On Modal Logics for Qualitative Possibility in a Fuzzy Setting
Spanish Council for Scientific Research (CSIC)（西班牙国家研究委员会）
在不确定性建模的可能性方法中，本文提出了一种模态逻辑系统来推理模糊命题的可能性（和必要性）的定性（比较）陈述。我们把这种定性模态逻辑与著名的知识和信念模态逻辑S5和KD 45的多值类似物MVS5和MVKD 45分别联系起来。完整性结果得到这样的逻辑，因此，他们扩展了以前现有的结果定性可能性逻辑在经典的非模糊设置。
2013-02-27 cs.AI cs.LO
A Unified framework for order-of-magnitude confidence relations
IRIT（图卢兹计算机科学研究所）
这项工作的目的是提供一个统一的框架，顺序表示的不确定性躺在可能性和概率理论之间的交叉。事件之间的这种置信关系通常在单调推理、不一致性管理或定性决策理论中找到。它们要么从概率论开始，使其更具定性，要么从可能性理论开始，使其更具表达性。我们表明这两种趋势收敛到一类真正的概率论。我们为这些有用的工具提供了表征结果，这些工具保留了可能性排名的定性性质，同时享受添加剂表示的表达能力。
2012-08-06 cs.AI
Assessing the value of a candidate. Comparing belief function and possibility theories
Institut de Recherche Thomson-CSF（汤姆逊-CSF研究所）；Corporate Research en Informatique de Toulouse（图卢兹企业信息研究）；Universite Paul Sabatier（保罗·萨巴蒂埃大学）；Laboratory Universite Paul Sabatier（保罗·萨巴蒂埃大学实验室）
评估候选人价值的问题在这里被视为一个多重组合问题。一方面，候选人可以根据不同的标准进行评估，另一方面，几位专家应该根据每个标准评估候选人的价值。标准不同等重要，专家不同等胜任或可靠。此外，标准的满意度水平或置信度水平仅假定在线性排序的定性尺度中取值。在两个框架内，可转移的信念模型和定性可能性理论的问题进行了讨论。它们分别为处理问题提供了定量和定性的背景，从而提供了一种比较基本假设性质的方法。
2013-01-23 cs.AI
Efficient algorithm for estimation of qualitative expected utility in possibilistic case-based reasoning
Swinburne University of Technology（斯威本科技大学）
我们提出了一个有效的算法估计的可能性为基础的定性期望效用。它对决策机制很有用，其中每个可能的决策都被分配了一个多属性可能性分布。基于离散化计算期望效用的普通方法的计算复杂性随着属性的数量呈指数增长，并且可能在这些属性的数量很高时变得不可行。我们提出了一系列定理和引理证明我们的算法的正确性，具有线性计算复杂性。我们的算法已被应用于选择最有前途的合作伙伴在多方多属性谈判的背景下，也可以用于决策过程中的潜在报价作为其他类似的问题。
2012-07-04 cs.AI
On the Qualitative Comparison of Decisions Having Positive and Negative Features
CNRS（法国国家科学研究中心）
做决定往往是一个列举和比较正反两方面论据的问题。在这种情况下，决策的评价尺度应被视为两极，即应明确区分消极和积极的价值。例如，累积前景理论就是这样做的。然而，与后一种以真正的数值评估为前提的框架相反，人类代理人通常根据利弊的顺序排列来决定，并专注于最突出的论点。换句话说，决策过程是定性的，也是两极的。在这篇文章中，基于两极扩展的可能性理论，我们定义和公理化的特点定制的联合处理的积极和消极的参数在一个有序设置的决策规则。最简单的规则可以被看作是极大极小和极大极大准则对双极情形的扩展，因此具有较差的决定性。还提出了完善前者的更具决定性的规则。这些改进既符合效率原则，又符合数量级推理的精神，这在定性决策理论中占主导地位。最精细的决策规则使用leximin排名的优点和缺点，并计算参数的同等强度和取消利弊的想法。它被证明归结为一个特殊的情况下，累积前景理论，并subsidering采取最好的启发式研究的认知心理学家。
2014-01-15 cs.AI
Wide Gaps and Clustering Axioms
Institute of Computer Science（计算机科学研究所）；Polish Academy of Sciences（波兰科学院）
针对k-means违反Kleinberg一致性公理的问题，本文提出变分与残差k-可分性两种可聚类性条件，证明在此条件下k-means满足一致性，并通过算法扩展近似满足丰富性公理，从而调和二者关系。
2023-08-07 cs.AI cs.LG
Proximity Measure of Information Object Features for Solving the Problem of Their Identification in Information Systems
Institute for Information Recording of the National Academy of Sciences of Ukraine（乌克兰国家科学院信息记录研究所）
