一种新的冲突证据合成方法

针对高冲突证据的合成问题,分析了D-S证据理论及改进方法的不足,提出了一种新的基于修正数据源思想的变权证据合成方法.该方法同时考虑了证据内焦元基本可信度分配值和各证据与平均证据的加权欧几里德距离.实验结果表明,该方法能有效消除证据冲突悖论,在证据一致和高度冲突的情况下均表现出良好的适应性,具有较快的收敛速度和高可靠性.     

一种有效处理冲突证据的组合方法

针对证据理论应用过程中,冲突证据的组合问题和基本概率赋值函数难以确定的问题,提出了一种新的冲突证据的组合方法。该方法以修改模型为基础,而不改变Dempster组合规则的结构。首先,在充分考虑焦元属性之间及证据之间的相互关联性基础上,引入证据体距离函数,然后,求出系统中各证据被其他证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,再将平均证据代替冲突证据,最后利用Dempster组合规则实现信息融合。通过仿真实验,将该方法与现有方法进行了分析比较,结果表明应用该方法是一种有效可行的证据组合方法。     

改进的局部冲突信息再分配算法

针对高冲突证据融合算法进行研究,提出改进的局 部冲突信息再分配算法。新算法利用证据相似度函数和一致性因子共同度量证据可信度,在 此基础上给出改进的焦元可信度计算公式,并将其应用于对局部多元冲突信息进行加权再分 配。分析了不同冲突度量参数的特点及其适用性以及冲突证据融合过程中证据及焦元可信度 的有效计算方法。对新算法和相关算法的性能进行理论和应用对比分析,结果表明,新算法 能够通过提高证据冲突度量精度和对局部多元冲突信息进行合理分配,在较大程度上提高冲突 证据融合结果的可靠性和稳定性,是一种适用于复杂探测环境的目标识别算法。     

基于改进冲突度量的多证据直接融合算法

针对Jousselme证据距离函数不能较好描述证据局部冲突和不能对高冲突证据进行准确冲突度量的不足,该文首先提出改进的Jousselme证据距离函数,该函数基于能够较好描述证据之间局部冲突情况的非重合度对Jousselme证据距离函数进行改进,使其冲突度量结果随非重合度取值及其取值范围的变化按适当比例进行变化;其次,基于冲突系数和新改进Jousselme证据距离函数共同构建改进的融合冲突度量函数。在此基础上,对焦元权系数计算式进行改进,并依此对局部多维冲突信息进行按比例分配。理论及应用分析结果表明,新算法是一种适用性广泛且抗干扰性能好的证据融合算法。     

基于城市街区距离的证据融合方法

针对传统Dempster-Shafer证据合成方法合成冲突证据时,会出现相悖的结论的问题,提出了基于城市街区距离的冲突证据合成方法.方法利用证据冲突信息,通过城市街区距离得到证据距离,距离表征证据的冲突程度,并进一步计算得到权重系数,根据权重系数对证据进行重新概率分配后,完成证据预处理过程,最后用改进的合成规则,完成再分配证据的合成.实例合成验证了算法在合成冲突证据方法具有最优结果,且和推理一致,可以通用于证据合成.     

基于推土机距离的证据冲突强度量方法

针对D-S(Dempster-Shafer)证据理论中的冲突因子k不能有效度量证据之间的冲突程度的问题，首先提出了证据冲突强度量函数需要满足的期望特征，然后提出了一种新的基于推土机距离的证据冲突度量方法。该方法不要求不同证据有相同的焦元数量，并且可以直接计算含有非单子集命题的证据冲突。理论和实验表明，所提方法给出的冲突度量大小能够正确表征2个证据间冲突的程度，并具有证据冲突强度量函数的所有期望特征，表明所提方法是一种有效的证据冲突强度量方法。     

一种有效处理冲突证据的组合方法

为了有效融合高度冲突的证据,提出一种新的基于证据距离的组合方法,首先引入了一个证据体距离函数,之后求出系统中各证据被其它证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合,与其它方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标。     

一种新的基于证据距离的证据合成算法

针对D-S证据理论对于高度冲突证据合成时出现与常理相悖结论的问题,提出了一种基于证据距离的加权证据合成方法,并给出了具体算法。新算法仍然使用D-S合成公式,但需考虑融合系统中证据源的修正问题。利用证据总体的期望值将Jousselme提出的证据距离修正,从而得出证据权,通过证据权对源证据的基本可信度分配函数进行修正,并通过算例比较,说明新的算法具有更有效的合成结果。     

基于证据源和组合规则双修正的证据合成

针对冲突证据合成时传统证据合成和单一修正改进方法存在的问题,提出了新的证据源预处理和组合规则双修正的证据合成方法.利用夹角余弦理论,计算证据向量距离后转化得到权重系数,依据权重系数对证据进行重新概率分配,完成证据源修正;之后用修正的动态合成规则,进行修正证据的合成;同时提出了算法分析模型.实例结果验证了算法在证据合成时具有最优结果、较强通用性和稳定性,可应用于信息融合、不确定信息决策等领域.     

