[논문 리뷰] General combination rules for qualitative and quantitative beliefs

Arnaud Martin, Christophe Osswald외 2명|ArXiv.org|2009. 06. 28.

Rough Sets and Fuzzy Logic참고 문헌 32인용 수 48

한 줄 요약

이 논문은 전문가의 응답에서 발생하는 갈등과 비특이성 문제를 다루기 위해 확장된 조합 규칙을 사용하여 정성적(언어적) 및 정량적 신뢰를 융합하기 위한 통합 프레임워크를 제안한다. 논문은 PCR(비율 갈등 재분배) 및 할인 PCR 규칙의 새로운 정성적 확장 방식을 도입하여 언어적 레이블을 활용한 정확한 갈등 처리 및 신뢰 정규화를 가능하게 하며, 예시를 통해 일관성과 준정규화가 입증된다.

ABSTRACT

Martin and Osswald \cite{Martin07} have recently proposed many generalizations of combination rules on quantitative beliefs in order to manage the conflict and to consider the specificity of the responses of the experts. Since the experts express themselves usually in natural language with linguistic labels, Smarandache and Dezert \cite{Li07} have introduced a mathematical framework for dealing directly also with qualitative beliefs. In this paper we recall some element of our previous works and propose the new combination rules, developed for the fusion of both qualitative or quantitative beliefs.

연구 동기 및 목표

• 고전적 신뢰 조합 규칙이 정성적 및 정량적 불확실성을 동시에 다루는 데에 한계가 있음을 해결하기 위해.
• 통합 수학적 프레임워크를 통해 전문가 응답의 갈등과 비특이성을 관리하기 위해.
• 정량적 조합 규칙인 PCR 및 할인 PCR을 언어적 레이블을 사용하여 정성적 영역으로 확장하기 위해.
• 분수 색인 인덱싱을 사용하는 경우에도 병합된 질량의 준정규화를 보장하기 위해.
• 부분 갈등이 있는 경우와 없는 경우의 신뢰 융합 결과 사이에 연속적인 전이를 유지하기 위해.

제안 방법

• 정량적 조합 규칙(Dempster, Yager, Dubois-Prade, PCR)을 언어적 레이블을 사용하여 정성적 영역으로 확장한다.
• 비율 갈등 재분배(PCR)를 정성적 질량에 적용하여 갈등을 갈등 요소들 사이에 비례적으로 재분배한다.
• 부분 무지에 갈등의 일부를 할인 요소 α를 사용해 재분배하는 할인 정성적 PCR(DPCR)를 도입한다.
• 분수 색인(예: L_{1/6}, L_{2.5/6})을 사용한 정밀한 언어적 레이블 집합을 활용하여 근사 오류를 방지한다.
• 전문가 응답의 기수를 기반으로 한 비특이성 측도를 정의하여 결합 및 분리 융합 구성 요소의 가중치를 조정한다.
• 결합, 분리 및 갈등 재분배 구성 요소를 통합한 융합 규칙를 적용하여 부분 무지에 대한 신뢰 질량의 연속성을 보장한다.

실험 결과

연구 질문

• RQ1 고전적 정량적 조합 규칙가 자연어로 표현된 정성적 신뢰를 체계적으로 다룰 수 있도록 어떻게 확장할 수 있는가?
• RQ2 갈등과 비특이성은 신뢰 융합에 어떤 영향을 미치며, 정성적 영역에서 이들을 정량적으로 모델링할 수 있는가?
• RQ3 비율 갈등 재분배(PCR) 규칙가 정규화와 일관성을 유지하면서 언어적 레이블에 어떻게 적응할 수 있는가?
• RQ4 할인이 정성적 신뢰 융합에서 갈등 재분배에 어떤 영향을 미치며, 신뢰할 수 없는 자료를 관리하는 데서 어떤 역할을 하는가?
• RQ5 갈등이 있는 경우와 없는 경우 모두에서 부분 무지에 대한 신뢰 질량의 연속성을 유지할 수 있는 통합 규칙를 구성할 수 있는가?

주요 결과

• 분수 색인을 사용한 정성적 PCR 규칙는 근사 오류 없이 준정규화된 결과를 도출하여 일관성을 보장한다.
• 할인 정성적 PCR(DPCR) 규칙는 준정규화를 유지하며, 할인 요소 α를 통해 갈등을 부분 무지로 재분배할 수 있다.
• 분수 색인을 가장 가까운 언어적 레이블로 근사할 경우 정규화가 상실되므로, 정교한 레이블 인덱싱이 필요하다는 점이 부각된다.
• 결합, 분리 및 갈등 재분배 구성 요소를 통합한 융합 규칙는 부분 무지에 대한 신뢰 질량의 연속적인 전이를 보장한다.
• 예시에서는 고전적 규칙가 비특이성과 부분 갈등을 정확히 다루지 못하는 반면, 제안된 규칙는 효과적으로 이를 처리한다.
• 제안된 프레임워크는 방어, 로봇공학, 경로 계획 등 응용 분야에서 정성적 및 정량적 신뢰의 견고한 융합을 가능하게 한다.