A classificação de dados é uma tarefa fundamental nas áreas de aprendizado de máquina e análise de dados, com cenários de aplicação que abrangem vários setores. Na prática, fatores como baixa discriminação de características, valores ausentes, deslocamento de distribuição, desequilíbrio de classes, inconsistência no espaço de rótulos e sobreposição de classes trazem incerteza, enquanto métodos tradicionais de classificação baseados em quadros probabilísticos têm dificuldade em expressar explicitamente e mitigar essa incerteza. A teoria da evidência (ET, também conhecida como teoria de Dempster–Shafer) por meio de atribuição básica de confiança e regras de combinação de evidências constrói uma estrutura flexível capaz de modelar incerteza e ambiguidade, ganhando crescente atenção na área de classificação. A classificação de dados baseada na teoria da evidência (DCET) tornou-se um tema de pesquisa popular. Este artigo revisa sistematicamente o DCET, classificando os métodos existentes segundo dois tipos de cenários de incerteza baseados em características e baseados em rótulos. Primeiro, são apresentados os princípios básicos da teoria da evidência, resumindo o classificador K-vizinhos baseado em evidências e seus algoritmos melhorados derivados; em seguida, são classificados os métodos da teoria da evidência aplicáveis à classificação de dados tabulares nos seis cenários de incerteza: alta dimensionalidade das características, atributos ausentes, deslocamento na distribuição das características, desequilíbrio na distribuição dos rótulos, inconsistência no espaço dos rótulos e sobreposição de classes; posteriormente, aborda-se a integração da teoria da evidência com redes neurais profundas e soluções de classificação para dados não estruturados, como imagens; além disso, resumem-se aplicações representativas como reconhecimento de comportamento humano, segmentação de imagens médicas, classificação de imagens de sensoriamento remoto e detecção de mudanças em imagens de sensoriamento remoto; por fim, discutem-se as direções futuras de pesquisa do DCET.

teoria da evidência;classificação de dados incertos;função de confiança;racicínio por evidências;teoria D-S;fusão de informações multisource