Technische Zusammenfassung: Einführung von Over/Under/Off-Massen

1. Problemstellung

Traditionelle Theorien der Informationsfusion, wie die Dempster-Shafer-Theorie (DST) und die Dezert-Smarandache-Theorie (DSmT), arbeiten unter der Einschränkung, dass Glaubensmassen im Intervall $[0, 1]$ liegen und exakt 1 summieren müssen. Obwohl diese Rahmenwerke für Standardunsicherheiten effektiv sind, haben sie Schwierigkeiten, spezifische reale Szenarien zu modellieren, die Folgendes beinhalten:

• Überakkumulation von Beweisen: Situationen, in denen mehrere Quellen mit hohem Vertrauen eine einzelne Hypothese verstärken und eine „Konsensintensität" erzeugen, die das Standardlimit von einer Einheit überschreitet (analog zu Überstunden).
• Unterakkumulation/Indeterminiertheit: Szenarien mit erheblichen Informationslücken oder fehlenden Daten, bei denen die gesamte Glaubenssumme nicht ausreicht, um eine Einheitssumme zu erreichen.
• Widersprüchliche oder falsifizierende Beweise: Fälle, in denen Beweise eine Hypothese aktiv widerlegen oder Schäden/Gegenbeweise darstellen und negative Werte erfordern, um Fehlalarme mathematisch „auszugleichen".

Bestehende Erweiterungen (fuzzy, neutrosophisch) haben diese Konzepte in der Mengenlehre und Logik (OverSets, UnderSets, OffSets) adressiert, doch ein entsprechender Formalismus für Massenfunktionen in der Informationsfusion war bisher nicht definiert.

2. Methodik

Der Artikel schlägt eine mathematische Erweiterung klassischer Massenfunktionen auf drei neue Kategorien vor: OverMass, UnderMass und OffMass. Die Methodik umfasst die Neudefinition des Definitions- und Wertebereichs der Massenfunktion $m: 2^\Theta \to \mathbb{R}$, wobei $\Theta$ der Rahmen der Unterscheidbarkeit ist.

Kern-Definitionen

• OverMass ($m_{over}$): Eine Massenfunktion, bei der die Summe der Massen größer als 1 ist ($\sum m(x) = \psi > 1$). Der Wertebereich ist $[0, \psi]$.
• UnderMass ($m_{under}$): Eine Massenfunktion, bei der die Summe der Massen kleiner als 1 ist ($\sum m(x) = \varphi + 1$, wobei $\varphi < 0$). Der Wertebereich ist $[\varphi, 1]$.
• OffMass ($m_{off}$): Eine Massenfunktion, die Werte sowohl unter 0 als auch über 1 zulässt ($\sum m(x) = \varphi + \psi$). Der Wertebereich ist $[\varphi, \psi]$, wobei $\varphi < 0 < 1 < \psi$.

Fusionsregeln

Der Artikel führt spezifische Fusionsregeln ein, um diese neuen Massentypen zu behandeln, und geht über die Standard-Dempster-Regel hinaus:

1. OverKonjunktive Regel: Zum Fusionieren zweier OverMasses wird die Standard-Konjunktive Regel angewendet, gefolgt von einer OverNormalisierung.

   • Das rohe Produkt der Massen wird berechnet.
   • Die Gesamtsumme wird normalisiert, indem sie durch das Produkt der ursprünglichen Summen geteilt wird (z. B. wenn beide Quellen 1,1 summieren, wird das Ergebnis durch 1,1 geteilt).
   • PCR5 (Proportional Conflict Redistribution Rule #5) wird angewendet, um die konfliktbehaftete Masse proportional auf die nicht-konfliktbehafteten Elemente umzuverteilen.

2. Durchschnitt der Massen-Regel: Zum Fusionieren von Massen, die negative Werte beinhalten (UnderMasses oder OffMasses), argumentiert der Artikel, dass Multiplikation unangemessen ist (da negativ $\times$ negativ = positiv). Stattdessen wird der arithmetische Durchschnitt der Massen aus verschiedenen Quellen vorgeschlagen, um Vorzeichen und Betrag der Beweise zu erhalten.

3. Intervall-Vereinigung: Beim Fusionieren von Massen aus verschiedenen Intervallen (z. B. eine Quelle in $[0, 1.1]$ und eine andere in $[0, 1.2]$) wird der resultierende Definitionsbereich als Vereinigung der Intervalle definiert (z. B. $[0, 1.2]$), um alle möglichen Werte aufzunehmen.

