Théorie de l'Evidente et cadres de discernement non exhaustifs
Theory of Evidence and Non-Exhaustive Frames of Discernment
OPEN ACCESS
To represent a source's knowledge, all the existing theories work on a set of hypotheses of interest on which different treatments can be applied . Called the frame of discernment in the theory of evidence, it must have the property of exhaustivity, which means that one of the hypotheses is the solution of the problem . Nevertheless, in some practical cases, this doesn't occur . Consequently, the knowledge modelised in such a frame is incomplete because some hypotheses are not considered . The last literature doesn't deal with this situation . This article gives some solutions in the theory of evidence's formalism, which appears the most appropriate in this case . A practical application could be for example a supervised classification problem of objects, when the learning set is incomplete, due to a lack of learning data for one or several objects.
Résumé
Pour modéliser la connaissance d'une source d'information, les différentes théories existantes ont toutes pour principe de travailler sur un référentiel de base, composé d'hypothèses d'intérêt sur lesquelles différents traitements peuvent porter par la suite . En général, ce référentiel est exhaustif signifiant que la solution se trouve parmi toutes les hypothèses considérées. Néanmoins, dans la pratique, il existe des cas où il ne l'est pas ; la connaissance modélisée sur un tel référentiel est alors incomplète car elle ne permet pas de prendre en compte certaines hypothèses . Ceci forme un problème peu abordé dans la littérature. Cet article propose donc différentes solutions pour le traiter, dans le formalisme de la théorie de l'évidence qui esta priori la plus adaptée. Un cadre applicatif intéressant peut concerner, par exemple, un problème de classification supervisée d'objets dans le cas d'une base d'apprentissage incomplète, lorsque certaines données caractéristiques d'un objet ne sont pas disponibles lors de l'apprentissage.
Theory of evidence, Non-exhaustive frame of discernment, Open-world, Deconditioning, Compatibility, Incomplete learning set , Data fusion
Mots clés
Théorie de l'évidence, Cadre de discernement non exhaustif, Monde ouvert, Déconditionnement, compatibilité, Base d'apprentissage incomplète, Fusion de données
[1] Abidi M.A. et Gonzalez R .C ., «Data Fusion in Robotics and Machine Intelligence », Academic Press, 1992.
[2] Appriou A., « Perspectives liées à la Fusion de Données », Sciences et défense 90, Dunod, Paris, Mai 1990.
[3] Appriou A., «Probabilités et Incertitude en Fusion de Données Multi—Senseurs », Revue Scientifique et Technique de la Défense, 1991, N°11, p . 27 —40.
[4]Bloch I., « Incertitude, Imprécision et Additivité en Fusion de Données : Point de Vue Historique », Soumis à la revue Traitement du Signal en Avril 1995 .
[5] Chatalic P., « Raisonnement déductif en présence de connaissances imprécises et incertaines : Un système basé sur la théorie de Dempster—Shafer », Thèse, Université Paul Sabatier de Toulouse, Déc. 1986 .
[6] Dempster A.P., « Upper and Lower Probabilities Induced by a Multi—valued Mapping », Annals of Mathematical Statistics, vol. 38, 1967 .
[7] Dempster A.P., « A Generalization of Bayesian Inference », Journal of the Royal Statistical Society, vol. 30, série B, 1968 .
[8] Dubois D . et Prade H ., «The Principle of Minimum Specificity as a Basis for Evidential Reasoning », 1ère Conférence IPMU, Paris, 1986, (version révisée dans Springer Verlag, LNCS Vol . 286) .
[9] Dubois D . et Prade H., « Théorie des Possibilités : Applications à la Représentation des Connaissances en Informatique », Edition Masson, 2ème Edition, Paris, 1988.
[10] Shafer G ., «A Mathematical Theory Of Evidence », Princeton University Press, Princeton, 1976.
[11] Shafer G., « Belief Functions and Parametric Models », Journal of the Royal Statistical Society, 1982, Vol. 44, N°3, pp . 322–352.
[12] Smets P., «Un Modèle Mathematico–Statistique Simulant le Processus du Diagnostic Médical », Doctoral dissertation, Université Libre de Bruxelles , Faculté de Médecine, 1978 .
[13] Smets P., « Belief Functions », Article tiré du livre Non–Standard Logics for Automated Reasoning de Smets P., Mamdani E ., Dubois H . et Prade H. , Academic Press, Londres, 1988, pp .253–286.
[14] Smets P., « The Combination of Evidence in the Transferable Belief Model » , IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990 , Vol. 12, n°5, pp . 447–458 .
[15] Smets P., «Belief Functions : The Disjunctive Rule of Combination and the Generalized Bayesian Theorem », International Journal of Approximate Reasoning, 1993, Vol . 9, pp . 1–35 .
[16] Smets P. et Kennes R ., « The Transferable Belief Model », Artificial Intelligence, 1994, Vol. 66, n°2, pp. 191–234 .
[17] Yen J., « Generalizing the Dempster–Shafer Theory to Fuzzy Sets », IEEE Transactions on Systems, Man, and Cybernetics, 1990, Vol . 20, n°3, pp. 559–570.