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。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域,证据理论是有效的数据融合方法之一,但基本概率分配一般不易确定,从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法,具有普适性和全局优化等特点,但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法,通过建立基于分类超平面距离的模糊隶属度,训练模糊支持向量机提高传统支持向量机的基本概率分配,并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验,经精度、平均绝对百分误差、均方根误差等指标验证,精度提高10. 5%,表明所提方法是一种可靠的多传感器的水质融合方法,较其他方法具有更高的融合精度。     

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。     

单向证据冲突度量方法

针对传统证据冲突度量方法无法表达证据间支持程度差异的问题,提出一种带有方向性的证据冲突度量方法。该方法基于单向支持度间接计算证据间的冲突程度,单向支持度模型采用取小累加运算来表征两证据观点的一致程度,支持系数的引入保证了所建模型具有非对称性。实验结果表明所提方法不但能够有效区分证据间支持程度的差异,而且还能克服传统方法在特定情况下失效的问题。     

改进的证据组合规则及其在融合目标识别中的应用

针对D-S理论在解决证据冲突时的局限性,提出了一种改进的证据组合规则.该方法充分考虑了证据源信息和冲突证据本身的信息,利用证据间的支持度矩阵,得到各证据的可信度.并以此对证据进行加权平均;在此基础上,将支持证据冲突的概率按各个命题在所有命题中所占的比重进行分配.仿真实验结果表明,该方法在处理冲突证据问题及证据比较一致的问题时,都能得到合理的融合结果.在实际的多传感器融合目标识别中,可以充分利用多个传感器的互补信息,最大程度地降低矛盾冲突因子对识别结果的影响,从而提高了融合识别的可靠性和有效性.     

基于改进证据理论的目标识别融合方法

对目标进行识别时,应用Dempster证据组合规则融合冲突证据会产生不合理的结论。针对这个问题,提出一种基于加权马氏距离的证据理论改进方法。使用证据理论前对证据进行预处理,引入加权的马氏距离来度量不同证据被其他证据支持的程度。利用平均证据代替冲突证据,将支持度作为证据的权值,再应用Dempster证据组合规则得出识别结果。通过仿真实验,将该方法与现有方法进行了对比分析,结果表明该方法较其他方法能更有效地融合高度冲突的证据,提高了目标识别的准确性。     

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。     

基于信任度和虚假度的证据组合方法

D-S证据理论在信息融合领域有着广泛的应用,但使用Dempster组合规则对高冲突证据进行合成时可能会得到反直观的结果,在应用中也存在“一票否决”的问题,为解决这些问题,提出一种改进的基于证据信任度和虚假度的证据加权组合方法。首先在证据相关系数的基础上定义了证据信任度,再结合证据虚假度的概念来确定各原始证据的权重,依此权重系数对各证据进行加权平均后利用Dempster组合规则对加权平均证据进行组合。数值算例表明,该组合方法可实现冲突证据的有效融合,与其他方法相比该方法具有更好的收敛性。     

一种基于支持度的抗干扰融合识别方法

针对传感器在受到干扰的情况下测量数据严重失真的问题,提出一种抗干扰的融合识别方法。该方法的核心思想在于给每个传感器分配相应的权值,权值分配的依据是各传感器的支持度。其他传感器对该传感器的支持度越小,则认为该传感器被干扰的程度越大,被分配到的权值越小。将加权融合后的测量数据输入RBF神经网络获取目标的基本概率赋值,利用D-S证据理论决策规则进行识别,仿真结果表明该方法能有效抑制干扰。     

动态模糊密度的多分类器融合算法

在分析现有模糊密度计算方法的基础上,本文从分类器的隶属度分布和输出一致性两方面探索计算模糊密度的新方法,提出一种基于决策信任度和支持度的动态模糊密度赋值方法,旨在根据各分类器识别具体目标时输出的客观信息,实时地刻画分类器在融合系统中的可靠性.在表情识别上的实验结果表明,本文方法可以有效提高模糊积分融合的决策性能,降低单分类器输出不可靠决策信息的干扰,是一种有效的多分类器融合方法.     

