ScholarGate
دستیار
Machine learningEvidence theory

نظریه شواهد دمپستر-شافر

نظریه دمپستر-شافر یک چارچوب ریاضی برای استدلال تحت عدم قطعیت است که احتمال بیزی را با نمایش صریح جهل تعمیم می‌دهد. به جای تحمیل یک احتمال واحد بر هر فرضیه، جرم باور را به مجموعه‌هایی از فرضیه‌ها اختصاص می‌دهد و یک بازه باور-قابلیت باور استنتاج می‌کند، و قانون دمپستر را برای ترکیب شواهد از منابع مستقل متعدد ارائه می‌دهد. این نظریه که از کار آرتور دمپستر در سال ۱۹۶۷ و رساله گلن شافر در سال ۱۹۷۶ توسعه یافته است، مبنای استدلال شواهد و ترکیب حسگر/تصمیم است.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

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. (1967). Upper and lower probabilities induced by a multivalued mapping. The Annals of Mathematical Statistics, 38(2), 325–339. DOI: 10.1214/aoms/1177698950
  2. Shafer, G. (1976). A Mathematical Theory of Evidence. Princeton University Press. ISBN: 978-0-691-08175-5

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Dempster-Shafer Theory of Evidence (Belief Functions). ScholarGate. https://scholargate.app/fa/soft-computing/dempster-shafer-theory

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

ارجاع‌شده در

ScholarGateDempster-Shafer Theory (Dempster-Shafer Theory of Evidence (Belief Functions)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/soft-computing/dempster-shafer-theory · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026