Riepilogo Tecnico: Introduzione delle Masse Over/Under/Off

1. Enunciato del Problema

Le teorie tradizionali di fusione delle informazioni, come la Teoria di Dempster-Shafer (DST) e la Teoria di Dezert-Smarandache (DSmT), operano sotto il vincolo che le masse di credenza debbano rientrare nell'intervallo $[0, 1]$ e sommare esattamente a 1. Sebbene efficaci per l'incertezza standard, questi quadri teorici faticano a modellare scenari reali specifici che coinvolgono:

• Sovra-accumulo di prove: Situazioni in cui più fonti ad alta fiducia rafforzano un'unica ipotesi, creando un'"intensità di consenso" che supera il limite unitario standard (analoga al lavoro straordinario).
• Sotto-accumulo/Indeterminazione: Scenari con significativi vuoti informativi o dati mancanti, dove la credenza totale è insufficiente per raggiungere una somma unitaria.
• Prove Contraddittorie o Falsificanti: Casi in cui le prove smentiscono attivamente un'ipotesi o rappresentano danni/prove contrarie, richiedendo valori negativi per "annullare" matematicamente i falsi allarmi.

Le estensioni esistenti (fuzzy, neutrosofiche) hanno affrontato questi concetti nella teoria degli insiemi e nella logica (OverSets, UnderSets, OffSets), ma un formalismo corrispondente per le Funzioni di Massa nella fusione delle informazioni era precedentemente indefinito.

2. Metodologia

Il documento propone un'estensione matematica delle funzioni di massa classiche a tre nuove categorie: OverMass, UnderMass e OffMass. La metodologia comporta la ridefinizione del dominio e del campo di una funzione di massa $m: 2^\Theta \to \mathbb{R}$, dove $\Theta$ è il quadro di discernimento.

Definizioni Fondamentali

• OverMass ($m_{over}$): Una funzione di massa in cui la somma delle masse supera 1 ($\sum m(x) = \psi > 1$). Il campo è $[0, \psi]$.
• UnderMass ($m_{under}$): Una funzione di massa in cui la somma delle masse è inferiore a 1 ($\sum m(x) = \varphi + 1$, dove $\varphi < 0$). Il campo è $[\varphi, 1]$.
• OffMass ($m_{off}$): Una funzione di massa che consente valori sia inferiori a 0 sia superiori a 1 ($\sum m(x) = \varphi + \psi$). Il campo è $[\varphi, \psi]$ dove $\varphi < 0 < 1 < \psi$.

Regole di Fusione

Il documento introduce regole di fusione specifiche per gestire questi nuovi tipi di massa, andando oltre la regola standard di Dempster:

1. Regola Coniuntiva Over: Per fondere due OverMass, viene applicata la regola coniuntiva standard, seguita dalla Normalizzazione Over.

   • Viene calcolato il prodotto grezzo delle masse.
   • La somma totale viene normalizzata dividendo per il prodotto delle somme originali (ad esempio, se entrambe le fonti sommano a 1,1, il risultato viene diviso per 1,1).
   • Viene applicata la PCR5 (Regola di Ridistribuzione Proporzionale del Conflitto n. 5) per ridistribuire la massa conflittuale proporzionalmente agli elementi non conflittuali.

2. Regola della Media delle Masse: Per fondere masse che coinvolgono valori negativi (UnderMass o OffMass), il documento sostiene che la moltiplicazione sia inappropriata (poiché negativo $\times$ negativo = positivo). Invece, propone l'uso della media aritmetica delle masse provenienti da diverse fonti per preservare il segno e l'entità della prova.

3. Unificazione degli Intervalli: Quando si fondono masse da intervalli diversi (ad esempio, una fonte in $[0, 1,1]$ e un'altra in $[0, 1,2]$), il dominio risultante è definito come l'unione degli intervalli (ad esempio, $[0, 1,2]$) per accogliere tutti i possibili valori.

