基于冲突关系网络的证据合成方法研究

针对经典证据理论处理高冲突情况时结果违反常理的问题,在对其原因及各类改进方法进行研究分析的基础上,提出基于冲突关系网络的证据合成方法.该方法从整体着眼,充分考虑直接与间接冲突关系,通过构建网络,利用PageRank算法的思想获取证据权值并进行加权修正,最后利用Dempster组合规则进行融合,既保留了经典理论优良的数学性质,又较好解决了前述问题.算例分析结果表明,该方法能够客观反映冲突证据所携带的不确定信息,具备一定的优越性.     

基于D-S证据理论的协作频谱感知算法

在无线传播过程中,主用户信号经常会受到路径损耗、阴影衰落等影响,导致无线通信环境中单个认知用户对主用户的感知结果存在不确定性。因此,结合D-S证据理论方法,提出了一种新的协作频谱感知算法。以能量检测作为基础,将证据间冲突变化程度平均性的概念结合其中,根据这一方式设计了一种新的证据理论合成法则,将多个D-S融合结果送到融合中心进行数据融合,得出最终判决。仿真实验结果表明,该算法能够很好地解决证据间的高度冲突并较为合理地减轻不确定性因素的影响,在信噪比比较低的情况下,获得较好的检测性能。     

一种有效处理冲突证据的组合方法

针对证据理论应用过程中,冲突证据的组合问题和基本概率赋值函数难以确定的问题,提出了一种新的冲突证据的组合方法。该方法以修改模型为基础,而不改变Dempster组合规则的结构。首先,在充分考虑焦元属性之间及证据之间的相互关联性基础上,引入证据体距离函数,然后,求出系统中各证据被其他证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,再将平均证据代替冲突证据,最后利用Dempster组合规则实现信息融合。通过仿真实验,将该方法与现有方法进行了分析比较,结果表明应用该方法是一种有效可行的证据组合方法。     

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.     

新的证据冲突衡量标准下的D-S改进算法

 针对传统证据冲突衡量标准存在的不足及高冲突下Dempster证据组合规则失效的问题,通过pignistic变换,定义了新的证据冲突衡量标准,基于此,提出了一种新的D-S改进算法.该方法依据少数服从多数的决策思想,引入了描述证据重要度的权重系数,对证据进行预处理,再采用Dempster规则进行组合.通过仿真算例分析,并与其它改进方法进行对比,验证了新算法在处理证据冲突方面的性能显著改进,加快了收敛速度,同时降低了决策风险.     

基于pignistic概率距离的冲突证据合成方法

Dempster Shafer证据理论在数据融合中有着广泛的应用.但当证据之间高度冲突时,应用DS证据合成公式往往会得出错误的结果.在现有的证据合成改进方法中,均使用冲突系数k来度量证据之间冲突的程度.最新的研究表明:影响证据冲突的因素不仅仅是冲突系数k,还和证据的pignistic概率距离等因素有关.在原有的冲突系数k之上,引入pignistic概率距离,提出了一种新的冲突证据合成方法.仿真结果表明:当证据之间的冲突小时,合成结果近似于D-S证据合成公式,当证据之间的冲突较大时,这种方法在公式模型上比其他方法完善,冲突证据的合成结果更加合理.     

一种基于证据距离的D—S改进算法

针对高冲突下Dempster证据组合规则失效的问题,定义了描述证据可靠程度的可信度的概念,提出了一种改进的D-S组合算法。该方法首先通过证据距离,建立相似性矩阵,确定证据可信度,对证据进行预处理,再采用Dempster规则进行组合。通过仿真算例并与其它改进方法进行对比,验证了新算法在高冲突证据的情况下,可以有效地减小冲突对组合结果的影响,同时提高了证据组合的收敛速度,降低了决策风险。     

改进的证据组合规则及其在融合目标识别中的应用

针对D-S理论在解决证据冲突时的局限性,提出了一种改进的证据组合规则.该方法充分考虑了证据源信息和冲突证据本身的信息,利用证据间的支持度矩阵,得到各证据的可信度.并以此对证据进行加权平均;在此基础上,将支持证据冲突的概率按各个命题在所有命题中所占的比重进行分配.仿真实验结果表明,该方法在处理冲突证据问题及证据比较一致的问题时,都能得到合理的融合结果.在实际的多传感器融合目标识别中,可以充分利用多个传感器的互补信息,最大程度地降低矛盾冲突因子对识别结果的影响,从而提高了融合识别的可靠性和有效性.     

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。     

改进的二元组冲突表示方法

D-S证据理论可以有效表示随机性和模糊性的不确定信息,可以在不需要先验信息的情况下对证据进行组合,这些优点使得该理论被广泛应用于信息融合的各个领域。但是在实际应用中,D-S证据理论中的组合规则无法有效融合冲突信息,为此研究人员在组合规则改进或是数据模型修改两个方面提出了很多改进方法,但却忽视了对冲突本身的研究。首先分析了证据理论中经典冲突系数的不足,而后引入证据距离,结合经典冲突系数提出了一个改进的二元组来描述证据冲突,新的二元组冲突表示可以更好地度量证据之间的冲突,而且对Dempster组合规则的适用性具有指导意义。算例说明了新的冲突表示方法的有效性。