論文の概要: A Distance Measure for Random Permutation Set: From the Layer-2 Belief Structure Perspective

• arxiv url: http://arxiv.org/abs/2510.10596v1
• Date: Sun, 12 Oct 2025 13:29:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.024394
• Title: A Distance Measure for Random Permutation Set: From the Layer-2 Belief Structure Perspective
• Title（参考訳）: ランダムな置換集合の距離測定:レイヤ2からの構造的視点へ
• Authors: Ruolan Cheng, Yong Deng, Serafín Moral, José Ramón Trillo,
• Abstract要約: 置換質量関数間の距離を測定することはランダム置換集合論(RPST)における重要な研究課題である 本稿では、ランダム有限集合(RFS)と移動可能な信念モデル(TBM)の2つの異なる視点から、RPS間の距離を詳細に分析する。 RPSの層2層構造解釈を採用することで、RPSTをTBMの洗練とみなす。
• 参考スコア（独自算出の注目度）: 8.397744571823038
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Random permutation set (RPS) is a recently proposed framework designed to represent order-structured uncertain information. Measuring the distance between permutation mass functions is a key research topic in RPS theory (RPST). This paper conducts an in-depth analysis of distances between RPSs from two different perspectives: random finite set (RFS) and transferable belief model (TBM). Adopting the layer-2 belief structure interpretation of RPS, we regard RPST as a refinement of TBM, where the order in the ordered focus set represents qualitative propensity. Starting from the permutation, we introduce a new definition of the cumulative Jaccard index to quantify the similarity between two permutations and further propose a distance measure method for RPSs based on the cumulative Jaccard index matrix. The metric and structural properties of the proposed distance measure are investigated, including the positive definiteness analysis of the cumulative Jaccard index matrix, and a correction scheme is provided. The proposed method has a natural top-weightiness property: inconsistencies between higher-ranked elements tend to result in greater distance values. Two parameters are provided to the decision-maker to adjust the weight and truncation depth. Several numerical examples are used to compare the proposed method with the existing method. The experimental results show that the proposed method not only overcomes the shortcomings of the existing method and is compatible with the Jousselme distance, but also has higher sensitivity and flexibility.
• Abstract（参考訳）: Random Permutation Set (RPS) は秩序構造不確実な情報を表すために最近提案されたフレームワークである。 置換質量関数間の距離を測定することは RPS 理論 (RPST) において重要な研究課題である。 本稿では、ランダム有限集合(RFS)と移動可能な信念モデル(TBM)の2つの異なる視点から、RPS間の距離を詳細に分析する。 RPSの層2層構造解釈を採用することで、RPSTをTBMの洗練とみなす。 置換から,2つの置換間の類似性を定量化する累積ジャカード指数の新たな定義を導入し,累積ジャカード指数行列に基づくRPSの距離測定法を提案する。 累積ジャカード指数行列の正定性解析を含む,提案した距離測定の計量および構造特性について検討し,補正スキームを提供する。 提案手法は,高次要素間の不整合により距離値が大きくなる傾向にある,自然なトップウェイトネス特性を有する。 判定器に2つのパラメータを設けて、重みとトラクション深さを調節する。 提案手法と既存手法との比較にいくつかの数値例を用いる。 実験の結果,提案手法は既存手法の欠点を克服し,Jousselme距離に適合するだけでなく,感度や柔軟性も高いことがわかった。

関連論文リスト

• Decomposed Global Optimization for Robust Point Matching with Low-Dimensional Branching [41.05165517541873]
  部分重なり合う点集合を整列する新しい大域的最適化手法を提案する。 本手法は非剛性変形, 位置雑音, 外れ値に優れた強靭性を示す。 2次元および3次元合成および実世界のデータを用いた実験により,本手法は最先端の手法と比較して,外れ値に対して優れた強靭性を示すことが示された。
  論文  参考訳（メタデータ） (2024-05-14T13:28:57Z)
• Diffeomorphic Mesh Deformation via Efficient Optimal Transport for Cortical Surface Reconstruction [40.73187749820041]
  メッシュ変形は、動的シミュレーション、レンダリング、再構成を含む多くの3次元視覚タスクにおいて重要な役割を果たす。 現在のディープラーニングにおける一般的なアプローチは、2つのメッシュからランダムにサンプリングされた2つの点雲とシャンファーの擬似距離を比較することで、2つの面間の差を測定するセットベースアプローチである。 本稿では,メッシュのスライスされたワッサーシュタイン距離を,セットベースアプローチを一般化する確率測度として表現したメッシュ変形の学習指標を提案する。
  論文  参考訳（メタデータ） (2023-05-27T19:10:19Z)
• An approach to robust ICP initialization [77.45039118761837]
  本稿では,厳密な変換に伴う乱れのない点群に対応するために,ICPアルゴリズムを初期化する手法を提案する。 我々はノイズに対する我々のアプローチの頑健さに限界を導出し、数値実験により我々の理論的な知見を裏付ける。
  論文  参考訳（メタデータ） (2022-12-10T16:27:25Z)
• Random Forest Weighted Local Fréchet Regression with Random Objects [18.128663071848923]
  本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。 最初の方法は、これらの重みを局所平均として、条件付きFr'echet平均を解くことである。 第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-10T09:10:59Z)
• Learning Bayesian Networks through Birkhoff Polytope: A Relaxation Method [0.0]
  我々は、ガウス線形構造方程式モデルからデータを生成する際に、有向非巡回グラフ(DAG)を学習するための新しい枠組みを確立する。 置換行列推定では,順序推定のNPハード問題を回避する緩和手法を提案する。 本フレームワークは,非循環性制約の高価な検証や,可能な親集合の列挙を必要とせずにDAGを復元する。
  論文  参考訳（メタデータ） (2021-07-04T15:04:02Z)
• Joint Total Variation ESTATICS for Robust Multi-Parameter Mapping [0.0]
  ESTATICSは、R2*と複数の外挿インターセプトを抽出するために、複数のエコー系列の連接対数整合を行う。 提案アルゴリズムは,リッチな単目的データセットにおいて,左からのエコーを予測して評価する。
  論文  参考訳（メタデータ） (2020-05-28T19:08:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。