3. Contributi Chiave

• Estensione Formale: Definizione per la prima volta di OverMass, UnderMass e OffMass, estendendo i concetti di Over/Under/Off Sets e Logica al dominio della fusione delle evidenze.
• Algoritmi di Fusione Innovativi: Sviluppo di regole di fusione specifiche (OverConiuntiva con Normalizzazione Over e Regola della Media) adattate per gestire valori esterni all'intervallo $[0, 1]$.
• Gestione della Credenza Negativa: Introduzione di un meccanismo per rappresentare matematicamente la "falsità" o il "danno" tramite valori di massa negativi, consentendo l'annullamento di dati errati.
• Normalizzazione Dinamica: Un passaggio dalla normalizzazione fissa (somma = 1) alla normalizzazione dinamica (somma = $\psi$ o $\varphi + 1$), preservando l'"intensità" della prova anziché attenuarla.

4. Risultati ed Esempi

Il documento valida la metodologia attraverso tre scenari distinti:

A. Selezione del Manager (Fusione OverMass)

• Scenario: Due direttori valutano due candidati (A e B). Entrambi i direttori assegnano un'alta fiducia, risultando in somme di massa di 1,1.
• Processo: È stata applicata la regola OverConiuntiva. Il conflitto grezzo è stato ridistribuito utilizzando la PCR5. Le masse finali sono state Normalizzate Over dividendo per 1,1.
• Esito: Il sistema ha identificato con successo il candidato superiore (A) mantenendo il segnale di "sovra-fiducia" (massa totale = 1,1) invece di forzarlo indietro a 1,0, il quale avrebbe diluito la forza del consenso.

B. Evacuazione per Incendi Boschivi (Scenari di Applicazione)

• OverMass (Prove Ridondanti): Satellite, IoT e social media confermano tutti un incendio. La somma delle masse > 1 innesca un allerta "Priorità Critica", giustificando l'immediato dispiegamento di risorse pesanti (aerocisterne) basandosi sulla "sovra-performance" delle prove.
• UnderMass (Vuoti di Copertura): In un'area remota con sensori mancanti, la somma delle masse è bassa (ad esempio, 0,3). Il sistema interpreta la "massa mancante" (0,7) come alta incertezza, innescando un protocollo di "Ricerca e Ricognizione" invece di un'evacuazione cieca.
• OffMass (Falsificazione): Un sensore segnala erroneamente un incendio (massa positiva), ma le telecamere termiche confermano l'assenza di incendio (massa negativa). Il quadro OffMass consente a questi di annullarsi matematicamente, impedendo il dispiegamento di risorse in una zona sicura.

C. Indagine di Polizia (OverMass con PCR5)

• Scenario: Due fonti forniscono prove su sospetti A e B con somme di massa di 1,1.
• Risultato: Dopo l'applicazione della regola coniuntiva, della ridistribuzione PCR5 e della Normalizzazione Over, il sistema ha calcolato i valori di Credenza (Bel) e Plausibilità (Pl). Le masse finali normalizzate (che sommano a 1,1) hanno indicato chiaramente il sospetto B come obiettivo primario, dimostrando la robustezza del metodo nella gestione di dati ad alta fiducia conflittuali.

5. Significato

L'introduzione delle Masse Over/Under/Off rappresenta un cambiamento di paradigma nella fusione delle informazioni per ambienti incerti:

1. Espressività Potenziata: Consente ai sistemi di distinguere tra "forte consenso" (OverMass) e "debole consenso" (UnderMass), cosa che la normalizzazione classica oscura.
2. Robustezza all'Errore: Incorporando valori negativi (OffMass), il quadro fornisce un modo matematico rigoroso per gestire e scomputare falsi positivi o dati malevoli, una caratteristica critica per sistemi di sicurezza e sicurezza critica.
3. Applicabilità nel Mondo Reale: La metodologia affronta direttamente problemi complessi di fusione multi-fonte nella gestione delle emergenze (incendi boschivi), nel monitoraggio della sicurezza e nella valutazione del personale, dove i dati sono spesso ridondanti, incompleti o contraddittori.
4. Fondamento Teorico: Colma il divario tra la teoria degli Insiemi Neutrosofici e la fusione pratica delle evidenze, offrendo un quadro unificato per gestire indeterminazione, contraddizione ed eccesso di informazioni.

Questo lavoro getta le basi per future ricerche sulla fusione di tipi di massa misti (ad esempio, OverMass con UnderMass) e sullo sviluppo di interpretazioni delle funzioni di credenza per questi valori di massa estesi.