• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 하계학술대회 논문집
• /
• pp.167-170
• /
• 1990

This paper presents a preliminary study of introduction of the Dempster-Shafer inexact reasoning method to the expert system for the power system design problem. A brief review of Dempster-Shafer theory of evidence is presented and development of an inference engine adopting the Dempster-Sharer theory is reported. Developed inference engine has a ability of handling both the confirming and disconfirming knowledge represented in the production rule, and has a general purpose application in the design and diagnosis problems. Its applicability has been tested on the problem of the protection scheme selection, one of the typical design problem and we believe, it has shown the feasibility of adoption of the inexact reasoning methodology into the design problem.

• 대한원격탐사학회지
• /
• 제20권6호
• /
• pp.419-425
• /
• 2004

본 연구에서는 Dempster-Shafer evidence theory에 기반하여 Gaussian 질량 함수를 사용하는 융합 기법을 제안하고 있다. Dempster-Shafer 융합은 비정확성과 불확실성 measures를 각각 belief 함수와 plausibility 함수로 나타내며 이 두 함수 값 사이의 간격을 나타내는 "belief interval"에 의해 불확실성의 정도가 표현된다. 이러한 Dempster-Shafer 융합기술을 이용하여 서로 다른 센서에서 수집된 영상 자료를 융합하여 사용하여 분류 결과의 정확성을 높이고 특히 분류를 위한 매개변수를 추정하는 훈련과정에서 복합 클래스를 설정할 수 있어 단순 클래스 설정으로 인한 훈련과정이 어려움을 피할 수 있다. 이 연구에서는 경기도 용인/능평 지역에서 관측 된 KOMPSAT EOC의 범색 영상 자료와 LANDSAT ETM+의 식생지수 자료에 대해 제안된 Dempster-Shafer 융합기술을 이용하여 분류 실험을 수행하였고 분류 결과는 서로 다른 센서간의 영상자료 융합을 위한 제안된 기법의 잠재적 효과성을 보여주고 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 추계학술대회 논문집 학회본부A
• /
• pp.301-303
• /
• 1998

This paper presents a new approach to diagnose and detect faults in oil-filled power transformers based on various dissolved gas analyses. A theoretic fuzzy information model is introduced, An inference scheme which yields the 'most' consistent conclusion proposed. A framework is established that allows various dissolved gas analyses to be combined in a systematic way such as the Dempster-Shafer rule. Good diagnosis accuracy is obtained with the proposed approach.

• 정보처리학회논문지B
• /
• 제9B권1호
• /
• pp.17-22
• /
• 2002

Dempster-Shafer 증거병합 방법의 가장 큰 문제는 계산 복잡도가 지수적인 증가를 갖는다는 점이다. 이는 가설 집단을 이루는 원소의 개수가 각 가설을 이루는 속성 값들의 모든 부분 집합으로 focal 요소로 구성되기 때문이다. 이 문제를 피하기 위해 본 논문에서는 근사적 증거 병합 방법을 제안한다. 이 방법은 간단한 응용에 적용하여 그 성능을 조사하고 다른 증거 병합 방법의 하나인 VBS의 결과와 비교해 본다. 근사적 증거 병합방법은 계산 속도를 크게 개선하였고 전문가가 허용하는 편차 수준에서 신뢰 값을 갖는 것으로 평가되었다.

