Классификация данных — это фундаментальная задача в машинном обучении и анализе данных, с применением во многих областях. На практике неопределенность часто возникает из-за слабодифференцируемых признаков, отсутствующих значений, сдвига распределения, дисбаланса классов, несогласованных пространств меток и перекрытия классов. Традиционные методы классификации, которые обычно основаны на вероятностных моделях, могут не являться явными в представлении или уменьшении такой неопределенности. Теория доказательств (ET), также известная как теория Демпстера-Шафера, предоставляет гибкую основу для моделирования неопределенности и неточности посредством базовых назначений достоверности и правила комбинирования доказательств, и привлекает все большее внимание в области классификации данных. Соответственно, классификация данных на основе ET (DCET) стала активной исследовательской темой. В данной статье представлен всесторонний обзор DCET с систематической категоризацией методов DCET по сценариям неопределенности, связанным с признаками и метками. Сначала мы рассматриваем основы ET и подводим итоги классификатора K-ближайших соседей на основе доказательств и его вариантов. Затем мы рассматриваем методы на базе ET для классификации табличных данных при шести основных сценариях неопределенности: высокоразмерные признаки, отсутствующие значения атрибутов, сдвиг распределения признаков, несбалансированное распределение меток, несогласованные пространства меток и перекрытие классов. Далее мы рассматриваем методы на базе ET для классификации изображений (неструктурированных данных), выделяя интеграцию ET с глубокими нейронными сетями. Также обобщаем представительные приложения, включая распознавание человеческой активности, сегментацию медицинских изображений, классификацию изображений дистанционного зондирования и обнаружение изменений в изображениях дистанционного зондирования. В заключение обсуждаем направления будущих исследований DCET.

Теория доказательств;Классификация неопределенных данных;Функции веры;Доказательное рассуждение;Теория Демпстера-Шафера;Многоканальное информационное слияние