一种自适应冲突证据检验与合成方法

在D-S 证据理论中, 冲突系数不能很好地描述证据之间的冲突, 而且当证据高度冲突时会得到有悖常理的结果. 为了解决该问题, 提出一种自适应冲突证据检验与合成方法. 首先, 利用证据向量夹角余弦度量证据之间的相似性程度, 并提出冲突证据判据, 通过冲突证据检验因子实现证据分类; 然后, 引入冲突比例因子来决定证据的修正方法, 并利用相似度对其进行局部或全局修正; 最后, 将修正后的证据进行检验与合成. 通过应用实例验证了所提出方法的有效性.

     

基于新的证据冲突衡量的加权证据融合方法

对冲突证据使用Dempster-Shafer 证据理论进行融合的前提是对冲突证据作出正确衡量, 确定证据之间冲突的程度. 在分析现有的冲突衡量方法基础上, 提出一种基于新的证据冲突衡量的加权证据融合方法. 该方法通过相似性测度来衡量证据间的冲突程度; 然后确定各证据的可信度, 再加权修正证据; 最后用Dempster 组合规则进行融合. 算例表明, 该方法能正确衡量证据冲突程度, 有效地解决冲突证据的融合问题, 提高收敛速度和精度.

     

基于分类优化的离散证据推理

离散信息在专家系统、模式识别、决策分析等领域普遍存在, 为了解决这类信息融合问题, 提出一种离散证据推理方法. 首先, 将每个离散证据拆分成一类单点值证据; 然后, 以冲突最小化为目标修正类内证据, 并采用证据推理进行组合; 最后, 以同样的方法对类间证据进行修正与组合. 所提出方法不仅可以解决离散证据的内外部冲突问题, 而且能够克服运算量过大的问题. 算例分析表明了所提出的方法是合理且有效的.

     

一种非对称的证据冲突度量方法

D-S 证据理论是一种重要的决策级信息融合方法, 冲突度量是该理论的重要组成部分. 已有冲突计算方法不具备非对称性, 在度量基本概率赋值与其他证据间冲突时无法体现相互间差异. 鉴于此, 提出一种非对称证据冲突度量方法. 该方法以冲突度量的非对称关系为基础, 通过向Jousselme 距离模型中引入包含关系矩阵和非包含度因子, 得所提出方法能够表达证据间相互支持程度的差异. 实验结果验证了所提出方法的有效性.

     

一种基于D-S 和ARIMA 的多模型软测量方法

针对传统软测量方法存在的预测性能差、融合能力低等缺点, 提出一种基于证据理论(D-S) 合成规则和差分自回归滑动平均(ARIMA) 模型的多模型软测量方法. 首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型; 然后利用D-S 合成规则构造的概率分配函数作为权值因子, 对子模型输出进行融合以得到多模型的输出; 最后结合ARIMA 模型对静态多模型输出进行动态校正. 仿真研究与工业应用的结果表明, 所提出的方法具有良好的预测性能和融合能力.

     

基于证据推理的联合故障检测方法

针对卡方故障检测方法对软故障的检测性能较差, 甚至会导致滤波器发散的问题, 提出一种基于证据推理的联合故障检测方法. 将组合导航中的各子滤波器作为证据, 利用每个子滤波器的状态及协方差构造联合故障检测函数, 并利用联合故障检测函数的概率分布计算基本置信指派, 再将多个证据按D-S 规则进行融合, 根据融合结果进行故障检测. 仿真结果表明, 所提出的方法对硬故障的检测性能与卡方故障检测性能相当, 但对软故障的检测性能要优于卡方故障检测, 可提高组合导航系统的可靠性和精度.

     

考虑可靠性与重要性的证据补偿协调融合方法

兼具可靠性和重要性的证据融合问题目前仅局限于折扣处理阶段, 尚未深入到融合规则的构建之中. 为解决此问题, 首先结合现有成果的解决思路分析其中存在的问题; 然后构建能够对基本信度分配函数进行可靠性/重要性双重折扣处理且满足交换律的证据折扣方法, 在此基础上, 基于Dempster规则和Murphy规则从非补偿性与补偿性协调视角构建可以平衡可靠性和重要性的补偿协调融合规则; 最后通过数值对比分析验证所提出方法的科学性.

