可轉(zhuǎn)移信度模型

內(nèi)容概要

　　現(xiàn)代信息技術(shù)的飛速進(jìn)步以及與人們生活、經(jīng)濟(jì)活動的密切融合，使得計算智能領(lǐng)域的發(fā)展有了一個更廣袤的空間。《當(dāng)代計算智能技術(shù)與管理前沿研究》是一套對計算智能領(lǐng)域理論、方法及其應(yīng)用進(jìn)行深入探討的學(xué)術(shù)系列叢書。計算智能關(guān)注兩個重要問題，一是從計算的角度表達(dá)和處理認(rèn)知、行為、概念、推演等層面上的智能特征；另一問題是從不確定性的角度表達(dá)和處理具有柔性、容忍度、語言概括能力等軟計算特征?；谟嬎阒悄艿南到y(tǒng)和技術(shù)被廣泛應(yīng)用于許多領(lǐng)域，包括改善醫(yī)療狀況、提高工程技術(shù)水平、改善生產(chǎn)效率等，同時也在管理決策中扮演著重要角色。

作者簡介

P．司麥斯，分別在1963年和1978年于比利時布魯塞爾自由大學(xué)（Universit6 Libre de Bruxelles）獲得醫(yī)藥統(tǒng)計碩士和博士學(xué)位，還在1968年于美國北卡拉羅那州立大學(xué)獲得實驗統(tǒng)計學(xué)碩士學(xué)位。從1986年起，他作為教授任教于比利時布魯塞爾自由大學(xué)。司麥斯教授于1999年退休，并在多個大學(xué)擔(dān)任訪問教授，如Fribourg大學(xué)（1999）、堪薩斯大學(xué)（1999）、Paul Sabatier大學(xué)（2000）和巴黎第六大學(xué)（2003）?！?985年至1999年，他擔(dān)任布魯塞爾自由大學(xué)的人工智能開發(fā)跨學(xué)科研究院（IRIDIA）的院長一職。

書籍目錄

第一章 關(guān)于更新操作　1.1 用于信度函數(shù)的調(diào)節(jié)規(guī)則　1.2 案例：投票意圖研究　1.3 調(diào)節(jié)　1.4 比例引起的信度　1.5 結(jié)論第二章 可轉(zhuǎn)移信度模型　2.1 引言　2.2 轉(zhuǎn)移信度模型　2.3 源自信度函數(shù)的決策概率　2.4 Jones先生謀殺案　2.5 P肖兵站崗　2.6 翻譯器　2.7 不可靠的傳感器　2.8 基本信度分配的本源　2.9 在表示層處理證據(jù)　2.10 結(jié)論第三章 一種加權(quán)信度的規(guī)范分解　3.1 引言　3.2 規(guī)范分解　3.3 兩個信度函數(shù)的合成　3.4 分解運算　3.5 隱陛信度結(jié)構(gòu)　3.6 進(jìn)一步擴(kuò)展　3.7 我們的規(guī)范分解與Shafer方法的比較　3.8 原始信度函數(shù)情況　3.9 結(jié)論第四章 可轉(zhuǎn)移信度模型公理體系的證明　4.1 引言　4.2 可信度函數(shù)　4.3 可信度函數(shù)集合的凸性　4.4 粗化和精煉　4.5 信度修正　4.6 可信度函數(shù)和信度函數(shù)　4.7 結(jié)論第五章 信度函數(shù)的應(yīng)用　5.1 引言　5.2 可確定性與信度函數(shù)　5.3 可轉(zhuǎn)移信度模型分類　5.4 概率論證系統(tǒng)信息查詢　5.5 部分重疊框架下的感應(yīng)器　5.6 分析矛盾和源數(shù)目　5.7 結(jié)論第六章 表示量化信度的可轉(zhuǎn)移信度模型　6.1 引言　6.2 信度域　6.3 轉(zhuǎn)移信度模型　6.4 決策制定和荷蘭賭問題　6.5 廣義貝葉斯定理　6.6 使用信度函數(shù)的理由　6.7 “信度”的意義　6.8 結(jié)論第七章 矩陣計算在信度函數(shù)中的應(yīng)用　7.1 引言　7.2 默比烏斯變換　7.3 快速默比烏斯變換　7.4 決策變換　7.5 交互指數(shù)L　7.6 基本信度分配間的轉(zhuǎn)化　7.7 特殊化和一般化　7.8 修正　7.9 Dempster的調(diào)節(jié)準(zhǔn)則　7.10 組合中的合?。鋈∫?guī)則　7.11 規(guī)范表示　7.12 a-連接　7.13 結(jié)論第八章 用信度函數(shù)表示不確定性下的決策　8.1 引言　8.2 信度函數(shù)的數(shù)學(xué)背景　8.3 關(guān)于概率理論的數(shù)學(xué)知識　8.4 信度函數(shù)相關(guān)的多種解釋　　8.5 可轉(zhuǎn)移信度模型框架中的決策　8.6 在上下邊界概率中的決策　8.7 結(jié)論第九章 基于用可轉(zhuǎn)移信度模型表述的Dempster-shafer模型的目標(biāo)識別　9.1 引言　9.2 用于識別的可轉(zhuǎn)移信度模型　9.3 廣義貝葉斯定理　9.4 一個數(shù)據(jù)融合的簡單例子　9.5 一個比較可轉(zhuǎn)移信度模型方法和概率方法的令人為難的例子　9.6 計算效率：與貝葉斯模型的比較　9.7 嵌套傳感器：每層多個傳感器　9.8 嵌套傳感器：每層單個傳感器　9.9 框架部分重疊上的傳感器　9.10 總結(jié)

