[论文解读] An In-Depth Look at Information Fusion Rules & the Unification of Fusion Theories

Florentín Smarandache|arXiv (Cornell University)|Oct 14, 2004

Multi-Criteria Decision Making参考文献 19被引用 16

一句话总结

本文全面综述并统一了32种信息融合规则，引入了PCR5等新规则，实现精确的冲突再分配，并提出了融合理论统一化（UFT）框架，将识别框架上的布尔代数扩展至处理认知不确定性及悖论性/冲突性证据。该框架根据应用上下文选择最合适的规则，以DSmT为默认理论，PCR5为数学上最精确的冲突再分配方法。

ABSTRACT

This paper may look like a glossary of the fusion rules and we also introduce new ones presenting their formulas and examples: Conjunctive, Disjunctive, Exclusive Disjunctive, Mixed Conjunctive-Disjunctive rules, Conditional rule, Dempster's, Yager's, Smets' TBM rule, Dubois-Prade's, Dezert-Smarandache classical and hybrid rules, Murphy's average rule, Inagaki-Lefevre-Colot-Vannoorenberghe Unified Combination rules [and, as particular cases: Iganaki's parameterized rule, Weighting Average Operator, minC (M. Daniel), and newly Proportional Conflict Redistribution rules (Smarandache-Dezert) among which PCR5 is the most exact way of redistribution of the conflicting mass to non-empty sets following the path of the conjunctive rule], Zhang's Center Combination rule, Convolutive x-Averaging, Consensus Operator (Josang), Cautious Rule (Smets), ?-junctions rules (Smets), etc. and three new T-norm & T-conorm rules adjusted from fuzzy and neutrosophic sets to information fusion (Tchamova-Smarandache). Introducing the degree of union and degree of inclusion with respect to the cardinal of sets not with the fuzzy set point of view, besides that of intersection, many fusion rules can be improved. There are corner cases where each rule might have difficulties working or may not get an expected result.

研究动机与目标

• 系统化并扩展现有的信息融合规则，包括经典与新型方法，以处理认知不确定性及冲突证据。
• 解决单一融合规则的局限性，这些规则在特定条件下（如高冲突或信息不完整）会失效。
• 提出融合理论统一化（UFT）框架，根据应用上下文动态选择最优融合模型、规则与算法。
• 通过基于集合基数的并集度与包含度指标，提升融合精度，而非依赖模糊隶属度。
• 在识别框架上形式化布尔代数结构，整合补集运算及对并、交、补运算的封闭性。

提出的方法

• 将融合规则从幂集 2Θ 扩展至超幂集 SΘ = {φ, θ1, θ2, ..., C(θ1 ∪ θ2)}，以包含补集并处理非互斥元素。
• 引入新型融合规则，如比例冲突再分配（PCR5），其沿合取规则的路径精确再分配冲突质量。
• 应用源自中性集与模糊集理论的T-范数与T-反范数运算，以增强在不确定性下的融合能力。
• 在UFT中提出基于决策的选择机制，根据不同场景选择最合适的规则（例如，合取规则适用于可靠信源，析取规则适用于乐观融合）。
• 以合取规则为基础，随后通过PCR5、Iganaki的参数化规则或加权平均等规则实现冲突质量再分配。
• 引入准结合性与准马尔可夫算法，以在动态、实时融合系统中保持结合性与马尔可夫行为。

实验结果

研究问题

• RQ1 在高冲突、信息不完整或信源不可靠的条件下，哪种融合规则表现最优？
• RQ2 如何以数学上精确的方式再分配冲突质量，同时严格遵循合取规则的逻辑路径？
• RQ3 何种代数结构最能支持多样化融合理论的统一，同时处理非互斥、模糊或中性集元素？
• RQ4 基于集合基数的并集度与包含度是否能超越传统模糊或概率度量，提升融合规则性能？
• RQ5 如何设计一种动态、面向应用的融合框架，实现实时选择最优规则、模型与算法？

主要发现

• PCR5被确定为再分配冲突质量的数学上最精确方法，能精确遵循合取规则的路径。
• 当任意信任质量为零时，合取规则会失效，凸显了冲突再分配机制的必要性。
• 析取规则与互斥析取规则也受零质量传播的影响，限制了其在不确定环境中的鲁棒性。
• UFT提供了一种灵活、面向应用的框架，其默认理论为DSmT，默认规则为最小平均原则。
• 在并、交、补运算下封闭的超幂集 SΘ 构成布尔代数，其融合建模能力优于传统幂集。
• 并非所有规则都需要归一化；不完整或矛盾的质量可直接融合，归一化可选择在组合后进行或保持未归一化，具体依上下文而定。