基于信息总不确定度的冲突证据组合修正方法

现有的冲突证据组合修正方法仅从证据距离、模糊度等描述信息不确定性的一个或几个方面对证据体的基本概率分配函数进行修正,对证据的关联性考虑不够充分。该文提出基于信息总不确定度的冲突证据组合修正新方法。该文在笛卡尔乘积的基础上定义提出组合总不确定度的概念,并给出根据融合前各证据体总不确定度预测融合后证据体组合总不确定度值域的方法。对冲突证据,利用各证据体总不确定度与组合总不确定度的比值,求出对证据基本概率分配函数的修正权重,再根据Dempster规则进行加权平均组合。信息融合的算例分析结果表明,与现有方法相比,该方法融合结果的总不确定度更小,更有利于融合结果的后续决策分析与数据应用。     

Evidence Filtering

A novel framework named evidence filtering for processing information from multiple sensor modalities is presented. This approach is based on conditional belief notions in Dempster-Shafer (DS) evidence theory and enables one to directly process temporally and spatially distributed sensor data and infer on the ldquofrequencyrdquo characteristics of various events of interest. The method can accommodate partial and incomplete information from multiple sensor modalities during the process. Certain restrictions on the coefficients impose several challenges in the design of evidence filters suggesting that arbitrary frequency shaping is not possible. A design procedure and the analysis of nonrecursive evidence filters is presented. A threat assessment scenario is simulated and the results are presented to illustrate the applications of evidence filtering.     

基于证据方差的加权证据组合

DS证据理论在决策级信息融合中有着广泛应用.针对证据组合时的某些反直观结果问题提出一种新的基于证据方差的序贯式加权证据组合方法.首先基于Jousselme证据距离定义了证据方差.每一步证据组合时,依据当前既有证据组合结果序列的方差及当前步新证据加入后的序列方差来生成权重.基于所获权重修正新到证据及前一步组合结果,最后利用Dempster规则完成当前步证据组合.算例分析表明所提方法是合理有效的.     

一种修正证据距离

Jousselme提出证据距离衡量一组表示分类结果的证据与代表真实结果证据之间的差异性程度。该文通过分析得到Jousselme证据距离衡量一般形式证据的差异性程度存在不足:证据基本信任分配分布的分散程度越大,Jousselme证据距离越小,两组完全不相同的非类别证据间的Jousselme证据距离不为最大值1。针对不足,该文提出一种修正证据距离。数值算例表明,修正证据距离扩展了Jousselme证据距离对证据差异性程度衡量的适用范围。     

计算机犯罪证据的搜集

计算机证据的提取与分析是侦办计算机犯罪案件的重点和难点。由于计算机证据本身的特点 ,取证过程及证据分析与传统物证差别较大 ,因此需要对计算机证据的提取与分析技术进行研究。本文从侦查工作的实际出发 ,对计算机证据的基本取证步骤、证据分析及证据审查等问题进行探讨。     

互补证据组合规则

针对Dempster组合规则"一票否决"和现有修正方法主观分配冲突信息的缺点,提出一种全新的证据组合方法.新方法直接利用定义的互补证据进行融合,不再采用Dempster组合规则中的纯乘性策略组合证据,成功解决了"一票否决"问题.并将冲突信息转化为证据权重融入组合规则进行直接融合,不再主观分配其信度.新的组合规则是一类广义的加性集成算子,既满足交换律又满足结合律,既能够直接组合单类证据,也能够基于TBM组合复合类证据.通过多传感器融合识别算例,验证和对比分析了新的组合规则的优势.     

基于证据相似性度量的冲突性区间证据融合方法

基于证据相似性度量,该文提出一种冲突性区间证据融合的新方法。首先,定义了扩展型Pignistic概率转换,将区间证据转换为区间型Pignistic概率。利用区间模糊集的归一化欧式距离,求取区间型Pignistic概率之间的相似性,以此确定两两证据间的相似度矩阵,从中获取区间证据的置信度。然后,基于该置信度对原始的区间证据进行加权平均得到新的区间证据,利用Demspter区间证据组合公式对其进行融合。该方法可以有效地减弱高冲突性区间证据在组合规则中的作用,从而减小融合后所得区间证据的宽度,最终可降低决策中的不确定性。最后通过多个典型算例验证了经冲突处理后再对区间证据进行融合,要比直接融合能够产生更为合理和可靠的结果。     

Evidence of collector-base junction burst noise

Evidence has been found of collector-base (c.b.) junction burst noise. It is a much rarer phenomenon than emitter-base junction noise, having been found in only two samples from a batch of 100 noisy devices. Studies have been made of two devices from a 4-transistor array, one device exhibiting c.b. noise and the other e.b. noise.