Resumo Técnico: Introdução de Massas Acima/Abaixo/Fora

1. Declaração do Problema

Teorias tradicionais de fusão de informações, como a Teoria de Dempster-Shafer (DST) e a Teoria Dezert-Smarandache (DSmT), operam sob a restrição de que as massas de crença devem estar contidas no intervalo $[0, 1]$ e somar exatamente 1. Embora eficazes para incerteza padrão, essas estruturas têm dificuldade em modelar cenários específicos do mundo real envolvendo:

• Acúmulo excessivo de evidências: Situações onde múltiplas fontes de alta confiança reforçam uma única hipótese, criando uma "intensidade de consenso" que excede o limite unitário padrão (análogo ao trabalho extraordinário).
• Acúmulo insuficiente/Indeterminação: Cenários com lacunas significativas de informação ou dados ausentes onde a crença total é insuficiente para atingir uma soma unitária.
• Evidências Contraditórias ou Falsificadoras: Casos onde a evidência refuta ativamente uma hipótese ou representa dano/contraprova, exigindo valores negativos para "cancelar" matematicamente falsos alarmes.

Extensões existentes (difusas, neutrosóficas) abordaram esses conceitos na teoria dos conjuntos e na lógica (OverSets, UnderSets, OffSets), mas um formalismo correspondente para Funções de Massa na fusão de informações permanecia indefinido.

2. Metodologia

O artigo propõe uma extensão matemática das funções de massa clássicas para três novas categorias: OverMass (Massa Acima), UnderMass (Massa Abaixo) e OffMass (Massa Fora). A metodologia envolve redefinir o domínio e a imagem da função de massa $m: 2^\Theta \to \mathbb{R}$, onde $\Theta$ é o quadro de discernimento.

Definições Principais

• OverMass ($m_{over}$): Uma função de massa onde a soma das massas excede 1 ($\sum m(x) = \psi > 1$). A imagem é $[0, \psi]$.
• UnderMass ($m_{under}$): Uma função de massa onde a soma das massas é menor que 1 ($\sum m(x) = \varphi + 1$, onde $\varphi < 0$). A imagem é $[\varphi, 1]$.
• OffMass ($m_{off}$): Uma função de massa permitindo valores tanto abaixo de 0 quanto acima de 1 ($\sum m(x) = \varphi + \psi$). A imagem é $[\varphi, \psi]$ onde $\varphi < 0 < 1 < \psi$.

Regras de Fusão

O artigo introduz regras de fusão específicas para lidar com esses novos tipos de massa, indo além da regra padrão de Dempster:

1. Regra Conjuntiva Over (OverConjunctive Rule): Para fundir duas OverMasses, aplica-se a regra conjuntiva padrão, seguida de Normalização Over (OverNormalization).

   • Calcula-se o produto bruto das massas.
   • A soma total é normalizada dividindo-se pelo produto das somas originais (por exemplo, se ambas as fontes somam 1,1, o resultado é dividido por 1,1).
   • Aplica-se a PCR5 (Regra de Redistribuição Proporcional de Conflito #5) para redistribuir a massa conflitante proporcionalmente aos elementos não conflitantes.

2. Regra da Média das Massas: Para fundir massas envolvendo valores negativos (UnderMasses ou OffMasses), o artigo argumenta que a multiplicação é inadequada (pois negativo $\times$ negativo = positivo). Em vez disso, propõe-se o uso da média aritmética das massas de diferentes fontes para preservar o sinal e a magnitude da evidência.

3. Unificação de Intervalos: Ao fundir massas de intervalos diferentes (por exemplo, uma fonte em $[0, 1,1]$ e outra em $[0, 1,2]$), o domínio resultante é definido como a união dos intervalos (por exemplo, $[0, 1,2]$) para acomodar todos os valores possíveis.

