Dempster-Shafer-Theorie der Evidenz
Die Dempster-Shafer-Theorie ist ein mathematischer Rahmen für die Unsicherheitsanalyse, der die Bayes'sche Wahrscheinlichkeit verallgemeinert, indem er Unwissenheit explizit darstellt. Anstatt jeder Hypothese eine einzige Wahrscheinlichkeit zuzuweisen, ordnet sie Glaubensmassen Mengen von Hypothesen zu und leitet ein Glaubens-Plausibilitäts-Intervall ab. Sie stellt die Dempster-Regel zur Fusion von Evidenz aus mehreren unabhängigen Quellen bereit. Entwickelt aus Arthur Dempsters Arbeit von 1967 und Glenn Shafers Monographie von 1976, bildet sie die Grundlage für Evidenz-basierte Schlussfolgerungen und die Fusion von Sensor-/Entscheidungsdaten.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Dempster, A. P. (1967). Upper and lower probabilities induced by a multivalued mapping. The Annals of Mathematical Statistics, 38(2), 325–339. DOI: 10.1214/aoms/1177698950 ↗
- Shafer, G. (1976). A Mathematical Theory of Evidence. Princeton University Press. ISBN: 978-0-691-08175-5
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Dempster-Shafer Theory of Evidence (Belief Functions). ScholarGate. https://scholargate.app/de/soft-computing/dempster-shafer-theory
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayes'sche NetzwerkeBayes-Statistik↔ compare
- Fallbasiertes Schließen (Case-Based Reasoning, CBR)Soft Computing↔ compare
- Fuzzy Cognitive Maps (FCM)Soft Computing↔ compare
- Naive BayesMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →