بكارگيري شبكه هاي بيزين چند موجوديتي براي مديريت عدم قطعيت در سطوح بالاي تلفيق داده

Handling Data Uncertainty Using Multi Entity Bayesian Networks in Data Fusion

هدف مهم در سطوح بالاي تلفيق داده، درك عناصر محيط، شناخت موقعيت فعلي و پيشبيني وضعيت در آيندهاي نزديك ميباشد، از طرفي وجود مساله عدم قطعيت در اين سطوح اجتنابناپذير است. بنابراين نياز است تا سيستمهاي تلفيق داده مجهز به تكنيكهايي براي مديريت عدم قطعيت باشند. شبكههاي بيزين بهطور گسترده براي بيان احتمالاتي دانش همراه با عدم قطعيت، در زمينههاي مختلف بهكار گرفته ميشود. در اين مقاله چگونگي بكارگيري شبكههاي بيزين، براي مديريت عدم قطعيت در سيستمهاي تلفيق داده، بررسي ميشود. البته در سيستمهايي مانند سيستمهاي كنترل و فرماندهي، به دليل موجوديتهاي گوناگون و همچنين روابط و الگوهاي پيچيدهي بين آنها، شبكههاي بيزين چند موجوديتي كاربرد بيشتري دارد زيرا شبكه بيزين چند موجوديتي، قدرت شبكه بيزين در مدلسازي عدم قطعيت را با قدرت بيان در منطق مرتبه اول، تركيب ميكند و از قابليتهاي بيشتري براي مواجهه با مساله عدم قطعيت برخوردار ميشود. براي توضيح بيشتر يك مطالعه موردي با سناريوي نظامي همراه با جزييات و مراحل مختلف شامل تعريف توزيع احتمال توام براي شواهد و فرضيهها، ساخت شبكه بيزين، كامپايل و بكارگيري آن، شرح داده خواهد شد.

he goal of high-level data fusion is the perception of the elements in the environment, the comprehension of their meaning, and the projection of future status before decision making. There are many kinds of uncertainty involved in data fusion systems. Consequently, it is important to have consistent and principled techniques to manage uncertainty. Bayesian Networks (BNs) have been successfully applied to create probabilistic representations of uncertain knowledge in diverse fields. Moreover, Multi Entity Bayesian Networks (MEBNs) extend the propositional expressiveness of BNs to achieve the representational power of first-order logic. In this paper the use of MEBN for handling uncertainty in high-level data fusion is examined, and further explanations are mentioned through a case study on fusing reports from various sources to identify type of military vehicle.