一种新的基于证据权重的D-S改进算法

D-S(Dempster-Shafer)证据理论是一种有效的不确定性推理方法,但在组合高冲突证据时,D-S证据理论得到的结果却往往有悖常理。为了解决冲突证据的合成问题,考虑到不同的证据在合成过程中的重要程度不同,提出了一种新的基于证据权重的D-S改进算法。该方法首先引入一个度量证据体间相似度的证据距离函数,建立相应的证据距离矩阵,求出系统中各证据到证据集的平均欧式距离,然后通过信任函数来获得描述各证据重要程度的权重系数并对证据源进行修正,最后利用D-S组合规则对修正后的证据进行合成。通过算例的分析以及与其它改进算法的比较,验证了新方法的有效性和优越性。     

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。     

一种新的解决冲突问题的不确定性度量方法

自动化数据处理、检测判决、推理决策要求对多种传感器和不同信息源进行有效集成.但由于环境的扰动、传感器的局限以及人为的干预,信源信息一般具有较强的不确定性、不完备性、冲突性,集中表现为证据的冲突,有必要对冲突证据的推理与决策进行研究.为解决证据理论不能有效融合冲突证据的问题,提出一种新的不确定性度量方法.首先,对现有的基于信息熵和区间距离的不确定性度量公式进行深入分析,总结现有方法的缺陷并进行相关证明;其次,基于定积分定义新的区间距离度量公式,并对公式的合理性进行证明;然后,基于所提出的区间距离公式给出新的不确定性度量方法,利用改进的不确定性度量方法给出冲突证据组合规则及算法流程;最后,通过算例分析验证改进算法的有效性和可行性.     

基于改进的D-S证据理论的智慧灌溉决策分析

本文提出了一种基于改进的D-S证据理论的智慧灌溉决策方法.对土壤湿度、气孔导度以及作物水分胁迫指数(CWSI)三个决策因子,通过三角形隶属度函数为作物的灌溉状态分配基本概率,利用D-S证据理论对灌溉时机进行综合决策.当灌溉决策因子的基本概率出现冲突时,利用改进的D-S证据理论,通过证据间距离的方法来替换因子中冲突部分.仿真结果表明,该方法能够降低灌溉决策的不确定性.     

基于广义Jaccard系数处理冲突证据方法

为了更好的处理运用D-S证据理论时出现高度冲突证据的情况,提出了一种基于广义Jaccard系数的加权组合方法。该方法利用广义的Jaccard系数公式求出各个证据体的权值,提高相近识别结果的证据体支持度;然后对证据体的权值归一化处理、加权平均,减少算法的复杂度;最后利用标准的D-S合成规则进行多次信息融合,进一步减小冲突证据的影响,从而给出符合实际的辨识结论。详细介绍了该方法的理论推导过程和具体计算步骤。实际案例计算表明:该方法相较于其他改进方法,在处理不相关性冲突证据方面更具有简单性、实用性以及高效性。     

非单点证据体数据融合的Dempster组合规则适用性评价方法

针对待融合的证据体包含基本概率分配值相差较大的非单点证据时,基于pignistic距离的Dempster组合规则适用性评价方法判定结果存在模糊性甚至不准确的问题,提出了一种表示证据体之间关联性的改进pignistic距离,并将改进的pignistic距离与经典冲突系数相结合,提出了对Dempster组合规则适用性评价的新方法。在新方法中,定义了一种新的证据体冲突衡量系数用于判定Dempster规则的适用性。当经典冲突系数为0时,新系数与改进pignistic距离一致;当经典冲突系数不为0时,新系数与改进pignistic距离和经典冲突系数之和的平均值一致。算例分析的结果表明,与基于pignistic距离的Dempster规则适用性评价方法相比,新的基于改进pignistic距离的Dempster组合规则适用性评价方法有较好的适用性和合理性。     

一种有效折扣证据源的冲突证据合成方法

为解决证据组合规则中一票否决和弱决策证据在低冲突情况下出现的反直观推理的现象，提出一种有效折扣证据源的冲突证据合成方法。首先根据证据的信任函数和似然函数求得证据间的相似度，然后求出证据之间的支持程度，并确定折扣因子，最后采用Dempster组合规则合成利用折扣因子修正后的证据源。数值算例分析结果表明，改进后的证据组合方法可以有效地处理证据冲突。     

基于相容性距离的冲突证据合成方法研究

针对传统证据理论中高度冲突证据组合出现反直观结果的问题,提出了一种基于相容性距离的冲突证据合成方法。分析了证据理论存在的三个方面问题和各种改进方法的特点,通过欧式距离建立了证据距离和相容性测度矩阵,对接受度归一化后计算出相容因子来对冲突概率进行加权分配。数值算例验证了改进合成公式的有效性和合理性。     

