Bayes'sche Methodik zur lokalen Fusion heterogener Informationsquellen

Bei der Fusion heterogener Informationsquellen muss deren unterschiedlicher Abstraktionsgrad und deren unterschiedliche Natur (Formalisierung) überwunden werden. Essenzielle Forderungen an eine Fusionsmethodik sind die Fähigkeiten zur Transformation, Fusion und Fokussierung. Es wird gezeigt, dass die Bayes'sche Wahrscheinlichkeitstheorie in einer Degree-of-Belief-Deutung jede dieser Forderungen erfüllt. Um ihren hohen Rechenaufwand entscheidend zu verringern, wird anschließend ein lokaler Bayes'scher Fusionsansatz vorgestellt. Dieser kann in Anlehnung an kriminalistische Ermittlungen mittels einer agentenbasierten Fusionsarchitektur umgesetzt werden.

In fusing heterogeneous information sources, their different abstraction levels and formalizations have to be coped with. Essential requirements on a fusion methodology are its abilities to transform, fuse, and focus. It is shown that the Bayesian fusion methodology as Degree-of-Belief interpretation covers all these areas. With a view to reduce high computational costs, a local approach for the Bayesian fusion of information is subsequently be presented. In analogy to criminalistic investigation, this approach can be realized via agent-based fusion architecture.