基于证据方差的加权证据组合

DS证据理论在决策级信息融合中有着广泛应用.针对证据组合时的某些反直观结果问题提出一种新的基于证据方差的序贯式加权证据组合方法.首先基于Jousselme证据距离定义了证据方差.每一步证据组合时,依据当前既有证据组合结果序列的方差及当前步新证据加入后的序列方差来生成权重.基于所获权重修正新到证据及前一步组合结果,最后利用Dempster规则完成当前步证据组合.算例分析表明所提方法是合理有效的.     

证据推理的组合规则研究

对不精确、不完整信息系统的决策规则,证据理论提供了一种卓有成效的处理方法.从应用的角度出发,人们提出了修正的证据推理组合规则.为了能对各种证据推理组合规则有深刻理解,以证据理论为基础,对各种组合规则进行了深入的研究,分析了不同情况下各证据组合规则解决冲突问题的能力.接着给出了一种基于证据的条件概率指派合成方法,并证明了其有效性.最后,对各种证据组合规则的适用范围进行了比较.     

冲突证据的目标识别系统的研究

目标识别系统中的不确定性信息常常表现为模糊性和冲突性信息.提出了一种在证据理论框架下实现模糊信息融合的方法.针对决策级信息融合中的冲突证据组合问题进行了深入的研究.在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法.该方法采用先验概率加权与实际战场环境模糊加权相结合,最后采用归一化的可信度对证据进行加权平均并进行DS融合.仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果.     

基于试探折扣修正的证据组合方法

Dempster-Shafer(D-S)证据理论在不确定性信息处理相关领域具有十分重要的地位,然而对冲突证据进行Dempster规则组合时,常常会出现反直观结果的问题.本文提出了一种新的对证据组合结果质量评价的量化标准,该标准由证据集可信度与组合结果聚焦度构成,并在该标准的基础上提出了一种对证据进行多次试探折扣的修正方法,每次试探折扣由证据的不从属度来构造,实现了证据集可信度与组合结果聚焦度的共同提高,获得最佳聚焦结果,并且还可以通过设置优化目标,灵活控制证据集可信度,获得高质量证据组合结果,以满足各种类型决策的需要.实验结果和相关分析表明,本文方法是合理有效的.     

基于证据源预处理的冲突证据组合新方法

针对冲突证据的组合问题,提出了一种新的证据组合方法。通过定义证据间的Jaccard相似度获得各个证据的归一化可信度,在此基础上获得一个标准证据。利用该标准证据对各初始证据进行修正,最后利用Dempster-Shafer(DS)组合规则获得证据组合结果。证据组合过程中既保持了DS规则良好的数学性质,又有效地减小了冲突证据带来的干扰,提高了组合结果的合理性与可靠性。     

D-S证据理论在多传感器信息融合中的改进

详细阐明了多传感器信息融合的一种方法——D-S证据理论，他是一种处理不确定性问题的有用方法，但是D-S证据理论组合规则的一些不足影响证据理论的应用，通过深入分析，针对该方法的不足提出了一种修正的组合方法，这样不仅能够用于组合冲突比较大的证据，而且能够根据各条证据所包含的不同信息量进行自适应加权组合，改进了基本D-S证据理论的组合准则，提高了其融合性能，并通过实例证明了该方法的有效性。     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

一种冲突证据组合方法

针对证据理论的冲突证据融合问题,分析了D-S合成方法的不足,提出了一种新的改进方法,即基于小概率命题似然度最小值的冲突证据组合方法。该方法通过选择信任折扣因子使得命题似然度达到最小,在应用中会比Dempster组合规则和平均策略更为灵活,更符合证据理论在不确定推理方面的本质特性。通过仿真试验表明该算法能有效地排除干扰,得出了符合实际的组合结果,确保了方法的有效性和可靠性。     

基于信任度和虚假度的证据组合方法

D-S证据理论在信息融合领域有着广泛的应用,但使用Dempster组合规则对高冲突证据进行合成时可能会得到反直观的结果,在应用中也存在“一票否决”的问题,为解决这些问题,提出一种改进的基于证据信任度和虚假度的证据加权组合方法。首先在证据相关系数的基础上定义了证据信任度,再结合证据虚假度的概念来确定各原始证据的权重,依此权重系数对各证据进行加权平均后利用Dempster组合规则对加权平均证据进行组合。数值算例表明,该组合方法可实现冲突证据的有效融合,与其他方法相比该方法具有更好的收敛性。     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

