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。     

证据推理规则的性质研究及方法修正

证据推理规则能有效处理证据的重要性及可靠性,针对该方法中证据权重归一化对合成结果的影响进行研究,据此分析证据合成时是否应归一化权重;探究证据推理规则与证据折扣方法之间的联系,证明两者的合成结果呈比例关系;分析证据推理规则在证据的重要性与可靠性表示上的不合理之处,并提出一种改进方法,证明了修改后的方法仍然满足4条基本合成公理．     

基于证据向量差异度改进的冲突证据融合方法

针对传统Dempster-Shafer证据理论合成高冲突证据时会出现融合结果不合理的问题,提出了一种新的冲突证据加权方法和融合规则。该方法引入证据向量差异度概念对证据冲突系数进行修正,并应用修正后的冲突系数计算证据集互信度矩阵和证据权重,最后对加权修正后的证据进行融合。数值算例表明,该方法可以合理有效地解决冲突证据融合的问题,相比于其他改进方法,具有更快的收敛速度和更强的鲁棒性。     

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.     

D-S证据理论在数据融合中失效问题的研究

D S方法作为一种重要的处理不确定性问题的数据融合方法,已经广泛应用于各种数据融合系统中。解决D S融合公式在处理冲突证据时的失效问题一直是研究的热点。国内外的各种改进方法主要分为对融合公式的改进和对融合模型的改进2个方向。对各种方法进行理论上和数据上的比较分析表明:修改模型的方式效果明显优于修改融合公式。     

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.     

基于证据可信度的D-S理论改进方法

针对当前D-S理论改进方法中可信度计算不够准确的问题,通过引入证据源可靠度,提出一种新的证据可信度计算方法。给出基于新可信度计算方法的三个改进合成公式,能够处理高度冲突的证据,并快速收敛到合理结果。通过算例对可信度计算方法的准确性和改进合成公式的有效性进行了验证。     

基于相似度动态修正的冲突证据组合方法

针对信息融合中冲突证据组合时易出现的一般冲突、一票否决和鲁棒性等常见问题,有两类改进策略:一类修改DS(Dempster-Shafer)组合规则,另一类修改证据源模型.提出一种基于封闭世界的修改模型方法.引入Jousselme距离函数来量化焦元属性及证据之间的相互关联性,进而计算各证据的支持度.对证据支持度进行加权平均后得到参考证据,利用该参考证据对各原始证据进行不确定性判定,获得各原始证据与参考证据之间的大小相似度和方向相似度.在此基础上建立一个相似度动态修正模型,利用DS组合规则进行证据组合,对动态修正模型的多组组合结果求平均作为最终结果.通过仿真实验验证所提出方法的有效性和合理性.     

基于改进的证据更新工业过程故障诊断研究

工业生产过程的故障成因颇为复杂,一种故障的故障特征可能有多种表现形式,而多种故障又有可能表现出一种故障特征。因此单模型、单因素的故障诊断方法已显其不足。提出了改进的证据更新的动态故障诊断算法,并结合人工智能方法应用到硝酸生产过程故障诊断系统中。该方法通过对模糊神经网络的描述来确定故障诊断的辨识框架,应用新型的模糊推理方法生成诊断证据,诊断证据再基于改进的证据更新规则来实现证据的动态更新,根据结果来进行故障决策,从而解决了故障模式多样性、故障诊断动态性以及故障特征不确定性的问题。经实例验证,该方法的应用可提高故障诊断确诊率。     

基于高程的改进D-S证据理论地图匹配算法

一般的地图匹配算法处理立交桥、隧道等特殊路段的匹配问题时存在着精度相对较低的缺陷。为了提高匹配算法的性能,对传统的D-S证据理论地图匹配算法进行改进。改进算法通过自定义的高程函数引入了高程信息的作用,并在此基础上对位置信息证据及方向信息证据融合后的联合支持度函数进行了适当的修改。实验结果表明,改进算法能够提高立交桥区域内地图匹配的准确率。     

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。     

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。     

考虑决策者时序偏好的时域证据融合方法

针对时域不确定信息的融合难题，为充分体现时域信息融合的动态性特点和时间因素对融合的影响，在证据理论的基础上，提出一种考虑决策者时序偏好的时域证据融合方法。首先将决策者对时序的偏好融入时域证据融合，通过分析时域证据序列的特点，在定义时序记忆因子的基础上，对决策者的时序偏好进行度量；然后通过构建优化模型求解时序权重，再结合证据信任度的概念，对证据源进行修正；最后利用Dempster组合规则对修正后的证据进行融合。数值算例表明，与没有考虑时间因素的融合方法相比，考虑决策者时序偏好的证据融合方法可以有效处理时域信息序列中的冲突信息，得到合理的融合结果；同时，所提方法充分考虑了时域证据序列的信任度和决策者的主观偏好，可以反映决策者主观因素对时域证据融合的影响，较好地体现了时域证据融合的动态性特点。     

基于证据理论的信息融合在图像分类中的应用

该文在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类。提取纹理图像不同特征构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设。实验结果表明,该文提出的基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的,能极大地提高图像纹理的识别分类能力。     

基于幂均算子和证据理论的故障诊断方法

将证据理论在处理不确定性信息方面的优势用于故障诊断，可提高诊断的精确度和准确性.从证据理论的角度来看，从每个发动机传感器获得的信息可以看作一条证据，基于多传感器信息的发动机故障诊断即是一个证据融合问题.本文使用证据理论作为描述发动机状态的多传感器信息建模方法.首先，在处理特征值样本数据时，引入幂均算子的方法以提高整个故障诊断系统的准确性；通过量化待测特征值和故障原型之间的距离生成基本概率分配函数；然后引入证据信息量的方法对融合后的结果进行性能评估；最后通过发动机故障案例对该方法进行验证，并与其它方法进行对比，结果充分证明了该方法的真确性与可靠性.     

基于证据价值的冲突证据合成方法

证据理论作为一种不确定性推理,广泛应用于人工智能、信息融合等方面。针对高冲突证据在组合过程中易产生各种与事实相悖的结论,提出了基于证据价值的冲突证据合成方法。此方法首先定义了证据价值的标尺,借用欧氏距离的概念计算证据自身价值,并规则化作为权重,然后引入未知项,修正证据源,再利用D-S合成公式对证据进行合成。实例分析表明,此方法在处理冲突证据时是有效、可行的。     

基于粒子群寻优的D-S算法

D-S证据理论是一种性能优越的信息融合方法,由于各传感器所提供的证据的重要程度不同,需要对各证据进行加权合成处理。目前的加权D-S证据理论限于合成规则的研究,较少讨论如何获取优化的证据权值。实际上,证据权值的确定是证据进行加权合成的基础和关键。针对加权证据理论的这一研究不足,提出了一种求取最佳证据权值的方法。首先,阐述了思想,再建立了优化模型;然后,改进了粒子群优化求解算法,利用其优越的求解非线性多峰值函数的能力,求解出了最优权值。通过实例仿真表明:这种证据理论的加权算法是有效的,与对比方法相比,具有更好的融合效果。     

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。     

基于多准则排序融合的证据组合方法

Dempster-Shafer证据理论在信息融合领域有着广泛而重要的应用, 但传统Dempster证据组合规则往往会引发一系列反直观结果问题, 如冲突悖论、信任偏移悖论以及证据吸收悖论等. 针对这一问题, 提出了一种基于多准则排序融合的证据组合新方法. 该方法综合利用了证据精度、证据可信度以及证据自冲突程度等指标评价待组合证据体,并以选择性融合的方式获取最终的组合结果. 仿真结果和相关分析表明,所提方法是合理有效的.