章節(jié)摘錄

插圖：自從Shafer在他的著作中介紹基于信度函數(shù)的模型以來，多種解釋先后被提出。發(fā)展而來的三種主要解釋為：隨機(jī)集合、廣義貝葉斯和上下邊界概率解釋。但是在關(guān)于這些模型含義和適用性的文獻(xiàn)中尚充斥著大量混淆不清之處，甚至有一些明顯的錯誤，我們親自開發(fā)了一種逐點量化的信度模型——可轉(zhuǎn)移信度模型，并說明了如何將信度函數(shù)用于量化。由于貝葉斯概率模型是最經(jīng)典的量化信度模型，因此我們的陳述主要集中在對可轉(zhuǎn)移信度模型和貝葉斯模型的比較上。我們將特別論述可轉(zhuǎn)移信度模型框架下的決策問題，因為我們需要說明實際中當(dāng)需要決策時該模型如何應(yīng)用，也因為決策問題同樣是貝葉斯模型論述的重點。我們也認(rèn)為荷蘭賭博問題（DunchBook，一種將導(dǎo)致確定損失的賭博策略）不會對可轉(zhuǎn)移信度模型的使用者造成影響。實際上只有當(dāng)必須做出決策時，我們才需要將信度用概率函數(shù)量化，從而避免荷蘭賭問題。我們通過幾個例子的分析來幫助讀者加強(qiáng)對可轉(zhuǎn)移信度模型本質(zhì)的認(rèn)識。這些例子被用來比較可轉(zhuǎn)移信度模型方法與貝葉斯、上下邊界概率、可能性和置信度的方法。可轉(zhuǎn)移信度模型與隨機(jī)集合的比較見文獻(xiàn)，與概率函數(shù)的比較見文獻(xiàn)，與上下邊界概率的比較見文獻(xiàn)。這些模型的主要區(qū)別在需要進(jìn)行更新／調(diào)整時就會體現(xiàn)出來。本文沒有給出公理性的證明，相關(guān)內(nèi)容可以參見文獻(xiàn)。本文也認(rèn)為可轉(zhuǎn)移信度模型不應(yīng)該僅僅被看作廣義概率模型：事實上可轉(zhuǎn)移信度模型與任何隱含概率模型間沒有必然聯(lián)系。因此我們把自己的工作從基于隱含概率的Dempster模型中分離出來。任何關(guān)于Shafer模型本質(zhì)的結(jié)論都留給Shafer本人做出，但在我們看來，可轉(zhuǎn)移信度模型與Shafer在其著作中的描述非常接近。在后續(xù)工作中，Shafer提到的隨機(jī)集合和上下邊界概率解釋制造了混淆。最近Shafer澄清了他的立場，否定了這些解釋并維護(hù)了最初基于隨機(jī)編碼（一種基于隱含概率分布的一對多映射）的Dempster解釋。我們放棄這一解釋是因為我們不需要任何隱含概率分配，即使它們可能存在。

編輯推薦

《可轉(zhuǎn)移信度模型》為當(dāng)代計算智能技術(shù)與管理前沿研究叢書之一。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    可轉(zhuǎn)移信度模型 PDF格式下載

---