Behavior Classification Based on Events Occurrence in Possibility Theory. Classification Decomportements Fondée sur I'Occurrence d'Événements en Théoriedes Possibilités

Behavior Classification Based on Events Occurrence in Possibility Theory

Classification Decomportements Fondée sur I'Occurrence d'Événements en Théoriedes Possibilités

Alain Nifle Roger Reynaud 

Institut d'Electronique Fondamentale, université d'Orsay et AEROSPATIALE ESPACE & DEFENSE établissementdes Mureaux

Page: 
523-534
|
Received: 
5 December 1996
| |
Accepted: 
N/A
| | Citation

OPEN ACCESS

Abstract: 

We propose a fuzzy behavioral classification method based on rare and dated events occurrence in the framework of ballistic missile observation during its propelling phase. We point out how an event behavior consideration can allow a temporal propagation of the perceptive information's and an evaluation of the compatibility of the behavior and all the observations. Due to the temporal aspect of the problem, it is necessary to elaborate a data association mechanism between events and observations. The presented method allows to calculate a belief degree for all the behaviors. This degree is robust opposite a not too much numerous measurement errors, enumerated an considerated in the data association mechanism.

So, conditionally to a given behavior, we can also carry out an adaptative combination of the observations and eventually provide a more accurate date for the last event.

We show that we can adapt the possibility theory to a classification and combination problem in the particular context of low reliability and temporal distributed sources . The method complexity directly depends on the number of enumerated cases . 

Résumé 

Nous proposons une méthode de classification floue, fondée sur l'occurrence datée d'événements rares dans le cadre de l'observation d'un missile balistique durant sa phase propulsée . Nous montrons ici comment la considération d'un comportement événementiel, permet de recaler par propagation temporelle les informations perceptives puis, permet par évaluation du consensus des sources recalées, d'accéder à une mesure de la compatibilité du comportement avec l'ensemble des observations. Le caractère temporel impose un mécanisme d'association entre les événements de la base et les observations . La méthode exposée permet d'associer un degré de confiance à chaque comportement, degré dont l'évaluation est robuste vis-à-vis d'un certain nombre d'erreurs d'observation énumérées et considérées dans le mécanisme d'association.

Alors, conditionnellement à un comportement donné de la base, nous pouvons combiner adaptativement les sources d'observation et éventuellement préciser la date du dernier événement.

Cet article illustre l'adaptation de la théorie des possibilités à un problème de classification et de combinaisons d'informations non totalement fiables et distribuées dans le temps. La complexité de la méthode est alors directement dépendante du nombre de cas énumérés. 

Keywords: 

Data fusion, possibility theory, fuzzy logic, classification, temporal data association, adaptativecombination, uncertainty, reliability, event, behavior, time.

Mots clés 

Fusion de données, théorie des possibilités, logique floue, classification, association temporelle de données, combinaison adaptative, incertitude, fiabilité, événement, comportement, temps. 

1. Introduction
2. Modélisation Possibiliste des Informations Disponibles
3. Compatibilité d'un Comportement et de l'Ensemble des Observations
4. Combinaison Adaptative Quantifiée de Sources Réparties dans le Temps
5. Simulations
6. Conclusion
  References

[1] I. Bloch,H Maitre, «Fusion deDonnées en Traitement d'Images :Modèles d'Information et Décisions» Traitement du Signal. Signal, Image, Parole. Volume 1l numéro 6. Numéro spécial 1994. Fusion de données. (Revue GRETSI) 

[2] L. Console, L Portinale, D. Theiseider Dupré, P Torasso, «Diagnosing. Time Varying Misbehavior :an Approach Based on Model Decomposition»Annals of Mathematic and Artificial Intelligence (11 1994) 1994. 

[3] T. Dean, K Kanazawa, «Probabilistic Temporal Reasoning». Proceedings of AAAI 1988. 

[4] T. Dean, K Kanazawa, «Persistence and Probabilistic Projection». IEEE Transactions on Systems, Man and Cybernetics Vol 19 N° 3 may-june 1989. 

[5] D. Dubois, H. Prade, «Théorie des Possibilités. Application à la Représentation des Connaissances en Informatique». Masson 1985. 

[6] D. Dubois, H. Prade, «Processing Fuzzy Temporal Knowledge». IEEE Transactions on Systems, Man and Cybernetics . Vol 19 N° 4 july-aug 1989. 

[7] D. Dubois, J. Lang, H. Prade, «Timed Possibilistic Logic». Foundamenta Informaticae XV (1991)IOSpress. 

[8] D. Dubois, H. Prade, «Fusion d'informations imprécises» Traitement du Signal. Signal, Image, Parole. Volume 11 numéro 6.Numero spécial 1994. Fusion de données. (Revue GRETSI) 1994. 

[9] P. J. Fabiani, «A New Approach in Temporal Representation of Belief for Autonomous Observation and Surveillance Systems» 11th Conference on Artificial Intelligence 1994. 

[10] G. Friedrich, F. Lackinger (1991). «Diagnosing Temporal Misbehavior» 12th Proceedings on IJCAI (Sydney 1991) 

[11] A. Kelman, R. R. YAGER,«Compatibilitéet agregationpartielle : méthode de fusion modulaire». Rencontres francophones sur la logique floue et ses applications. Cepadues editions 1995. 

[12] C. Ziqiang, F. Terrier, «About Temporal Uncertainty» Proceedings of the IEE/ACM International Conference on Developing and Managing Expert Systems Programs 1991.

[13] C. Ziqiang, «Uncertain Temporal Knowledge Management>> 4th Proceedings of International Conference on Software Engineering and Knowledge Engineering june 1992.