基于不确定性度量的证据组合方法

针对Dempster组合规则不能有效组合冲突证据,已有的基于证据间距离的改进组合方法计算复杂度较大的情况,提出了一种证据加权平均组合方法.首先以邓勇等人的组合方法为例计算了基于证据间距离的改进组合方法的计算复杂度,分析了造成计算复杂度较大的原因;然后通过引入证据的不确定性度量概念来描述证据的不确定性并以此为基础定义证据的权重;最后给出算法步骤.理论分析和数值算例表明,该方法能有效融合冲突证据,收敛速度快且降低了计算复杂度.     

一种基于证据预处理的组合方法

针对D-S证据理论在处理高度冲突证据时存在的不足,提出了一种新的基于证据预处理的组合方法.该方法根据各证据体与其余证据的冲突程度定义各证据体的可信度,利用证据体的可信度和原证据集中命题的支持度对原证据集进行预处理,然后对处理后的证据集采用D-S组合规则进行合成.此方法不仅有效地避免了在冲突证据合成时出现有悖常理的现象,又保留了经典D-S合成规则优越的信息聚焦性能.通过算例验证了新方法合成结果的可靠性与有效性.     

基于证据理论的多类分类支持向量机集成

针对多类分类问题,研究支持向量机集成中的分类器组合架构与方法.分析已有的多类级和两类级支持向量机集成架构的不足后,提出两层的集成架构.在此基础上,研究基于证据理论的支持向量机度量层输出信息融合方法,针对一对多与一对一两种多类扩展策略,分别定义基本概率分配函数,并根据证据冲突程度采用不同的证据组合规则.在一对多策略下,采用经典的Dempster规则;在一对一策略下则提出一条新的规则,以组合冲突严重的证据.实验表明,两层架构优于多类级架构,证据理论方法能有效地利用两类支持向量机的度量层输出信息,取得了满意的结果.     

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。     

一种基于置信最大熵模型的证据推理方法

D-S证据组合规则在处理高冲突信息时会得出与直觉相反的结论,这一直是D-S理论研究的热点.与相关理论优势互补是克服证据理论固有缺陷的有效方法之一.基于对最大熵原理和证据理论的研究,定义了辨识框架上的基本最大熵置信分配函数,并与经典的D-S组合规则及其改进方法相结合,给出了相关推理公式及基于置信最大熵模型.理论分析和实验表明,最大熵新证据的加入使非单焦元的基本置信赋值按比例重新分配给了单焦元,很好地处理了高冲突信息.     

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。     

证据推理理论及其应用

证据理论既能够灵活处理不确定信息, 包括随机性、模糊性、不准确性和不一致性, 又能够有效融合定量信息和定性知识. 目前, 证据理论已广泛应用于评估与决策等多个领域中, 包括多属性决策分析、信息融合、模式识别和专家系统等. 本文从D-S证据理论出发, 针对Dempster组合规则存在的“反直觉”问题和组合爆炸, 主要围绕置信分布理论系统地梳理了证据理论的发展过程, 总结分析了国内外典型文献, 最后从实际应用对证据理论进行了简要的评述和展望.     

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。     

基于证据冲突度的多传感器冲突信息组合方法*

针对Dempster组合规则在多传感器冲突信息融合方面的不足,提出了改进的证据冲突的定义及基于冲突系数和Jousselme距离的证据冲突度的计算公式,给出了一种新的基于证据冲突度的证据加权融合方法。该方法首先利用证据冲突度构造证据相互支持度矩阵,进而计算证据的权重,最后利用Dempster规则对加权修正后的证据进行融合。数值实例表明：该方法可以有效融合高冲突信息,与Dempster组合规则和几种典型的加权证据融合方法相比,具有更快的收敛速度,而且收敛效果更好。     

基于多义度和三角模算子的加权冲突证据组合

为了有效融合高度冲突的证据,本文在多义度和三角模算子的基础上提出了一种新的证据理论融合规则。首先基于三角模算子定义了证据之间的相似度,然后基于相似度矩阵和多义度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。     

