Generic Approach of the Uncertainty Management in Multisensor Fusion Processes. Approche Générique de la Gestion de L’Incertain dans les Processus de Fusion Multisenseur

Generic Approach of the Uncertainty Management in Multisensor Fusion Processes

Approche Générique de la Gestion de L’Incertain dans les Processus de Fusion Multisenseur

Alain Appriou

ONERA, BP 72, 92322 Chatillon cedex

Page: 
307-319
|
Received: 
30 April 2004
|
Accepted: 
N/A
|
Published: 
30 September 2005
| Citation

OPEN ACCESS

Abstract: 

The uncertainty management in multisensor systems is considered in the federative framework of the theory of evidence.A basic operator,named extension,is elaborated.It provides a general formulation of the different operators that constitute a complete and coherent processing of multiple uncertain observations,from their modeling up to the required decision making.This formulation allows to reason with believes individually expressed on heterogeneous frames of discernment,without using a common one.The particular conditions that lead to the traditional operators are specified,and the implementation of the new generic operator is described.A few examples illustrate a suitable management of uncertainty processing.

Résumé

Le problème de la gestion de l’incertain au sein des systèmes multisenseurs est abordé dans le cadre fédérateur de la théorie de l’évidence. Un opérateur de base appelé extension est élaboré,dont on montre qu’il permet de générer,sous une forme générale,les différents opérateurs utiles à la constitution d’une chaîne complète et cohérente de traitement d’observations incertaines multiples,depuis leur modélisation jusqu’à la prise de décision exigée. Cette formulation permet,en particulier,de raisonner sur des croyances exprimées individuellement dans des référentiels hétérogènes,sans avoir à les ramener dans un cadre de discernement commun. Les conditions particulières qui permettent de retrouver les opérateurs traditionnels sont précisées,et la mise en œuvre pratique de l’opérateur générique proposé est décrite. Quelques exemples illustrent le bon usage qui peut ainsi être fait du traitement de l’incertain.

Keywords: 

Uncertainty,theory of evidence,data fusion,multisensor systems,decision-making.

Mots clés 

Incertain,théorie de l’évidence,fusion de données,systèmes multisenseurs,aide à la décision.

1. Les Systèmes Multisenseurs
2. Notions de Base
3. Élaboration d’un Opérateur Générique: l’Extension
4. Gestion de la Fiabilité
5. Combinaison d’Observations
6. Exemple d’Application à la Mise à jour des Connaissances
7. Décision: Recherche des Hypothèses les plus Vraisemblables
8. Modélisation des Données
9. Conclusion
  References

[APP 98] A. APPRIOU, « Uncertain data aggregation in classification and tracking processes», Aggregation and Fusion of Imperfect Information, B. Bouchon-Meunier, ed., Physica Verlag, 1998. 

[APP 01] A. APPRIOU, « Situation Assessment Based on Spatially Ambiguous Multisensor Measurements», International Journal of Intelligent Systems, Volume 16, Issue 10 (Special Issue : Data and Knowledge Fusion), John Wiley & Sons, Inc., October, 2001. 

[APP 02] A. APPRIOU, « Discrimination Multisignal par la Théorie de l’Évidence», Reconnaissance des Formes et Décision en Signal, Traité IC2, Information, Commande, Communication, Éditions Hermès, 2002. 

[APP 04] A. APPRIOU, « Processus d’agrégation pour la décision», Revue des Nouvelles Technologies de l’Information, Numéro Spécial «Systèmes d’Information pour l’Aide à la Décision en Ingénierie système», Cépaduès Editions, RNTI-1, 2004. 

[DEN 97] T. DENŒUX, « Analysis of evidence-theoristic decision rules for pattern classification», Pattern Recognition, Vol. 30, N° 7, 1997. 

[DUB 88] D. DUBOIS, H. PRADE, « Representation and combination of uncertainty with belief functions and possibility measures», Computer Intelligence, 4, 1988. 

[DUB 92] D. DUBOIS, H. PRADE, « On the combination of evidence in various mathematical frameworks», Reliability Data Collection and Analysis, J. FLAMM & T. LUISI, eds., 1992. 

[SHA 76] SHAFER G., A Mathematical Theory of Evidence, Princeton University Press, Princeton, New Jersey, 1976. 

[SME 86] P. SMETS, « Combining non-distinct evidences», Proceedings, Conference of North America Fuzzy Information Processing Society (NAFIPS’86), New Orleans, 1986. 

[SME 88] P. SMETS, « Belief functions», Non-standard logics for automated reasoning , P. SMETS, E. MAMDANI, D. DUBOIS, H. PRADE, eds,Academic Press, London, 1988.

[SME 90] P. SMETS, « The combination of evidence in the transferable belief model», IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 12, n° 5, may, 1990. 

[YAG 83] R.R. YAGER, « Entropy and specificity in a mathematical theory of evidence», International Journal General Systems, vol. 9, 1983. 

[YAG 86] R.R. YAGER, « A general approach to decision making with evidential knowledge», Uncertainty in Artificial Intelligence, L.N.KANAL & J.F. LEMMER éd., Elsevier Science Publishers, BV North-Holland, 1986. 

[YAG 87] R.R. YAGER, « Optimal alternative selection in the face of evidential knowledge», Optimization models using fuzzy sets and possibility theory, J. KACPRZYK & S.A. ORLOVSKI, eds, D. Reidel Publishing Company, 1987.