基于证据分类的加权冲突证据组合

为了有效融合高度冲突的证据,在三角模算子和折扣因子分析的基础上,提出了一种基于证据分类的冲突证据融合规则。采用基于3角模算子定义的平均证据距离与冲突因子将证据分成可信任证据、不冲突证据和冲突证据三类,并赋予可信任证据和不冲突证据折扣因子1,极大程度上保留了证据对正确假设的支持;然后基于证据距离定义了改进的证据权重,基于加权原则对冲突证据进行合成得到修正的证据体,从而消除证据间的冲突;最后利用Dempster规则完成证据组合。算法分析表明所提方法是合理有效的。     

D-S改进算法在数据融合中的应用

作为一种重要的处理不确定性问题的方法,D-S证据推理理论目前已经广泛应用于各种数据融合系统中。详细阐述了D-S证据理论的相关理论和证据组合原理;针对D-S证据理论存在的缺陷和不足,介绍了一种改进的证据组合方法;通过实例证明,该改进方法能够用于组合冲突比较大的多个证据,并提高融合的性能和可靠性。     

基于模糊距离的信息系统安全保障评估

以GB/T20274信息系统安全保障评估框架作为评估标准,在评估结果融合阶段通常根据D-S证据理论采用Dempster方法进行证据合成,但在处理高冲突数据时常出现违背常理的结果。为解决上述问题,提出基于模糊距离的证据合成方法,并与Dempster方法、Murphy方法、基于证据间距离的方法进行实验比较,结果证明,该合成方法能有效降低证据间的冲突,收敛速度较快,算法复杂度较低。     

基于证据可信度的证据合成新方法

Dempster-Shafer理论合成高冲突证据时结果不合常理, 许多改进方法能较好地解决这一问题, 但证据比较一致时, 这些方法性能相对于Dempster-Shafer合成规则较差. 鉴于此, 提出了一种基于证据可信度的证据合成方法.首先建立一个证据距离矩阵, 之后求出系统中各证据到证据集的均方欧式距离, 通过引入可信度函数来获得证据源的可信度因子"并对证据源进行修正, 最后使用Dempster-Shafer合成公式对修正后的证据加以合成. 数值实验结果 表明, 改进后的方法不仅适用于证据高冲突情况, 而且也适用于证据比较一致的情况.     

基于向量冲突表示方法的证据组合规则

针对Dempster组合规则在高冲突证据融合的情况下常常会得到违背直觉的结果,提出了一种基于向量冲突表示方法的Dempster(VCRD)组合规则。首先,通过实例分析了冲突因子和Jousselme距离存在的不足;然后,利用证据向量的相似性和差异性共同衡量证据之间的冲突程度,通过证据之间的冲突程度确定修正证据的权重因子,对融合证据进行预处理;最后,利用Dempster组合规则进行融合。理论分析和仿真实验结果表明:与Dempster组合规则及其它改进算法相比,VCRD组合规则能够合理地处理高冲突证据情况下的融合问题,降低了决策风险。     

解决冲突证据的两级组合方法

针对DS理论(DST)中Dempster组合规则在处理高冲突证据时的不足,提出一种解决冲突证据的两级组合方法。该方法将高冲突和低冲突区别对待,在第一级组合中采用基于DSm理论(DSmT)的PCR6规则,化解可能的高冲突证据;在第二级组合中采用Dempster规则,保证良好的收敛速度和计算性能,从而合理、有效地处理各种程度的冲突证据。通过算例分析验证了该方法的有效性。     

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。     

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。     

A method for combining conflicting evidences with improved distance function and Tsallis entropy

For the sake of great ability of handling uncertain information, Dempster-Shafer evidence theory is extensively used in information fusion. Nevertheless, when there exists highly inconsistent evidences, using classical Dempster's combination rule may lead to counter-intuitive results. To address this issue, a new conflicting evidences combination method based on distance function and Tsallis entropy is proposed. Numerical examples are used to illustrate the feasibility and efficiency of the proposed method. Further, an fault diagnosis problem is used as an example to show the effectiveness and superiority of the proposed method. The proposed method outperforms other methods that the proposed method recognize the target by the probability 99.49%, which is higher than other methods.     

一种基于近邻思想的证据合成规则

D-S证据合成规则在遇到冲突证据时常有悖常理。针对现有规则的不足,通过理论分析和对几种常用组合规则的比较,提出一种基于近邻思想的冲突证据修正规则,综合考虑证据源的有效性和证据源间的距离,进行信息融合。实验结果表明,该规则对合理的合成方向具有较快的收敛速度,在证据源完全冲突的情况下也能适用。