Résumé Technique : Introduction des Masses Supérieures/Inférieures/Hors Limites

1. Énoncé du Problème

Les théories traditionnelles de fusion d'informations, telles que la Théorie de Dempster-Shafer (DST) et la Théorie de Dezert-Smarandache (DSmT), fonctionnent sous la contrainte que les masses de croyance doivent se situer dans l'intervalle $[0, 1]$ et sommer exactement à 1. Bien qu'efficaces pour l'incertitude standard, ces cadres peinent à modéliser des scénarios réels spécifiques impliquant :

• Sur-accumulation de preuves : Situations où plusieurs sources de haute confiance renforcent une hypothèse unique, créant une « intensité de consensus » dépassant la limite unitaire standard (analogue au travail supplémentaire).
• Sous-accumulation/Indétermination : Scénarios avec des lacunes d'information significatives ou des données manquantes où la croyance totale est insuffisante pour atteindre une somme unitaire.
• Preuves Contradictoires ou Falsifiantes : Cas où des preuves réfutent activement une hypothèse ou représentent des dommages/contre-preuves, nécessitant des valeurs négatives pour « annuler » mathématiquement les fausses alertes.

Les extensions existantes (floues, neutrosophiques) ont abordé ces concepts dans la théorie des ensembles et la logique (SurEnsembles, SousEnsembles, HorsEnsembles), mais un formalisme correspondant pour les Fonctions de Masse en fusion d'informations était précédemment indéfini.

2. Méthodologie

L'article propose une extension mathématique des fonctions de masse classiques à trois nouvelles catégories : SurMasse, SousMasse et HorsMasse. La méthodologie consiste à redéfinir le domaine et l'image de la fonction de masse $m: 2^\Theta \to \mathbb{R}$, où $\Theta$ est le cadre de discernement.

Définitions Fondamentales

• SurMasse ($m_{over}$) : Une fonction de masse où la somme des masses dépasse 1 ($\sum m(x) = \psi > 1$). L'image est $[0, \psi]$.
• SousMasse ($m_{under}$) : Une fonction de masse où la somme des masses est inférieure à 1 ($\sum m(x) = \varphi + 1$, où $\varphi < 0$). L'image est $[\varphi, 1]$.
• HorsMasse ($m_{off}$) : Une fonction de masse permettant des valeurs à la fois inférieures à 0 et supérieures à 1 ($\sum m(x) = \varphi + \psi$). L'image est $[\varphi, \psi]$ où $\varphi < 0 < 1 < \psi$.

Règles de Fusion

L'article introduit des règles de fusion spécifiques pour gérer ces nouveaux types de masses, allant au-delà de la règle standard de Dempster :

1. Règle Conjonctive Supérieure : Pour fusionner deux SurMasses, la règle conjonctive standard est appliquée, suivie d'une Normalisation Supérieure.

   • Le produit brut des masses est calculé.
   • La somme totale est normalisée en divisant par le produit des sommes originales (par exemple, si les deux sources somment à 1,1, le résultat est divisé par 1,1).
   • La PCR5 (Règle de Redistribution Proportionnelle des Conflits #5) est appliquée pour redistribuer la masse conflictuelle proportionnellement aux éléments non conflictuels.

2. Règle de la Moyenne des Masses : Pour fusionner des masses impliquant des valeurs négatives (SousMasses ou HorsMasses), l'article soutient que la multiplication est inappropriée (car négatif $\times$ négatif = positif). Il propose plutôt d'utiliser la moyenne arithmétique des masses provenant de différentes sources pour préserver le signe et l'ampleur de la preuve.

3. Unification des Intervalles : Lors de la fusion de masses provenant d'intervalles différents (par exemple, une source dans $[0, 1,1]$ et une autre dans $[0, 1,2]$), le domaine résultant est défini comme l'union des intervalles (par exemple, $[0, 1,2]$) pour accommoder toutes les valeurs possibles.

3. Contributions Clés

• Extension Formelle : Première définition de SurMasse, SousMasse et HorsMasse, étendant les concepts de Sur/Sous/Hors Ensembles et Logique au domaine de la fusion de preuves.
• Algorithmes de Fusion Nouveaux : Développement de règles de fusion spécifiques (Conjonctive Supérieure avec Normalisation Supérieure et Règle de la Moyenne) adaptées pour gérer des valeurs en dehors de l'intervalle $[0, 1]$.
• Gestion de la Croyance Négative : Introduction d'un mécanisme pour représenter mathématiquement la « fausseté » ou les « dommages » via des valeurs de masse négatives, permettant l'annulation de données erronées.
• Normalisation Dynamique : Un passage d'une normalisation fixe (somme = 1) à une normalisation dynamique (somme = $\psi$ ou $\varphi + 1$), préservant l'« intensité » de la preuve plutôt que de l'atténuer.

4. Résultats et Exemples

L'article valide la méthodologie à travers trois scénarios distincts :

A. Sélection de Gestionnaires (Fusion de SurMasse)

• Scénario : Deux directeurs évaluent deux candidats (A et B). Les deux directeurs attribuent une haute confiance, résultant en des sommes de masses de 1,1.
• Processus : La règle Conjonctive Supérieure a été appliquée. Le conflit brut a été redistribué en utilisant la PCR5. Les masses finales ont été Normalisées Supérieurement en divisant par 1,1.
• Résultat : Le système a identifié avec succès le candidat supérieur (A) tout en maintenant le signal de « sur-confiance » (masse totale = 1,1) plutôt que de le forcer à 1,0, ce qui aurait dilué la force du consensus.

B. Évacuation d'Incendies de Forêt (Scénarios d'Application)

• SurMasse (Preuves Redondantes) : Les satellites, l'IoT et les médias sociaux confirment tous un incendie. La somme des masses > 1 déclenche une alerte « Priorité Critique », justifiant le déploiement immédiat de ressources lourdes (avions-citernes) basé sur la « sur-performance » des preuves.
• SousMasse (Lacunes de Couverture) : Dans une zone reculée avec des capteurs manquants, la somme des masses est faible (par exemple, 0,3). Le système interprète la « masse manquante » (0,7) comme une forte incertitude, déclenchant un protocole de « Recherche et Reconnaissance » plutôt qu'une évacuation aveugle.
• HorsMasse (Falsification) : Un capteur signale faussement un incendie (masse positive), mais les caméras thermiques confirment l'absence d'incendie (masse négative). Le cadre HorsMasse permet à ces éléments de s'annuler mathématiquement, empêchant l'envoi de ressources vers une zone sûre.

C. Enquête Policière (SurMasse avec PCR5)

• Scénario : Deux sources fournissent des preuves sur les suspects A et B avec des sommes de masses de 1,1.
• Résultat : Après application de la règle conjonctive, de la redistribution PCR5 et de la Normalisation Supérieure, le système a calculé les valeurs de Croyance (Bel) et de Plausibilité (Pl). Les masses finales normalisées (sommant à 1,1) ont clairement indiqué le suspect B comme cible principale, démontrant la robustesse de la méthode face à des données conflictuelles de haute confiance.

5. Importance

L'introduction des Masses Supérieures/Inférieures/Hors Limites représente un changement de paradigme dans la fusion d'informations pour les environnements incertains :

1. Expressivité Améliorée : Elle permet aux systèmes de distinguer entre un « consensus fort » (SurMasse) et un « consensus faible » (SousMasse), ce que la normalisation classique obscurcit.
2. Robustesse face à l'Erreur : En incorporant des valeurs négatives (HorsMasse), le cadre fournit une manière mathématique rigoureuse de gérer et de décompter les faux positifs ou les données malveillantes, une caractéristique critique pour les systèmes de sécurité et de sécurité critique.
3. Applicabilité Réelle : La méthodologie répond directement à des problèmes complexes de fusion multi-sources dans la gestion des urgences (incendies de forêt), la surveillance de sécurité et l'évaluation du personnel, où les données sont souvent redondantes, incomplètes ou contradictoires.
4. Fondement Théorique : Elle comble le fossé entre la théorie des Ensembles Neutrosophiques et la fusion pratique de preuves, offrant un cadre unifié pour gérer l'indétermination, la contradiction et l'excès d'information.

Ce travail pose les bases pour de futures recherches sur la fusion de types de masses mixtes (par exemple, SurMasse avec SousMasse) et le développement d'interprétations de fonctions de croyance pour ces valeurs de masse étendues.