研究人员开发了一种新的Dempster-Shafer理论下的多源证据融合框架，解决了现有方法中的关键局限性。所提出的系统引入了一种新颖的混沌冲突度量，以联合评估证据间的冲突和证据内的不确定性。此外，它还包含一个由历史经验驱动的加权方案，该方案利用谱聚类和遗憾理论来确定不同决策情境下证据来源的长期可靠性。在16个基准数据集上的实验表明，该框架的平均F1得分为85.78，平均AUC为93.30，优于几种基线方法。 AI
影响 这项研究提供了一种更鲁棒的证据融合方法，有望改善依赖于整合多源数据进行决策的复杂系统的决策能力。
排序理由 详细介绍人工智能新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
