심판 함수 기반 증거 융합 규칙 정의

초록

본 논문은 여러 정보원으로부터 얻은 기본 의사결정을 중재하는 ‘심판 함수’를 도입해 증거 융합 규칙을 새롭게 정의한다. 샘플링 기반 구현을 통해 전통적인 조합 규칙이 갖는 조합 폭발 문제를 회피하고, 알고리즘적 구현으로 다양한 기존 규칙을 재현함은 물론 새로운 합의 기반 규칙을 제안한다.

상세 분석

이 연구는 증거 이론(Dempster‑Shafer Theory)에서 핵심적인 문제인 조합 복잡도와 충돌 관리에 대한 새로운 접근법을 제시한다. 기존의 Dempster‑Shafer 결합은 다수의 기본 확률 할당(BPA)이 교차될 때 발생하는 곱셈 연산과 정규화 과정이 지수적으로 증가한다는 한계가 있다. 저자는 이를 ‘심판 함수(referee function)’라는 추상적 중재 메커니즘으로 대체한다. 심판 함수는 각 정보원의 BPA를 입력으로 받아, 사전 정의된 판정 기준에 따라 어느 BPA를 채택하거나 배제할지를 확률적으로 결정한다. 핵심 아이디어는 이 과정을 샘플링 방식으로 구현함으로써, 실제 조합 연산을 일일이 계산하지 않고도 기대값에 근접한 결과를 얻는 것이다.

샘플링 절차는 다음과 같이 전개된다. 첫째, 각 정보원의 BPA를 무작위로 추출해 ‘가상 사건’ 집합을 만든다. 둘째, 심판 함수는 이 가상 사건들에 대해 충돌 여부, 신뢰도, 상호 일관성 등을 평가하고, 선택된 사건에 가중치를 부여한다. 셋째, 선택된 사건들의 가중 평균을 새로운 BPA로 정의한다. 이 과정은 반복 수행될 수 있으며, 반복 횟수가 충분히 크면 이론적 결합 결과와 수렴한다는 것이 실험적으로 입증된다.

저자는 이 프레임워크를 기존의 여러 결합 규칙—예를 들어 Dempster’s rule, Yager’s rule, Dubois‑Prade rule—에 적용해 동일한 샘플링 알고리즘으로 재현하였다. 이는 심판 함수가 충분히 일반화될 수 있음을 보여준다. 또한, 새로운 ‘합의 기반’ 규칙을 설계했는데, 이는 각 정보원의 신뢰도를 동적으로 추정하고, 다수 의견에 가중치를 부여함으로써 충돌 상황에서도 보다 보수적인 결합을 가능하게 한다. 특히, 신뢰도 추정은 이전 샘플링 결과를 피드백으로 활용해 베이지안 업데이트 방식으로 수행된다.

이러한 접근법의 장점은 크게 세 가지로 요약된다. 첫째, 조합 연산의 복잡도가 입력 BPA의 수에 비례하는 선형 수준으로 낮아진다. 둘째, 알고리즘적 구현이 직관적이어서 실제 시스템에 쉽게 통합될 수 있다. 셋째, 심판 함수의 설계 자유도가 높아 도메인 특화형 결합 규칙을 손쉽게 만들 수 있다. 다만, 샘플링 횟수와 무작위성에 따라 결과의 변동성이 존재하므로, 실시간 시스템에서는 적절한 샘플링 파라미터 튜닝이 필요하다.