返回
Context localization for generalized level-based evaluation in knowledge-based systems
DOI:10.1016/j.knosys.2026.116832.png)
摘要
En 中文
我们研究了基于知识的系统中广义层级评价的上下文定位。该框架对在事实、规则、案例、标准或证据单元上定义的结构化非负分数,通过在可接受知识上下文上的条件聚合测试进行评价的情况进行建模。广义层级度量在所有聚合支持达到规定水平的上下文中最大化单调集函数。我们确定了当通过上下文B过滤分数时,等价于首先在原始系统中评价可接受上下文,然后通过与其与B的交集来定位其权重的情况。主要定理表明,这种一致性对所有单调集函数成立的充分必要条件是满足两个结构条件:关于可接受上下文的非增性以及一个消除掩码后不在B中包含的上下文上的正层级值的缩减属性。我们分析了基于点式不相交性、块生成和几乎处处机制产生的缩减属性,将结果扩展到参数化系统,并将其解释为上下文依赖证据选择、非加性支持评价和层级化知识聚合的稳定性准则。该理论通过模块化诊断知识库和基于数据的轴承故障示例进行了说明。
Keyword:
Knowledge-based systems
Context localization
Generalized level measure
Conditional aggregation operator
Monotone measure
Evidence selection
Structured uncertainty
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
5.9W
机构
引用论文
A survey: Optimization and applications of evidence fusion algorithm based on Dempster-Shafer theory

