Fusion of subjective opinions through behavior estimation

Abstract

Bilgi hemen hemen her karar verme su ̈recinde olduk ̧ca ̈onemlidir. Karar veren tem- silci ̧ce ̧sitli kaynaklardan bilgiler toplar. Bu nedenle karar veren temsilci farklı bilgi kaynaklarından toplamı ̧s oldug ̆u bilgileri do ̆gru bir ̧sekilde birle ̧stirmelidir. Bununla birlikte bazı bilgi kaynakları gu ̈venilmez veya yalancı olabilir. Yani, bazı bilgi kay- nakları fikirlerini payla ̧sırken farklı ̧sekilde davranabilir. Bu nedenle karar veren temsilci bu tip kaynaklardan gelen bilgileri elemelidir. Bu go ̈zlemden yola ̧cıkarak biz bu ̧calı ̧smamızda davranı ̧s tahminine dayalı olarak istatiksel bilgi tu ̈mle ̧stirme yakla ̧sımı o ̈nerdik. Bu yakla ̧sımımızda ̈oncelikle elde ettig ̆imiz istatiksel deg ̆erlere uygun d ̈onu ̈ ̧su ̈m fonksiyonu uygulayarak bilgi kaynaklarının davranı ̧slarını tahmin ediyoruz. Bu tahmine dayalı olarak bilgi tu ̈mle ̧stirme i ̧slemini ger ̧cekle ̧stiriyoruz. Geni ̧s c ̧aplı simu ̈lasyonlar vasıtasıyla, biz go ̈rdu ̈k ki yakla ̧sımımız oldukc ̧a du ̈ ̧su ̈k oranda hesaplama karma ̧sıklıg ̆ına sahip ve ̈onemli derecede du ̈ ̧su ̈k davranı ̧s tahmini ve tu ̈mle ̧stirme hatası ile i ̧slemini ger ̧cekle ̧stiriyor.

Information is significantly important in almost all decision-making process. A decision- maker agent collects information from diverse sources. Thus, it should correctly fuse opinions, which are shared from different information sources. However, some of infor- mation sources may be unreliable and malicious. That is, some of information sources may behave differently while sharing their opinions. Thus, the decision-maker agent needs to eliminate opinions that these opinions are collected from such kind of infor- mation sources. Motivated by this observation, in this thesis, we propose a statistical information fusion approach based on behavior estimation. In this approach, before estimation of fusion, we estimate behavior of information sources based on their sta- tistical values. Then, we enhance information fusion process based on our estimation for behavior of information sources. Through extensive simulations, we have shown that our approach has a low computational complexity, and achieves significantly low behavior estimation and fusion errors.