证据理论合成公式的讨论及一些修正

D-S证据理论作为一种不确定推理方法,已经广泛用于数据融合和目标识别领域。但是D-S证据合成公式存在不足之处,使证据理论的应用受到了一定的限制。鉴于此,Yager对合成公式作了改进,但改进后的合成公式又存在着新的问题。文[2],[3],[4]针对Yager合成公式进行了一些改进。综合比较了以上几种合成公式,并对文[4]的合成公式进行了一些修正,使其满足结合律,提高了计算效率。     

D-S证据理论修正模型的探讨

论文针对D-S证据理论,分析了Dempster的修正模型在证据高度冲突方面的缺陷,提出了一种新的基于D-S证据理论的合成规则。实验结果也表明,这种新的合成规则不但比较好地综合保留了修正模型的优点,又避免其不足,取得了更加合理的效果。     

D-S证据推理改进方法综述

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,因其归一化过程会产生有悖常理的无效结果。针对此问题,大家提出了许多不同的改进方法,基本上可以分为两类:修改证据及修改组合规则。论文总结了国内外典型文献并进行系统条理的分析,收集各方研究方法并逐步深入压缩提炼形成了一套系统清晰的解决相关问题的思路。并通过实例,比较检验了几种改进方法的有效性。     

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。     

一种新的证据权重系数确定方法

分析现有的证据权重确定方式存在的缺陷,在此基础上提出了一种新的改进算法。利用各证据与平均证据的相似系数求出证据的初始权重;把权重低于阈值的证据从证据组中剔除,计算剩余证据的权重,经K次迭代,直到所有证据的权重都大于阈值;最后将K次权重算术平均得到各证据的最新权重系数,对证据加权平均后再利用D-S组合规则进行组合。通过算例比较表明该方法的合成结果更加有效。     

基于冲突强度和非正则化的证据合成方法研究

证据推理广泛应用于不确定推理和数据融合等许多方面,但D-S合成规则对于高冲突证据的处理不是十分合理的。论文在分析D-S合成规则以及一些改进方法的基础上,提出了一种基于冲突强度和非正则化的冲突证据合成规则,并引入确定度的概念来衡量合成的效果。仿真实验结果表明,该规则比D-S合成规则有了明显的改进。     

基于D-S理论的多源信息融合冲突问题处理方法

D-S理论在不确定性的表示、量测和组合方面的优势,使得它在多源信息融合领域得到广泛应用。对于证据源本身的优先级别、可靠性及重要性,Dempster组合规则没有给予考虑,使其在证据推理过程中会产生与直觉相悖的结论。在多源信息融合处理中,针对基于D-S理论融合产生的冲突问题,进行了全面分析和总结,归纳为三个方面的问题:一般冲突问题、“一票否决”问题及“鲁棒性”问题;对其相应的解决方法进行分析,指出各自的优缺点。最后,指出解决冲突问题的方法存在的问题及未来研究方向。     

冲突证据的融合方法研究*

证据理论是处理不确定问题的重要方法,但在现实中不同来源的证据往往存在相互冲突,采用合适的方法对其进行融合是解决这一问题的有效手段。讨论了D-S证据合成规则存在的问题和相对于其他合成方法的优势,提出了评价合成规则融合效果的指标,重点对几种证据合成方法进行分析和比较,指出其特点与不足,提出进一步研究的方向。     

基于证据支持一致性分类的证据合成方法

利用D-S证据理论评估信息安全产品的安全等级时可能产生全冲突悖论、1冲突悖论、0冲突悖论。为解决该问题,提出一种基于证据支持一致性分类的证据合成方法。基于证据支持一致性对证据进行分类后,根据专家意见的重要程度,对证据进行折扣,并将D-S合成方法和加权平均方法相结合,用于合成分类证据。分析结果证明,该方法有更好的适用性和更低的计算复杂度。     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.