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。     

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。     

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。     

一种改进的证据合成方法

D-S证据理论不能很好地描述证据之间的冲突, 而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题, 提出了一种改进的证据合成方法。首先建立余弦相似度空间, 利用证据向量之间的夹角余弦度量证据相似性程度, 通过冲突证据检测因子对其进行分类; 然后引入冲突比例因子决定证据的修正方法, 利用相似度对其进行局部修正或全局修正; 最后将修正后的证据代入D-S公式进行合成。应用实例证明, 该方法能够判定冲突证据, 实现冲突证据和相似性证据的合成, 具有较好的稳定性、分类精度和收敛速度。     

基于决策距离测量的D-S证据理论冲突处理方法

D-S(Dempster-Shafer)证据理论作为不确定性推理的有效工具,广泛应用于多传感器信息融合领域[1]。而D-S证据理论在证据高度冲突时,应用D-S合成规则可能得到有悖常理的结论。针对这一问题,从分析引起D-S冲突问题的原因入手,引入决策距离测量概念求取高度支持的最大传感器连接组,剔除互不支持的传感器信息,在此基础上应用D-S证据合成规则进行多传感器信息融合。实例表明,该方法能够克服D-S冲突问题,保证信息融合结果的准确度。     

一种新的证据理论合成方法

针对证据理论中D-S规则无法有效处理冲突的问题,基于同时修正证据源和合成规则的原则,提出了一种新的证据合成方法。该方法把证据距离和相关系数相结合给出证据间相似度的计算公式,在此基础上得到证据可信度并对证据源进行修正,最后按合成规则进行合成。实验表明提出的方法是有效的,与其他方法相比,优势比较明显。     

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。     

基于选择判据与贴近度的电网故障诊断算法

针对传统D-S 证据理论难以解决高度冲突证据融合问题, 提出一种新的证据合成算法. 将贴近度概念引入D-S 证据合成中, 通过证据的一致性度量计算其权重, 实现冲突证据的加权融合. 提出证据合成方法选择判据, 将证据合成分为冲突和非冲突2 类, 分别采用改进算法和传统算法对证据进行融合. 实例验证表明, 所提出的方法信息聚焦性能优越, 可以有效解决冲突证据合成问题, 在解决电力系统故障诊断问题方面有良好的效果.

     

一种基于局部冲突分配的证据组合规则

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问题。针对这一问题, 提出了一种基于局部冲突分配的证据组合规则。首先基于Jousselme证据距离获得各个证据体的信任度和加权平均证据, 然后由定义的焦元距求其每一个焦元的绝对距离, 并以此获得焦元信任度。最后实验结果表明, 所提算法提高了证据合成结果的可靠性和合理性。     

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。     

网络安全态势感知中D-S证据理论冲突证据的修正研究

D-S证据理论是不确定推理的一种重要方法,在许多方面都得到了广泛的应用。针对D-S证据理论在网络安全态势感知的数据融合过程中的应用,就多源数据的证据组合结果与直觉相悖的问题进行深入研究,提出了一种新的解决方案。该方案通过支持度的思想对冲突证据源进行修正以达到解决证据冲突的目的。最后,以网络安全态势感知环境为背景进行数值算例,证明了所提方法的可行性。     

基于证据距离和矛盾因子的加权证据合成法

针对Dempster-shafer (DS)理论直接对高冲突证据合成时会有融合结果不合理的问题,本文提出了一种加权证据合成法.在多个证据融合时,该方法综合利用证据距离和矛盾因子表示证据冲突.并根据各证据与其它证据的冲突程度确定其权重系数,基于此又分别采用两种适用于不同情况的方法对证据基本置信指派函数修正,然后用DS规则合成.算例实验表明了本文方法对高冲突证据融合的有效性,并且其融合结果还具有良好的收敛性.     

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.