[论文解读] Faithful Approximations of Belief Functions

David Harmanec|arXiv (Cornell University)|Jan 23, 2013

Multi-Criteria Decision Making参考文献 15被引用 25

一句话总结

本文提出了一种基于一致性和接近度的信念函数近似概念框架，引入了一种计算上不可行的最优近似方法。为解决此问题，本文开发并评估了启发式近似技术，实验评估结果表明其在UAI 1999上的准确性和效率优于先前方法。

ABSTRACT

A conceptual foundation for approximation of belief functions is proposed and investigated. It is based on the requirements of consistency and closeness. An optimal approximation is studied. Unfortunately, the computation of the optimal approximation turns out to be intractable. Hence, various heuristic methods are proposed and experimantally evaluated both in terms of their accuracy and in terms of the speed of computation. These methods are compared to the earlier proposed approximations of belief functions.

研究动机与目标

• 建立基于一致性和接近度的信念函数近似概念基础。
• 定义并分析信念函数的最优近似方法。
• 通过提出实用的启发式替代方法，解决最优方法的计算不可行性问题。
• 从准确性和计算速度两方面评估所提出的启发式方法。
• 将新近似方法与文献中先前的方法进行比较。

提出的方法

• 本文通过两个核心原则来形式化信念函数的近似：与原始信念结构的一致性，以及与原始值的接近度。
• 它将最优近似定义为在这些约束下偏差最小的近似，但证明该计算是不可行的。
• 提出了基于简化假设和高效计算策略的启发式近似方法，以绕过不可行性问题。
• 利用UAI 1999会议背景下的实验基准对启发式方法进行了经验评估。
• 从准确性和执行时间两方面将这些方法与先前的近似技术进行比较。
• 评估框架结合了定量指标和对近似保真度的定性分析。

实验结果

研究问题

• RQ1 什么标准定义了信念函数的忠实近似，以及如何对其进行形式化？
• RQ2 如何定义信念函数的最优近似，其计算特性是什么？
• RQ3 哪些启发式方法能够有效近似信念函数，同时保持高准确性和低计算成本？
• RQ4 所提出的启发式方法在性能和保真度方面与现有近似技术相比如何？
• RQ5 在哪些场景下，启发式近似方法显著优于或劣于最优方法？

主要发现

• 证明了信念函数的最优近似在计算上是不可行的，限制了其实际应用。
• 所提出的启发式方法在近似准确性与计算效率之间实现了有利的权衡。
• 实验评估表明，新启发式方法在准确性和速度方面均优于早期近似方法。
• 基于一致性和接近度的概念框架为评估近似质量提供了坚实基础。
• 结果表明，在实际应用中，启发式近似能够紧密模拟最优方法的行为。
• 研究证实，即使最优解不可行，通过精心设计的启发式方法，仍可在实践中实现忠实近似。