     

一种基于条件证据网络的多源异类知识融合识别方法

针对融合识别领域中不同框架下多源异类传感器的不确定证据信息无法有效融合的问题, 提出一种基于条件证据网络的多源异类知识融合识别方法. 该方法将战场协同作战中不同框架下多源异类传感器的领域知识统一在证据网络的结构下, 形成多源异类知识融合识别模型, 对多源异类传感器的不确定性证据信息进行基于条件证据网络的融合推理, 得到识别结果. 仿真实例验证了所提出方法的优越性.

     

一种基于证据推理的视频运动目标融合检测算法

为了解决复杂场景下传统的运动目标检测问题, 利用证据推理—–谨慎有序加权平均方法(COWA-ER), 提出一种综合使用混合高斯、均值滤波和码本的多方法融合的检测方法. 该融合检测算法以上述3 种检测方法为准则建立一个多准则决策框架, 通过双阈值检测法来表征检测过程中的不确定性, 最终利用COWA-ER 方法进行决策级融合, 实现多种方法的优势互补. 实验表明, 所提出的融合检测算法具有更理想的目标检测效果, 能有效应对诸如阴影及光照突变等问题对检测性能的影响.

     

一种基于区间规则的条件证据网络推理决策方法

针对证据网络推理方法无法对区间规则进行表示和推理的问题, 提出一种基于区间规则的条件证据网络推理决策方法. 该方法针对模糊规则的条件概率或信度为不确定区间的情况, 可同时表达不确定性和模糊性; 并将区间不确定规则转化为区间条件信度函数作为证据网络的结点参数, 通过条件推理和证据融合得到条件证据网络中各结点幂集空间中焦元的随机分布作为决策依据. 最后, 通过空中目标态势评估实例, 验证了所提出方法的有效性.

     

基于改进D-S证据理论的认知无线电频谱感知算法研究

针对基于D-S证据理论的认知无线电频谱感知算法在认知节点的感知信息存在较大冲突时会产生与实际情况相悖结果的问题,提出了一种基于改进D-S证据理论的认知无线电频谱感知算法。改进算法采用一种新的加权平均方法平均各个证据,比算术平均法更多地降低了异常证据的影响,同时通过计算证据到平均证据的距离来计算证据权值,解决了权值计算复杂度问题。实验结果表明,在认知节点的感知信息存在严重冲突时,改进算法可有效提高认知无线电频谱感知系统的感知性能。     

基于选择判据和贴近度的D-S证据融合方法

针对传统D-S证据理论难以融合高度冲突证据的问题,并考虑到证据正常时Dempster规则具有优越的聚焦性能,提出了一种基于选择判据和贴近度的证据融合方法。把贴近度概念引入到D-S证据合成中,通过证据的一致性度量来计算证据的权重,从而实现了冲突证据的加权融合。同时提出了证据修正的选择判据,将证据分成冲突与非冲突两类,对冲突的证据进行修正后再进行合成,而非冲突证据可直接进行合成。通过实例验证表明,所提出的方法不但保持了Dempster规则优越的信息聚焦性能,而且较好的解决了冲突证据的合成问题。     

一种改进的冲突表示方法

当证据高度冲突时, 使用经典D-S组合规则往往不能得出正确的结果。为此研究人员对证据理论的改进进行了大量的研究, 但如何度量证据之间的冲突程度却常常被忽视。针对这一问题, 分析了经典冲突系数的不足, 结合证据距离和经典冲突系数, 提出一种改进的证据冲突表示方法, 可更好地度量证据之间的冲突程度。通过算例验证了新方法的有效性。     

基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。     

一种改进的D-S证据理论合成方法

针对D-S证据理论计算量大和不能有效合成高度冲突证据的不足,提出一种基于加权和矩阵运算的证据组合方法。该方法通过引入权重系数区分不同证据在数据融合中的重要程度,因此能有效合成高度冲突的证据。同时,在证据合成过程中通过引入矩阵运算,有效地降低了算法的计算量。仿真结果表明,与传统的基于D-S证据理论的多传感器数据融合方法相比,改进方法不但能提高证据合成的可靠性和准确性,而且具有较小的计算量。