基于平均偏离度的证据组合方法

Dempster-Shafer证据理论广泛应用于信息融合中, 但是在证据高冲突情况下基于经典D-S证据组合规则的融合结果存在反直观的问题。针对这一问题, 提出一种基于平均偏离度的证据组合方法。首先引入证据距离函数获得各证据体的相互支持度, 并将支持度归一化为证据的信任度。对所有的证据进行信任度加权平均, 获得一个参考证据。然后利用该参考证据对各个原始证据进行偏离度的判定及修正。最后利用Dempster-Shafer规则完成证据的组合。实验结果表明, 新方法提高了融合结果的可靠性和合理性, 可以有效地处理高冲突证据。     

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.     

一种改进的冲突证据融合方法

针对冲突证据融合问题,从证据对目标识别程度和其它证据对自己的支持度两个方面综合考虑证据权重,把信息熵引入证据权重确定,建立了证据之间的支持度,设计了综合权重的计算方法,最后通过综合权重采用基于折扣率方法进行证据融合.通过实例与传统改进方法比较分析说明该方法提高了收敛速度,降低了决策风险.     

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.     

一种基于优化权重证据组合的目标综合识别方法

针对高度冲突识别信息 Dempster 规则融合失效问题,分析了有关改进方法及其存在的不足,提出了一种新的证据组合方法。新方法首先根据证据之间 pignistic 概率距离和基于信息熵的证据清晰度综合确定各证据权重系数,然后使用该权重系数对证据源进行修正,最后将修正后的加权平均证据进行 Dempster 规则组合。仿真实验结果表明新方法在目标综合识别中合成结果更好,收敛速度更快。     

基于距离测度的证据合成方法

为解决经典证据理论无法处理高度冲突证据的不足,提出了一种基于距离测度的证据合成方法。将证据视为空间向量,定义距离测度空间,计算空间中两两证据之间的距离,并通过距离测度矩阵确立证据之间的一致性测度,在此基础上求得辨识框架对各证据的支持度,通过归一化支持度得到证据一致性因子,以此作为冲突概率的分配权重,最后给出改进的证据合成公式。数值算例证明了改进公式既能处理冲突证据,又能合成非冲突证据,与其他合成方法的比较验证了改进合成公式的有效性。     

基于模型修正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．给出了证据之间焦元距离的定义,在此基础上计算各个证据的支持度．对所有证据进行支持度加权平均,获得一个“参考证据”．利用该参考证据对各个原始证据进行不确定性判定及修正,并利用Dempster-Shafer合规则进行证据组合．仿真实验表明,该方法能够有效地处理冲突证据,可...     

冲突证据融合方法的研究与改进

研究了D-S证据理论组合冲突证据时存在的缺陷,分析了国内外专家学者的研究成果,并在此基础上提出了一种改进的处理冲突证据的融合方法.该方法通过计算各证据到命题平均支持度的偏差来检测和融合冲突证据,并对最后结果进行了必要的修正,以解决来自不同识别框架的证据的合成问题.实验结果表明,该方法能有效处理冲突,得到符合实际的组合结果,相对于其它典型算法,该方法在收敛性和可靠性上有了明显改进.     

基于支持度和确定度的异构数据融合方法

异构多传感器采集的数据容易存在冲突，使用传统D-S证据理论融合会得到与事实相悖的结果，针对该问题，提出了一种结合支持度和确定度的异构数据融合方法。利用Jaccard系数改进冲突系数K和余弦相似度，并结合两者计算证据之间的支持度，第一次修正证据；使用修正后证据焦元区间的兰氏距离衡量证据确定度；基于支持度和确定度共同确定证据的权重，处理原证据，得到加权平均证据后，按Dempster融合得到结果。算例及应用结果证明，所提方法在处理冲突证据和正常证据时，对比传统证据理论、经典改进方法和相似改进方法，均有更好的聚焦性能和收敛性能，证明了该方法的有效性，为多传感器数据融合提供了一定的参考价值。     

DS证据理论冲突处理新方法*

针对经典DS证据理论在处理高度冲突的证据信息时会产生有悖常理结论的情况,基于证据支持度的思想,引入了证据之间相容系数的概念,并随之引入证据可信度的概念,提出了一种新的证据权重的确定方法;最后运用DS证据理论组合规则进行数据融合.与之前其他处理方法相比,考虑到证据之间冲突与包容共存的情况,客观计算证据的权值,收敛更快,融合结论更符合事实,弥补了经典证据理论的不足,为DS证据理论的改进提供了一条新的途径.     

基于分类修正的多证据合成方法

鉴于传统冲突量参数无法有效地衡量证据间的相似程度, 提出一种基于分类修正的多证据合成方法, 以解决证据合成中的高冲突悖论和“0”悖论. 首先, 利用证据距离参数、冲突量参数和方向角度参数共同衡量各证据间的相似程度, 将证据分为一致证据、不冲突证据、低冲突证据以及高冲突证据4 类; 然后, 利用3 个参数赋予各类证据不同的修正系数; 最后, 利用Dempster 规则对修正后的证据进行合成. 算例分析表明, 所提出的方法能够较好地解决高冲突悖论和“0”悖论, 而且保留了证据理论优良的数学性质.     

多传感器冲突信息的加权融合算法

针对在多传感器目标识别系统中,DS规则对高冲突信息融合结果不合理的问题,提出了一种新的加权融合算法.在多源证据信息融合时,首先根据两证据距离大小来确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量作为证据的权重向量,然后确定各证据的相对折扣因子,并修正证据信息,最后用DS规则融合.通过实验仿真对比分析了多种方法的融合效果,表明了新方法可以较好的解决高冲突信息融合的问题.     

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。     

基于加权证据距离的高度冲突证据组合方法

为了有效融合高度冲突的证据,以Murphy方法和邓勇加权平均法为基础,提出了一种新的基于加权证据距离的证据组合方法。用Murphy方法确定各证据体的权重,采用修正的City Block距离加权平均求证据间的两两距离,进而获取各证据被其他所有证据支持的程度,归一化各证据的总支持度作为该证据的权重,对多源证据加权平均后再利用Dempster组合规则实现信息融合。实验结果表明,该方法能够更加有效快速地识别出目标,拥有更快的收敛速度。     

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。     

基于直觉模糊和证据理论的混合型偏好信息集结方法

针对混合型偏好信息的集结问题,利用直觉模糊实现了5类混合型偏好信息的统一,提出利用冲突系数和Jousselme距离综合表示的证据冲突度计算专家权重的方法,最后利用Demsper组合规则对专家权重修正后的证据进行组合.实例分析表明,所提出的偏好信息统一方法能够保持转化前后方案的优先顺序不变,通过专家权重对专家意见的修正使得证据合成结果能体现多数专家的一致意见,具有较高的实用价值.     

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。     

计算机智能图像识别算法研究

复杂环境下，要做到对物体进行准确识别，要求计算机视觉系统具有智能化。文中将D-S证据推理与不变矩理论相结合，提出了智能图像识别算法，并应用于飞机图像的识别。首先构造了基本置信指派函数，建立了分类规则，然后针对Dempster组合规则只适用于高置信度、低冲突性的情况，应用可解决证据冲突的加权分配冲突法及吸收法，完成了计算机飞机图像识别的仿真，比较了三种组合规则的识别效果，结果表明吸收法识别率最高。