ScholarGate
دستیار
Machine learningProbabilistic

ترکیب دempster-Shafer

ترکیب دempster-Shafer یک روش گروهی مبتنی بر نظریه شواهد (توابع باور) است که پیش‌بینی‌های منابع متعدد را با تخصیص جرم‌های احتمال پایه به زیرمجموعه‌هایی از فرضیه‌ها ترکیب می‌کند. به جای نیاز به توزیع احتمال بر روی نتایج منفرد، امکان عدم قطعیت بر روی مجموعه‌هایی از نتایج را فراهم می‌کند و نمایش غنی‌تری از اطمینان و شک ارائه می‌دهد. این روش که توسط دempster (1968) توسعه یافته و توسط Shafer (1976) صورت‌بندی شده است، به ویژه زمانی مفید است که منابع غیرقابل اعتماد، متناقض باشند یا شواهد جزئی ارائه دهند.

باز کردن در MethodMindبه‌زودیApply, compare, get guidance
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Dempster, A. P. (1968). A generalization of Bayesian inference. Journal of the Royal Statistical Society, 30(2), 205-247. DOI: 10.1111/j.2517-6161.1968.tb00722.x
  2. Shafer, G. (1976). A Mathematical Theory of Evidence. Princeton University Press. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Dempster-Shafer Evidence Fusion. ScholarGate. https://scholargate.app/fa/ensemble-learning/dempster-shafer-fusion

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم
ScholarGateDempster-Shafer Fusion (Dempster-Shafer Evidence Fusion). بازیابی‌شده در 2026-06-17 از https://scholargate.app/fa/ensemble-learning/dempster-shafer-fusion · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026