[论文解读] Interval Structure: A Framework for Representing Uncertain Information

Michael S. K. M. Wong, L. S. Wang+1 more|arXiv (Cornell University)|Mar 13, 2013

Rough Sets and Fuzzy Logic参考文献 5被引用 12

一句话总结

本文提出区间结构作为表示不确定信息的统一框架，证明粗糙集、因果演算和信念/似然函数均符合其公理体系。该文提出一种基于可靠推理公理的高效算法，用于合成专家决策规则，从而在人工智能应用中实现一致且系统的不确定性处理。

ABSTRACT

In this paper, a unified framework for representing uncertain information based on the notion of an interval structure is proposed. It is shown that the lower and upper approximations of the rough-set model, the lower and upper bounds of incidence calculus, and the belief and plausibility functions all obey the axioms of an interval structure. An interval structure can be used to synthesize the decision rules provided by the experts. An efficient algorithm to find the desirable set of rules is developed from a set of sound and complete inference axioms.

研究动机与目标

• 在单一形式化框架下统一多样化的不确定性表示模型。
• 解决在不确定性下组合专家知识时存在的不一致性问题。
• 开发一种计算高效的规则合成方法，从专家输入中生成规则。
• 为处理不精确或不完整信息提供形式化的公理基础。
• 实现对下近似、上近似、边界以及信念/似然度量的系统性整合。

提出的方法

• 通过一组公理形式化区间结构，这些公理推广了下近似和上近似。
• 证明粗糙集近似、因果演算边界以及信念/似然函数均满足区间结构公理。
• 利用可靠且完备的推理公理推导出规则合成算法。
• 将该框架应用于将专家提供的决策规则整合为一致且连贯的集合。
• 设计一种算法，确保从不确定输入中生成规则时的正确性和完备性。
• 建立现有不确定性模型与共同表示结构之间的正式联系。

实验结果

研究问题

• RQ1 能否通过单一形式化框架统一粗糙集、因果演算和信念函数等多样化的不确定性模型？
• RQ2 粗糙集的下近似和上近似是否符合区间结构的公理？
• RQ3 因果演算中的边界以及信念/似然函数能否在区间结构框架内系统地表示？
• RQ4 如何高效合成专家提供的决策规则，同时保持一致性和完备性？
• RQ5 何种公理基础能够支持将多种不确定性表示整合到统一系统中？

主要发现

• 粗糙集模型的下近似和上近似满足区间结构公理，从而实现了形式上的统一。
• 因果演算的边界同样符合区间结构公理，验证了其与该框架的兼容性。
• 信念和似然函数被证明与区间结构一致，扩展了其在证据理论中的适用范围。
• 从可靠且完备的推理公理中推导出高效的规则合成算法，确保了正确性和完备性。
• 该框架能够系统性地整合不确定性下的专家规则，提升了人工智能推理系统中的可靠性。
• 统一结构为多样化的不确定性模型提供了共同基础，增强了互操作性与理论一致性。