×
约翰·克莱恩；奥利维·科罗特

使用证据冲突分析进行奇异源挖掘。 （英语） Zbl 1242.68331号

国际J近似推理 52，第9期，1433-1451（2011）.
摘要：奇异源挖掘在传感器融合或数据集分析等许多应用中至关重要。单一的信息来源提供的证据与大多数其他来源有很大不同。在Dempster-Shafer理论中，来源收集的证据片段通过基本信念分配（bbas）进行总结。在本文中，我们建议通过分析它们对应的bba之间的冲突来挖掘奇异源。通过将冲突视为贴现率参数的函数，获得了新的发展，并引入了一个衡量每个bba对冲突贡献的标准。该准则的有效性和鲁棒性在多组具有不同特性的bba上得到了证明。

引用于三文件

MSC公司：

68层37 人工智能背景下的不确定性推理

关键词：

Dempster-Shafer理论；冲突分析；异常检测
PDF格式BibTeX公司 XML格式引用
\textit{J.Klein}和\textit{O.Colot}，《国际近似推理》52，第9期，1433-1451（2011；Zbl 1242.68331）
全文： 内政部 哈尔

参考文献：

[1] Dempster，A.，多值映射诱导的上下概率，《数理统计年鉴》，38，325-339（1967）·Zbl 0168.17501号
[2] Shafer，G.，《证据的数学理论》（1976），普林斯顿大学出版社：普林斯顿大学出版，美国普林斯顿·Zbl 0359.62002号
[3] Smets，P.，分析冲突信念函数的组合，信息融合，8387-412（2007）
[4] 霍奇，V.J。；Austin，J.，《异常值检测方法的调查》，《人工智能评论》，22，85-126（2004）·Zbl 1101.68023号
[5] A.Martin，A.-L.Jouselme，C.Osswald，信念函数折现操作的冲突度量，载《第十一届信息融合国际会议论文集》，2008年，第1-8页。；A.Martin，A.-L.Jouselme，C.Osswald，信念函数折现操作的冲突度量，载《第十一届信息融合国际会议论文集》，2008年，第1-8页。
[6] Schubert，J.，《指定非特定证据》，《国际智能系统杂志》，11，525-563（1996）·Zbl 0856.68132号
[7] Schubert，J.，使用虚假度的Dempster-Shafer理论中的冲突管理，《国际近似推理杂志》，52，449-460（2010）
[8] Klein，J。；Lecomte，C。；Miché，P.，视觉跟踪诱导的信念函数的层次和条件组合，国际近似推理杂志，51，410-428（2009）
[9] K.Sentz，S.Ferson，《Dempster-Shafer理论中的证据组合》，技术代表SAND2002-0835，桑迪亚国家实验室，2002年。；K.Sentz，S.Ferson，《Dempster-Shafer理论中的证据组合》，技术代表SAND2002-0835，桑迪亚国家实验室，2002年。
[10] Mercier博士。；Quost，B。；Denoeux，T.，使用上下文折扣的置信函数框架中传感器可靠性的精细建模，信息融合，9246-258（2008）
[11] Kallel，A.等人。；Hégarat Mascle，S.L.，《部分非明显信念的组合：谨慎的适应性规则》，《国际近似推理杂志》，501000-1021（2009）·Zbl 1191.68655号
[12] D.Mercier，E.Lefevre，F.Delmotte，信念函数上下文折扣和规范分解，国际近似推理杂志，（2011），出版，doi:10.1016/j.ijar.2011.06.005；D.Mercier，E.Lefevre，F.Delmotte，信念函数上下文折扣和规范分解，国际近似推理杂志，（2011），出版，doi:10.1016/j.ijar.2011.06.005·Zbl 1242.68336号
[13] P.Zhang，I.Gardin，P.Vannoorenberghe，利用证据理论进行医学图像分割的信息融合，载于：信息融合国际学术讨论会，中国西安，2007年，第265-272页。；P.Zhang，I.Gardin，P.Vannoorenberghe，利用证据理论进行医学图像分割的信息融合，载于：信息融合国际学术讨论会，中国西安，2007年，第265-272页。
[14] W.Li，A.Joshi，使用Dempster-Shafer理论在自组网中进行离群点检测，摘自：第十届移动数据管理国际会议：系统、服务和中间件，美国洛斯阿拉米托斯（CA），2009年，第112-121页。；W.Li，A.Joshi，《使用Dempster-Shafer理论在自组网中进行孤立点检测》，载于：《第十届移动数据管理国际会议：系统、服务和中间件》，美国洛杉矶（CA），2009年，第112-121页。
[15] 帕尼格拉希，S。；A.昆都。；苏拉尔，S。；Majumdar，A.，《信用卡欺诈检测：使用Dempster-Shafer理论和贝叶斯学习的融合方法》，《信息融合》，第10期，第354-363页（2009年）
[16] Jousselme，A.-L。；格雷尼尔，D。；Bossé，E.，《两个证据之间的新距离》，信息融合，291-101（2001）
[17] Appriou，A.，《概率与不确定性与多传感器融合》，《国防科学评论》，第11期，第27-40页（1991年）
[18] Denoeux，T.，A（k）-基于Dempster-Shafer理论的最近邻分类规则，IEEE系统人与控制论汇刊，25，5，804-813（1995）
[19] 谢弗，G。；Logan，R.，《对等级证据实施Dempster规则》，《人工智能》，第33期，第271-298页（1987年）·Zbl 0633.68093号
[20] 徐，L。；Krzyzak，A。；Suen，C.Y.，《多分类器组合方法及其在手写识别中的应用》，IEEE系统、人与控制论汇刊，22418-435（1992）
[21] Z.-G.Liu，Q.Pan，Y.-M.Cheng，J.Dezert，不可靠证据源的顺序自适应组合，摘自：《信念函数理论研讨会论文集》，法国布雷斯特，2010年，第1-6页（论文89）。；Z.-G.Liu，Q.Pan，Y.-M.Cheng，J.Dezert，不可靠证据源的顺序自适应组合，载于：《信念函数理论研讨会论文集》，法国布雷斯特，2010年，第1-6页（论文89）。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。