta_2$ に）。
• ラベル減法（$L_i - L_j$）による準正規化により、定性的統合における近似正規化が可能となり、結果は1〜2ラベル分の調整が加えられる。
• qDSmHおよびqPCR5規則により、最終的な信念質量として $qm_{qDSmH}^*(\theta_1) = L_2$、$qm_{qPCR5}^*(\theta_1) = L_3$ などの結果が得られ、効果的な衝突解決が実現している。
• フレームワークは言語的ラベルおよび自然言語報告を効果的に処理でき、数値変換を経由せずに人間の報告を直接統合可能である。