本文提出了一种新的定量定性接近度度量，用于解决信息对象在多个独立来源进入公共信息资源时的识别问题，通过概率和可能性度量分析特征接近度，无需特征值转换。
2026-02-17 cs.AI
On reasoning in networks with qualitative uncertainty
Queen Mary and Westfield College（玛丽女王与韦斯特菲尔德学院）；Imperial Cancer Research Fund（帝国癌症研究基金）
本文提出了一种新的方法，定性推理下的不确定性的一些初步工作。该方法不仅适用于定性概率推理，是与其他方法的情况下，但也允许基于可能性理论和Dempster-Shafer证据理论的值的网络内的定性传播。该方法适用于两个简单的网络，从其中一个大类的有向图可以构造。这种分析的结果被用来比较三个主要的定量不确定性处理形式主义的定性行为，并证明定性整合的形式主义是可能的，在某些假设条件下。
2013-03-06 cs.AI
A Possibilistic Model for Qualitative Sequential Decision Problems under Uncertainty in Partially Observable Environments
IRIT - Universite Paul Sabatier（IRIT - 保罗·萨巴捷大学）
在这篇文章中，我们提出了一个定性（有序）部分可观察马尔可夫决策过程模型（POMDP），其中的不确定性，以及代理的偏好，建模的可能性分布。POMDP模型的这种定性对应依赖于最近开发的不确定性决策的可能性理论。这样的定性框架的一个优点是它能够摆脱随机POMDP的经典障碍，即使在有限的状态空间中，所获得的POMDP的信念状态空间是无限的。相反，在可能性框架中，即使指数地大于状态空间，信念状态空间仍然是有限的。
2013-01-23 cs.AI
Decision Making with Partially Consonant Belief Functions
Siemens Medical Solutions（西门子医疗系统公司）；University of Kansas School of Business（堪萨斯大学商学院）
本文研究了Walley部分协调信念函数的决策问题。在印刷电路板中，焦点的集合被划分。在每个分区中，焦点是嵌套的。pcb类包括概率函数和可能性函数作为极端情况。与早先的建议，决策理论的信念功能，我们采用了公理化的方法。我们采用了一个公理系统类似的精神冯诺依曼-摩根斯坦的线性效用理论的偏好关系的PCB彩票。我们证明了这个关系的一个表示定理。pcb彩票的效用是概率彩票的线性效用和可能性彩票的二元效用的组合。
2012-10-19 cs.AI
The Probability of a Possibility: Adding Uncertainty to Default Rules
University of British Columbia（不列颠哥伦比亚大学）
我们提出了一个语义添加不确定性的条件逻辑默认推理和信念修订。我们能够将条件句视为条件概率的陈述，并表达修改规则，例如“如果A被相信，那么B将被相信为p度。“这种修改方法通过允许概率为零的句子进行有意义的修改来扩展条件化。这是通过使用反事实概率来实现的。因此，我们的系统占定性方法的更新（特别是，AGM理论的修订）和概率方法的最佳性能。我们还展示了如何我们的系统可以被看作是一个统一的概率论和可能性理论，突出其正交性，并提供了一种手段来表达概率的可能性。我们还展示了连接到刘易斯的成像方法。
2013-03-06 cs.AI
Practical Model-Based Diagnosis with Qualitative Possibilistic Uncertainty
Matra Marconi Space（马特拉·马可尼空间公司）；Universite Paul Sabatier（保尔·萨巴蒂埃大学）；I.R.I.T.-C.N.R.S.（法国国家科学研究中心图卢兹信息研究所）
提出了一种利用极不完整模型进行故障隔离的方法。它依赖于每个组件行为的单独描述，以及它们之间的联系，这使得推理能够集中到系统的相关部分。由于正常观测不需要解释，因此组件的行为仅限于异常传播。诊断解决方案是与观察结果一致的疾病（故障模式或异常特征），以及溯因解释。基于可能性理论的不确定性的有序表示提供了组件行为的简单的异常容忍描述。例如，我们可以区分在给定异常存在时或多或少肯定存在（或不存在）的效应和或多或少肯定存在（或不存在）的效应。一个现实的例子说明了这种方法的好处。
2013-02-20 cs.AI
Possibilistic logic bases and possibilistic graphs
Institut de Recherche en Informatique de Toulouse (I.R.I.T.)（图卢兹计算机科学研究所）；Universite Paul Sabatier（保罗·萨巴蒂尔大学）
可能性逻辑基和可能性图是两种不同的知识表示框架。前者根据知识的确定性水平对知识（用逻辑公式表示）进行分层，而后者则展示变量之间的关系。当这两种类型的表示导致相同的可能性分布（对可能的解释进行排序）时，它们在语义上是等价的。一个可能性分布可以用一个链式法则来分解，这个链式法则可以基于可能性理论中存在的两种不同类型的条件（一种基于数值设置中的乘积，一种基于定性设置中的最小运算）。这两种类型的条件作用导致两种可能性图。在这两种情况下，提供了这些图的翻译成可能性的基础。还描述了从可能性知识库到基于最小值的图的逆翻译。
2013-01-23 cs.AI