3. Hauptbeiträge

• Formale Erweiterung: Erstmalige Definition von OverMass, UnderMass und OffMass, die die Konzepte von Over/Under/Off-Mengen und -Logik in den Bereich der Beweisfusion erweitern.
• Neuartige Fusionsalgorithmen: Entwicklung spezifischer Fusionsregeln (OverKonjunktiv mit OverNormalisierung und Durchschnittsregel), die auf die Behandlung von Werten außerhalb des Intervalls $[0, 1]$ zugeschnitten sind.
• Behandlung negativen Glaubens: Einführung eines Mechanismus, um „Falschheit" oder „Schaden" mathematisch durch negative Masswerte darzustellen, was die Auslöschung fehlerhafter Daten ermöglicht.
• Dynamische Normalisierung: Ein Wechsel von einer festen Normalisierung (Summe = 1) zu einer dynamischen Normalisierung (Summe = $\psi$ oder $\varphi + 1$), die die „Intensität" der Beweise bewahrt, anstatt sie zu dämpfen.

4. Ergebnisse und Beispiele

Der Artikel validiert die Methodik durch drei unterschiedliche Szenarien:

A. Auswahl eines Managers (OverMass-Fusion)

• Szenario: Zwei Direktoren bewerten zwei Kandidaten (A und B). Beide Direktoren weisen ein hohes Vertrauen zu, was zu Massensummen von 1,1 führt.
• Prozess: Die OverKonjunktive Regel wurde angewendet. Der rohe Konflikt wurde unter Verwendung von PCR5 umverteilt. Die finalen Massen wurden durch Division durch 1,1 overnormalisiert.
• Ergebnis: Das System identifizierte erfolgreich den überlegenen Kandidaten (A), während es das Signal der „Überzuversicht" (Gesamtmasse = 1,1) beibehielt, anstatt es auf 1,0 zurückzudrängen, was die Stärke des Konsenses verwässert hätte.

B. Waldbrand-Evakuierung (Anwendungsszenarien)

• OverMass (Redundante Beweise): Satelliten, IoT und soziale Medien bestätigen alle ein Feuer. Die Summe der Massen > 1 löst einen „Kritische Priorität"-Alarm aus und rechtfertigt den sofortigen Einsatz schwerer Ressourcen (Lufttanker) basierend auf der „Überleistung" der Beweise.
• UnderMass (Abdeckungslücken): In einem abgelegenen Gebiet mit fehlenden Sensoren ist die Summe der Massen niedrig (z. B. 0,3). Das System interpretiert die „fehlende Masse" (0,7) als hohe Unsicherheit und löst ein „Such- und Aufklärungs"-Protokoll aus, anstatt eine blinde Evakuierung durchzuführen.
• OffMass (Falsifizierung): Ein Sensor meldet fälschlicherweise ein Feuer (positiver Masswert), aber Wärmebildkameras bestätigen kein Feuer (negativer Masswert). Das OffMass-Rahmenwerk erlaubt es diesen, sich mathematisch auszugleichen, wodurch die Entsendung von Ressourcen in eine sichere Zone verhindert wird.

C. Polizeiliche Ermittlung (OverMass mit PCR5)

• Szenario: Zwei Quellen liefern Beweise zu den Verdächtigen A und B mit Massensummen von 1,1.
• Ergebnis: Nach Anwendung der konjunktiven Regel, der PCR5-Umverteilung und der OverNormalisierung berechnete das System Glaubenswerte (Bel) und Plausibilitätswerte (Pl). Die finalen normalisierten Massen (die zu 1,1 summieren) wiesen eindeutig den Verdächtigen B als primäres Ziel aus und demonstrierten die Robustheit der Methode im Umgang mit widersprüchlichen Daten mit hohem Vertrauen.

5. Bedeutung

Die Einführung von Over/Under/Off-Massen stellt einen Paradigmenwechsel in der Informationsfusion für unsichere Umgebungen dar:

1. Erweiterte Ausdruckskraft: Sie ermöglicht Systemen, zwischen „starkem Konsens" (OverMass) und „schwachem Konsens" (UnderMass) zu unterscheiden, was durch die klassische Normalisierung verschleiert wird.
2. Robustheit gegenüber Fehlern: Durch die Integration negativer Werte (OffMass) bietet das Rahmenwerk eine rigorose mathematische Möglichkeit, falsche Positive oder böswillige Daten zu behandeln und abzuschwächen, ein entscheidendes Merkmal für Sicherheits- und sicherheitskritische Systeme.
3. Anwendbarkeit in der realen Welt: Die Methodik adressiert direkt komplexe, multiquellenbasierte Fusionsprobleme im Notfallmanagement (Waldbrände), Sicherheitsmonitoring und Personalbewertung, bei denen Daten oft redundant, unvollständig oder widersprüchlich sind.
4. Theoretisches Fundament: Sie überbrückt die Lücke zwischen der Theorie neutrosophischer Mengen und der praktischen Beweisfusion und bietet ein einheitliches Rahmenwerk für den Umgang mit Indeterminiertheit, Widerspruch und übermäßiger Information.

Diese Arbeit legt den Grundstein für zukünftige Forschung zur Fusion gemischter Massentypen (z. B. OverMass mit UnderMass) und zur Entwicklung von Interpretationen für Glaubensfunktionen im Zusammenhang mit diesen erweiterten Masswerten.