Weighted evidence combination based on degree of credibility and certainty

To overcome the invalidation problem of Dempster rule with high conflict,a weighted combination method based on degree of credibility and certainty was proposed.Firstly,the cosine similarity was modified to hold the ability to measure the evidence conflict when multi-subset focal elements were included,followed by the building of evidence credibility model.Secondly,the evidence certainty model based on precision and entropy was presented,which can both reflect the evidence’s degree of multi-subset focal elements and the dispersion degree of probability assignment.Then the weighted coefficient was determined by credibility and certainty.Finally,the normalized weighted coefficient was used to average the basic probability assignment,and the final combination result can be obtained according to Dempster rule.Numerical examples show that,compared with other traditional weighted combination methods,the proposed approach has made better performance in reducing conflict and accelerating convergence.     

Weighted evidence combination method based on power-Pignistic probability distance

To deal with the shortcomings encountered when using the existing similarity/dissimilarity measures to quantify evidence conflict,a new dissimilarity measure called power-Pignistic probability distance was defined.Furthermore,a weighted evidence combination method was proposed based on power-Pignistic probability distance.The conflict degree between two pieces of evidence was quantified by the power-Pignistic probability distance.After that,a similarity measure matrix was constructed,based on which the credibility of evidence was obtained.Then the weighted average method was used to revise the evidence.Finally,the fusion was accomplished by using Dempster’s rule.The results of the numerical examples show the efficiency and rationality of the proposed method.     

基于证据分类的DS证据合成及判决方法

该文介绍了一种基于证据分类策略的修正DS证据合成方法,以解决证据冲突情况下的合成问题,该方法模仿人处理冲突信息时所采用的策略,即首先将证据分类,保证分在同一类中的证据具有较大的相似性,然后依据分类结果中各类证据的个数决定对该类合成结果的信任度并通过加权方法得到最终的合成证据。     

D-S证据论不可信性的分析

对D-S证据论进行了分析,揭示了它存在的问题及其原因。指出,证据论是不可信的。首先列举了证据论应用中出现的种种怪异表现,如证据合成结果有时与人的主观判断有很大差别、合成结果不稳定等。其次对证据论的核心理论进行了剖析,找到了问题的根源,即:在利用Dempster证据合成公式进行证据合成时,以及在利用概率质量计算信任区间时,将辨识框架幂集中各元之间的相互独立性破坏了。这样做不仅导致了上述怪异现象,而且直接动摇了证据论的理论根基,使它不具有可信性。最后,将证据论与概率推理进行了比较,并表明证据论的问题可以在概率推理的框架下得到简明的解决。     

一种新的基于证据距离的证据合成算法

针对D-S证据理论对于高度冲突证据合成时出现与常理相悖结论的问题,提出了一种基于证据距离的加权证据合成方法,并给出了具体算法。新算法仍然使用D-S合成公式,但需考虑融合系统中证据源的修正问题。利用证据总体的期望值将Jousselme提出的证据距离修正,从而得出证据权,通过证据权对源证据的基本可信度分配函数进行修正,并通过算例比较,说明新的算法具有更有效的合成结果。     

Evidence combination method based on Pignistic function transformation and correlation coefficient

The situation of high conflict between evidences and one ballot veto cannot be solved by classical D-S rule,and the results obtained from classical D-S rule are contrary to the facts.To solve this problem,a new standard to measure conflicts between evidences was proposed based on the combination of Pignistic function transformation and correlation coefficient,and also a novel kind of weighted combination method which was applied to measure conflicts between evidences was put forward according to the standard.After that,a support matrix was constructed based from which the credibility of evidence was obtained,and the weighted average method was used to revise the evidence.Finally,the combination was accomplished by using Dempster’s rule.The result of numerical examples shows that it’s effective to solve the combination of conflicting evidence.Compared with other methods,the proposed method has good astringency.     

基于证据源和组合规则双修正的证据合成

针对冲突证据合成时传统证据合成和单一修正改进方法存在的问题,提出了新的证据源预处理和组合规则双修正的证据合成方法.利用夹角余弦理论,计算证据向量距离后转化得到权重系数,依据权重系数对证据进行重新概率分配,完成证据源修正;之后用修正的动态合成规则,进行修正证据的合成;同时提出了算法分析模型.实例结果验证了算法在证据合成时具有最优结果、较强通用性和稳定性,可应用于信息融合、不确定信息决策等领域.