• 인터넷정보학회논문지
• /
• 제12권4호
• /
• pp.35-43
• /
• 2011

최근 들어 무선인지 애드 혹 네트워크(CRAHN)는 임시적으로 활용되지 않은 라이선스 스펙트럼을 기회주의적 방법으로 사용하여 통신하는 차세대 애드 혹 네트워크로 각광받고 있다. 여타 무선인지 시스템에서와 같이, 정확한 스펙트럼 센싱은 무선인지 애드 혹 네트워크 구현을 위한 필수 요소 기술이다. 중앙 제어국 중심의 협력 스펙트럼 센싱 기법은 센싱 성능을 향상 시킬 수 있으나, 무선인지 애드 혹 네트워크와 같은 비인프라망에서는 중앙 제어국이 없어 협력 센싱 구현이 어렵다. 본 논문에서는 무선인지 애드 혹 네트워크를 위한 새로운 순차적 협력 스펙트럼 센싱 기법을 제안한다. 제안된 기법에서는 Dempster Shafer 이론 기반으로 국부 스펙트럼 센싱 데이터의 신뢰도가 가장 높은 인지 노드가 임시 중앙국이 되어 주변 센서 노드로부터 스펙트럼 센싱값을 수집하여 스펙트럼 사용 유무에 대한 최종 결정을 만들고 그 최종 결정을 이웃 노드들에게 전송한다. 또한 본 논문에서는 분산 방법으로 개별 인지 노드들이 자신의 센싱 데이터를 효율적으로 교환하기 위한, 센싱데이터 신뢰도 순서 기반의 전송 메커니즘을 제안하였다. 시뮬레이션을 통해 제안된 방식은 기존 중앙 제어국 중심의 협력 스펙트럼 센싱 기법과 유사한 스펙트럼 센싱 성능을 제공하는 동시에, 최종 스펙트럼 결정까지 소요되는 센싱 데이터 수집시간 및 교환되는 센싱 데이터 량을 현저히 줄일 수 있음을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 춘계학술발표논문집 (상)
• /
• pp.337-340
• /
• 2001

A major impediment in using the Dempster-Shafer evidence combination scheme is its computational complexity, which in general is exponential since DS scheme allows any subsets over the frame of discernment as focal elements. To avoid this problem, we propose a method called approximate evidence combination scheme. This scheme is applied to a few sample applications and the experiment results are compared with those of VBS. The results show that the approximation scheme achieves a great amount of computational speedup and produces belief values within the range of deviation that the expert allows.

• 한국정보처리학회논문지
• /
• 제3권4호
• /
• pp.908-914
• /
• 1996

많은 전문가 시스템에서 고려되는 중요한 주제 중의 하나인 불확실성 처리에 관한 연구에는 여러 처리 기법들이 있다. 그 중 뎀스터 쉐이퍼 증거병합방법은 그것의 장점과 동시에 계산적 복잡성 때문에 많이 연구되고 있다. 이 논문에서는 뎀스터 쉐이퍼 증거 병합 방법이 갖는 지수적 계산 특성을 해결하는 알고리즘을 개발한다. 두개의 신뢰 함수를 병합함에 있어 가설 집단(frame of discernment)을 두 신뢰함수에 공통되는 부분과 그 나머지로 구분해 계산 비용이 높은 뎀스터 쉐이퍼 병합은 공통부분인, 원래 보다 축소된 가설집단에 적용해 전체 계산 효율을 높이는 효과를 가져오도록 한다. 나머지 부분에 대해서는 병합의 결과가 무관성 요소(irrelevancy fac-tor)라 정의한 특정 상수에 의해 증감되는 선형적인 변화를 갖게되는 성질을 찾아낸다. 공유하는 요소가 없는 부분에 대해서는 병합의 결과가 간단히 이 상수의 곱에 의해 결정되므로 계산적인 효율을 증대시킬 수 있게 된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.91.3-91
• /
• 2001

A sensor fusion scheme for mobile robot environment recognition that incorporates range data and contour data is proposed. Ultrasonic sensor provides coarse spatial description but guarantees open space with no obstacle within sonic cone with relatively high belief. Laser structured light system provides detailed contour description of environment but prone to light noise and is easily affected by surface reflectivity. Overall fusion process is composed of two stages: Noise elimination and belief updates. Dempster Shafer´s evidential reasoning is applied at each stage. Open space estimation from sonar range measurements brings elimination of noisy lines from laser sensor. Comparing actual sonar data to the simulated sonar data enables ...

• International journal of advanced smart convergence
• /
• 제8권1호
• /
• pp.133-140
• /
• 2019

In this paper, we present an algorithm for adjusting degree of belief for consistency on the evidence dependency network where various sets of evidence support different sets of hypotheses. It is common for experts to assign higher degree of belief to a hypothesis when there is more evidence over the hypothesis. Human expert without knowledge of uncertainty handling may not be able to cope with how evidence is combined to produce the anticipated belief value. Belief in a hypothesis changes as a series of evidence is known to be true. In non-monotonic reasoning environments, the belief retraction method is needed to clearly deal with uncertain situations. We create evidence dependency network from rules and apply the evidence retraction algorithm to refine belief values on the hypothesis set. We also introduce negative belief values to reflect the reverse effect of evidence combination.