Evidence combination method based on Pignistic function transformation and correlation coefficient

The situation of high conflict between evidences and one ballot veto cannot be solved by classical D-S rule,and the results obtained from classical D-S rule are contrary to the facts.To solve this problem,a new standard to measure conflicts between evidences was proposed based on the combination of Pignistic function transformation and correlation coefficient,and also a novel kind of weighted combination method which was applied to measure conflicts between evidences was put forward according to the standard.After that,a support matrix was constructed based from which the credibility of evidence was obtained,and the weighted average method was used to revise the evidence.Finally,the combination was accomplished by using Dempster’s rule.The result of numerical examples shows that it’s effective to solve the combination of conflicting evidence.Compared with other methods,the proposed method has good astringency.     

基于DS证据理论的室内移动目标RSSI定位算法

为使WiFi无线传感器网络能够利用单次获取的接收信号强度指示（Received Signal Strength Indication,RSSI）快速定位目标并减小RSSI阴影衰落对定位的影响,提出一种改进的基于Dempster-Shafer（DS）证据理论的利用RSSI信息对室内移动目标定位（Locating Indoor Mobile Target with RSSI based on DS evidence theory,LIMT-DS）的方法。LIMT-DS方法根据传感器接收到的RSSI值构造关于目标位置估计的条件概率密度函数,并据此通过改进的证据构造方法生成各传感器关于定位环境中位置点的证据,对各位置点进行证据综合,最后通过改进的决策模式选择出目标存在可能性较大的数个定位点进行位置加权,获得目标的位置估计。仿真与实验结果表明,LIMT-DS方法可以用传感器网络单次获得的RSSI信息实现对目标的定位,其定位性能明显优于同类方法。      

基于皮尔逊系数的冲突证据合成新方法

提出了一种融合证据源预处理和合成规则修改的冲突证据合成方法.算法得到两两证据源间的皮尔逊系数,每个证据源具有特有皮尔逊系数值和.以具有最大皮尔逊值和的证据源为中心证据源,所有证据源相比中心证据源的比例为该证据源的权值,权值反映了证据的重要程度,从而冲突证据源具有最小的权值.利用权值对原始证据源进行预处理,降低冲突证据的重要性.再通过改进的合成规则,对处理后的证据源进行合成,得到最终合成结果.证据正常与冲突情况下的仿真算例验证了新方法不但在证据合成中具有很高的通用性,而且相比其他方法具有很强的优越性.     

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.     

基于冲突关系网络的证据合成方法研究

针对经典证据理论处理高冲突情况时结果违反常理的问题,在对其原因及各类改进方法进行研究分析的基础上,提出基于冲突关系网络的证据合成方法.该方法从整体着眼,充分考虑直接与间接冲突关系,通过构建网络,利用PageRank算法的思想获取证据权值并进行加权修正,最后利用Dempster组合规则进行融合,既保留了经典理论优良的数学...     

基于K-L距离的改进D-S证据合成方法

提出了一种证据距离为基础的冲突证据合成方法.通过改进的K-L距离得到证据间间距,进一步通过相关算法转化为证据权值,权值反映了证据的重要程度,以权值为系数对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,得到证据合成结果.最后通过具体的算例比较,说明新方法的合成结果更确定,更符合实际情况.     

基于加权IFS证据合成的多源信息融合方法

为权衡信息融合系统对各条证据的可信程度,提出基于直觉模糊交叉熵的证据折扣方法,用于直觉模糊证据合成规则。并根据确定性理论,对直觉模糊决策中的记分函数进行改进,得到基于确定性因子的记分函数形式,用于直觉模糊证据合成结果判定。最后通过与其他算法的对比实验,验证算法在多传感器目标识别应用中是有效的,且具有较高的计算效率。     

An Intrusion Detection System based on evidence theory and Rough Set Theory

In this paper, we propose a novel Intrusion Detection System (IDS) architecture utilizing both the evidence theory and Rough Set Theory (RST). Evidence theory is an effective tool in dealing with un-certainty question. It relies on the expert knowledge to provide evidences, needing the evidences to be inde-pendent, and this make it difficult in application. To solve this problem, a hybrid system of rough sets and evidence theory is proposed. Firstly, simplification are made based on Variable Precision Rough Set (VPRS) conditional entropy. Thus, the Basic Belief Assignment (BBA) for all evidences can be calculated. Secondly, Dempster’s rule of combination is used, and a decision-making is given. In the proposed approach, the diffi-culties in acquiring the BBAs are solved, the correlativity among the evidences is reduced and the subjectiv-ity of evidences is weakened. An illustrative example in an intrusion detection shows that the two theories combination is feasible and effective.     

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。