[论文解读] The Combination of Paradoxical, Uncertain, and Imprecise Sources of Information based on DSmT and Neutro-Fuzzy Inference

Florentín Smarandache, Jean Dezert|ArXiv.org|Dec 19, 2004

Multi-Criteria Decision Making参考文献 29被引用 5

一句话总结

本文提出了一种新颖的框架，利用 Dezert-Smarandache 理论（DSmT）与中性模糊推理，融合矛盾、不确定和不精确的信息。该框架引入广义组合规则——N-范数与N-余范，可在高冲突、不精确和非完备假设下实现稳健融合，通过归一化确保信念、否定和不确定性分量的质量分配一致。

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 chapter, 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. The last part of this chapter concerns the presentation of the neutrosophic logic, the neutro-fuzzy inference and its connection with DSmT. Fuzzy logic and neutrosophic logic are useful tools in decision making after fusioning the information using the DSm hybrid rule of combination of masses.

研究动机与目标

• 解决 Dempster-Shafer 理论（DST）在处理矛盾、不精确和高度冲突的信息源时的局限性。
• 开发一种通用融合框架，摆脱 Shafer 模型的限制与第三中值排除原则。
• 提出新的组合规则——N-范数与N-余范，统一处理不确定性、信念与否定。
• 将中性逻辑与模糊推理与 DSmT 集成，以增强不确定性下的决策能力。
• 提供一种混合 DSm 模型，可在保留通用性与灵活性的同时适应现实世界约束。

提出的方法

• 使用自由 DSm 模型，仅假设识别框架的弱完备性，无需假设假设的互斥或完备性。
• 引入完整性约束，构建针对特定融合问题的混合 DSm 模型，实现动态且上下文敏感的建模。
• 在无约束违反时，于自由 Dedekind 格上应用经典的 DSm 组合规则，实现合取共识。
• 当两个信息源均被认为可靠时，使用 N-范数（如代数积）组合质量，随后通过归一化确保总和一致性。
• 当仅一个信息源可信时，使用 N-余范（如代数和减去积）建模，将冲突质量转移至假设的并集。
• 通过向量归一化对信念、否定与不确定性分量进行归一化，以保持信念结构间的一致性。

实验结果

研究问题

• RQ1 如何在超越 Shafer 模型约束与第三中值排除原则的前提下，实现信息融合的泛化？
• RQ2 当信息源高度冲突、不精确或存在悖论时，哪些融合规则是有效的？
• RQ3 如何将中性逻辑与模糊推理与 DSmT 集成，以提升不确定性下的决策能力？
• RQ4 在组合非加性信念结构时，归一化在保持一致性方面起到什么作用？
• RQ5 如何构建混合 DSm 模型，以在动态融合问题中反映现实世界的完整性约束？

主要发现

• 基于 N-范数的两源融合，对于 θ₁，质量为 (0.6, 0.1, 0.3) 与 (0.5, 0.3, 0.2)，归一化后质量为 (0.769, 0.077, 0.154)，表明在可靠性假设下实现了一致组合。
• 对于 θ₂，N-范数融合 (0.8, 0, 0.2) 与 (0.7, 0.2, 0.1) 得到归一化质量 (0.966, 0, 0.034)，表明对否定分量为零的情况具有有效处理能力。
• θ₁ ∩ θ₂ 的冲突质量计算为 (0.82, 0.02, 0.07)，归一化为 (0.901, 0.022, 0.077)，并在强制互斥时转移至 θ₁ ∪ θ₂。
• 在 N-余范规则下，θ₁ 的组合质量为 (0.497, 0.230, 0.273)，反映了在源可靠性未知时的不确定性。
• 对于 θ₂，N-余范融合得到 (0.662, 0.141, 0.197)，表明在源可靠性模糊时，对假设的信念有所增强。
• 在 N-余范下，θ₁ ∩ θ₂ 的冲突质量为 (0.576, 0.188, 0.236)，经归一化后转移至并集，表明对模糊性的稳健处理能力。