3. Contribuições Principais

• Extensão Formal: Primeira definição de OverMass, UnderMass e OffMass, estendendo os conceitos de Over/Under/Off Sets e Lógica para o domínio da fusão de evidências.
• Algoritmos de Fusão Inovadores: Desenvolvimento de regras de fusão específicas (OverConjunctive com OverNormalization e Regra da Média) adaptadas para lidar com valores fora do intervalo $[0, 1]$.
• Tratamento de Crença Negativa: Introdução de um mecanismo para representar matematicamente "falsidade" ou "dano" via valores de massa negativos, permitindo o cancelamento de dados errôneos.
• Normalização Dinâmica: Uma mudança da normalização fixa (soma = 1) para normalização dinâmica (soma = $\psi$ ou $\varphi + 1$), preservando a "intensidade" da evidência em vez de atenuá-la.

4. Resultados e Exemplos

O artigo valida a metodologia através de três cenários distintos:

A. Seleção de Gerente (Fusão OverMass)

• Cenário: Dois diretores avaliam dois candidatos (A e B). Ambos os diretores atribuem alta confiança, resultando em somas de massa de 1,1.
• Processo: A regra OverConjunctive foi aplicada. O conflito bruto foi redistribuído usando PCR5. As massas finais foram OverNormalizadas dividindo-se por 1,1.
• Resultado: O sistema identificou com sucesso o candidato superior (A) enquanto mantinha o sinal de "excesso de confiança" (massa total = 1,1) em vez de forçá-lo de volta a 1,0, o que teria diluído a força do consenso.

B. Evacuação de Incêndio Florestal (Cenários de Aplicação)

• OverMass (Evidência Redundante): Satélite, IoT e mídias sociais confirmam um incêndio. A soma das massas > 1 dispara um alerta de "Prioridade Crítica", justificando o envio imediato de recursos pesados (aviões-tanque) com base no "desempenho excessivo" da evidência.
• UnderMass (Lacunas de Cobertura): Em uma área remota com sensores ausentes, a soma das massas é baixa (por exemplo, 0,3). O sistema interpreta a "massa faltante" (0,7) como alta incerteza, disparando um protocolo de "Busca e Reconhecimento" em vez de uma evacuação cega.
• OffMass (Falsificação): Um sensor relata falsamente um incêndio (massa positiva), mas câmeras térmicas confirmam que não há fogo (massa negativa). A estrutura OffMass permite que estes se cancelem matematicamente, impedindo o despacho de recursos para uma zona segura.

C. Investigação Policial (OverMass com PCR5)

• Cenário: Duas fontes fornecem evidências sobre os suspeitos A e B com somas de massa de 1,1.
• Resultado: Após aplicar a regra conjuntiva, a redistribuição PCR5 e a OverNormalization, o sistema calculou os valores de Crença (Bel) e Plausibilidade (Pl). As massas finais normalizadas (somando 1,1) indicaram claramente o suspeito B como o alvo principal, demonstrando a robustez do método ao lidar com dados de alta confiança conflitantes.

5. Significado

A introdução de Massas Acima/Abaixo/Fora representa uma mudança de paradigma na fusão de informações para ambientes incertos:

1. Expressividade Aprimorada: Permite que os sistemas distingam entre "consenso forte" (OverMass) e "consenso fraco" (UnderMass), o que a normalização clássica obscurece.
2. Robustez ao Erro: Ao incorporar valores negativos (OffMass), a estrutura fornece uma maneira matemática rigorosa de lidar e descontar falsos positivos ou dados maliciosos, um recurso crítico para sistemas de segurança e críticos para a segurança.
3. Aplicabilidade no Mundo Real: A metodologia aborda diretamente problemas complexos de fusão multi-fonte em gestão de emergências (incêndios florestais), monitoramento de segurança e avaliação de pessoal, onde os dados são frequentemente redundantes, incompletos ou contraditórios.
4. Fundação Teórica: Preenche a lacuna entre a teoria dos Conjuntos Neutrosóficos e a fusão prática de evidências, oferecendo uma estrutura unificada para lidar com indeterminação, contradição e excesso de informação.

Este trabalho estabelece as bases para pesquisas futuras sobre a fusão de tipos mistos de massa (por exemplo, OverMass com UnderMass) e o desenvolvimento de interpretações de funções de crença para esses valores de massa estendidos.