Identification of elastic properties in the belief function framework

عدم اطمینان بودن منابع اطلاعاتی مسئله کلیدی در شناسایی پارامترها است. در این کار، ما با استفاده از تئوری توابع اعتقادی به این مسئله می پردازیم. اولا، اطلاعات اندازه گیری از طریق توابع اعتقادی مبتنی بر احتمال توصیف می شود و اطلاعات پیشین با یک تابع اعتقاد دلخواه بیان می شود. دوم، هر دو تابع اعتقاد به وسیله قانون دپسیر با استفاده از نقاط نقطه ای مجموعه های کانونی و شبیه سازی مونت کارلو ترکیب می شوند. در نهایت، برای خلاصه کردن تابع باور عام، پیشنهاد می کنیم که منطقه کمترین منطقه را در فضای پارامتر پیدا کنیم که اعتقاد و اعتبار آن بیش از آستانه های داده شده است. در مقایسه با استنتاج بیزی، این رویکرد انعطاف پذیرتر است، زیرا به ما امکان می دهد اطلاعات پیشین ضعیف را مشخص کنیم. نتایج تجربی نشان می دهد که این نیز قوی تر از استنباط بیزی برای اطلاعات پیشین غیر قابل اعتماد است.