Modelling and Reasoning with Uncertain Event-observations for Event Inference-猫眼课题宝

DOI：

10.5220/0006254103080317

发表时间：

2017-04

期刊：

影响因子：

通讯作者：

中科院分区：

其他

文献类型：

作者：

S. Calderwood;Kevin McAreavey;Weiru Liu;Jun Hong

本文提出了一个事件建模和推理框架，其中从异质源获得的事件观测可能是不确定的或不完整的，而传感器可能是不可靠的或冲突的。为了解决这些问题，我们应用Dempster-Shafer（DS）理论来正确地对事件观察进行建模，以便它们可以以一致的方式组合。不幸的是，现有的框架没有指定应该选择哪些事件观测来进行联合收割机组合。我们的框架提供了一个基于规则的方法，以确保组合发生在对应于同一事件的单个主题的多个来源的事件观察。此外，我们的框架提供了一个推理规则集，通过使用形式语言将不确定的事件观察作为认知状态进行推理来推断更高级别的推断事件。最后，我们说明了使用基于传感器的监控方案的框架的有用性。

: This paper presents an event modelling and reasoning framework where event-observations obtained from het-erogeneous sources may be uncertain or incomplete, while sensors may be unreliable or in conﬂict. To address these issues we apply Dempster-Shafer (DS) theory to correctly model the event-observations so that they can be combined in a consistent way. Unfortunately, existing frameworks do not specify which event-observations should be selected to combine. Our framework provides a rule-based approach to ensure combination occurs on event-observations from multiple sources corresponding to the same event of an individual subject. In ad-dition, our framework provides an inference rule set to infer higher level inferred events by reasoning over the uncertain event-observations as epistemic states using a formal language. Finally, we illustrate the usefulness of the framework using a sensor-based surveillance scenario.

Modelling and Reasoning with Uncertain Event-observations for Event Inference

文献摘要

相似文献