Dempster-Shafer Theorie van Bewijs
Dempster-Shafer theorie is een wiskundig raamwerk voor redeneren onder onzekerheid dat Bayesiaanse waarschijnlijkheid generaliseert door onwetendheid expliciet weer te geven. In plaats van elke hypothese een enkele waarschijnlijkheid toe te kennen, kent het geloofsmassa toe aan verzamelingen van hypothesen en leidt het een geloof-plausibiliteitsinterval af. Het biedt Dempster's regel voor het fuseren van bewijs uit meerdere onafhankelijke bronnen. Ontwikkeld uit het werk van Arthur Dempster uit 1967 en de monografie van Glenn Shafer uit 1976, vormt het de basis voor evidentieel redeneren en sensor/beslissingsfusie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 2). Dempster-Shafer Theory of Evidence (Belief Functions). ScholarGate. https://scholargate.app/nl/soft-computing/dempster-shafer-theory
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesiaans NetwerkBayesiaanse statistiek↔ vergelijken
- Casusgebaseerd redeneren (CBR)Soft computing↔ vergelijken
- Fuzzy Cognitive Maps (FCM)Soft computing↔ vergelijken
- Naïeve BayesMachine learning↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →