Machine learningEvidence theory
Dempster-Shafer Theory of Evidence
Dempster-Shafer理論は、ベイジアン確率を一般化し、無知を明示的に表現することで不確実性下での推論を行うための数学的フレームワークである。各仮説に単一の確率を割り当てることを強制する代わりに、仮説の集合に確信度質量を割り当て、確信度-尤度区間を導出し、複数の独立した情報源からの証拠を融合するためのDempsterの規則を提供する。Arthur Dempsterの1967年の研究とGlenn Shaferの1976年のモノグラフから発展したこの理論は、証拠推論とセンサー/決定融合の基盤となっている。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 2). Dempster-Shafer Theory of Evidence (Belief Functions). ScholarGate. https://scholargate.app/ja/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.
- ベイジアンネットワークベイズ↔ compare
- ケースベース推論 (CBR)ソフトコンピューティング↔ compare
- ファジィ認知マップ (Fuzzy Cognitive Maps, FCM)ソフトコンピューティング↔ compare
- ナイーブベイズ機械学習↔ compare