基於證據理論之數據遺失後決策更新研究

A Study on the Decision Refinement after Losing Data based on Evidence Theory

謝承凌

指導教授 ： 蔡育仁

國立清華大學/電機資訊學院/通訊工程研究所/碩士(2013年)

摘要

在本篇論文裡，我們將討論分析一個檢測理論的議題：如何在失去資料後重新做決策。考慮一個統計假設檢定，一開始經由某些收集到的資訊做出一個二位元的最佳化判斷，但後來部分的資訊不幸地丟失了，換句話說，只剩下倖存的數據與先前的二位元決定，此時我們需要重新取得決策。該怎麼做才是最好的決定？失去資料後的重新決策這類的問題在日常生活中顯而易見，所以容易被廣泛的應用。論文中提出了一個新穎的檢測方式，利用 Dempster-Shafer (D-S) 理論，又稱證據理論，來解決上述的問題。
證據理論類似人類的決策邏輯，能夠綜合考慮多方資訊且具有處理"不確定"訊息的特性；透過證據理論，我們可以設定對證據的信任度並結合證據來做出決策，同時我們也利用權重的分配來提高決策性能。

關鍵字

證據理論 ； 數據遺失

參考文獻

[1] S. Marano, V. Matta, and F. Mazzarella, “Refining Decisions After Losing Data: The Unlucky Broker Problem,” IEEE Trans. on Signal Processing, vol.58, no.4, April 2010.

[4] T. Denoeux, “A Neural Network Classifier Based on Dempster-Shafer Theory,” IEEE Trans. on Systems, Man and Cybernetics, vol.30, no.2, pp.131-150, Mar. 2000.

[5] B.V. Dasarathy, “Decision Fusion Strategies in Multi-sensor Environments,” IEEE Trans. on Systems, Man and Cybernetics, vol.21, no.5, pp.1140-1154, Sep/Oct. 1991.

[6] Hongwei Zhu, Basir O., and Karray F., “Data Fusion for Pattern Classification via the Dempster-Shafer Evidence Theory”, IEEE International Conference on Systems, Man and Cybernetics, vol.7, Oct. 2002.

[7] Huadong Wu, Siegel, M., Stiefelhagen, R., and Jie Yang,“Sensor Fusion Using Dempster-Shafer Theory”, IEEE Instrumentation and Measurement Technology Conference, Vol.1 7-12, May 2002.