一种基于冲突重新分配的D-S证据合成方法

D-S证据理论是一种处理不确定性问题的有效推理方法,但证据合成存在高度冲突问题。考虑到直接利用公式合成可能得到与实际相悖的结论,故分析了D-S合成方法及其改进方法的不足,引入冲突系数和分配系数,给出了具体算法,通过分配系数对基本概率赋值函数进行修正,提出了一种基于冲突重新分百己的合成方法。最后,通过实例比较表明,该方法的合成结果较为理想。     

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。     

基于pignistic概率距离的冲突证据合成方法

Dempster Shafer证据理论在数据融合中有着广泛的应用.但当证据之间高度冲突时,应用DS证据合成公式往往会得出错误的结果.在现有的证据合成改进方法中,均使用冲突系数k来度量证据之间冲突的程度.最新的研究表明:影响证据冲突的因素不仅仅是冲突系数k,还和证据的pignistic概率距离等因素有关.在原有的冲突系数k之上,引入pignistic概率距离,提出了一种新的冲突证据合成方法.仿真结果表明:当证据之间的冲突小时,合成结果近似于D-S证据合成公式,当证据之间的冲突较大时,这种方法在公式模型上比其他方法完善,冲突证据的合成结果更加合理.     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

D-S证据理论在多传感器信息融合中的改进

详细阐明了多传感器信息融合的一种方法——D-S证据理论，他是一种处理不确定性问题的有用方法，但是D-S证据理论组合规则的一些不足影响证据理论的应用，通过深入分析，针对该方法的不足提出了一种修正的组合方法，这样不仅能够用于组合冲突比较大的证据，而且能够根据各条证据所包含的不同信息量进行自适应加权组合，改进了基本D-S证据理论的组合准则，提高了其融合性能，并通过实例证明了该方法的有效性。     

一种新的基于权重系数的证据理论合成方法

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一。但在证据高度冲突时,因其归一化过程会产生有悖常理的无效结果,因此不同证据源的冲突处理成为数据融合的主要问题之一。基于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数,提高了证据合成的可靠性和合理性,得到更为理想的合成结果。     

改进的二元组冲突表示方法

D-S证据理论可以有效表示随机性和模糊性的不确定信息,可以在不需要先验信息的情况下对证据进行组合,这些优点使得该理论被广泛应用于信息融合的各个领域。但是在实际应用中,D-S证据理论中的组合规则无法有效融合冲突信息,为此研究人员在组合规则改进或是数据模型修改两个方面提出了很多改进方法,但却忽视了对冲突本身的研究。首先分析了证据理论中经典冲突系数的不足,而后引入证据距离,结合经典冲突系数提出了一个改进的二元组来描述证据冲突,新的二元组冲突表示可以更好地度量证据之间的冲突,而且对Dempster组合规则的适用性具有指导意义。算例说明了新的冲突表示方法的有效性。     

新的证据冲突衡量标准下的D-S改进算法

 针对传统证据冲突衡量标准存在的不足及高冲突下Dempster证据组合规则失效的问题,通过pignistic变换,定义了新的证据冲突衡量标准,基于此,提出了一种新的D-S改进算法.该方法依据少数服从多数的决策思想,引入了描述证据重要度的权重系数,对证据进行预处理,再采用Dempster规则进行组合.通过仿真算例分析,并与其它改进方法进行对比,验证了新算法在处理证据冲突方面的性能显著改进,加快了收敛速度,同时降低了决策风险.     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D-S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结果并不理想.为了解决上述问题,对D-S证据理论的证据组合规则进行了改进,给出了一个在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频谱感知中.MAT-LAB仿真测试与结果分析表明改进算法提高了频谱感知性能.     

一种新的基于证据理论的合成公式

由于D-S证据合成公式所存在的不足,使证据理论的应用受到了一定的限制.Yager对此作了改进,但改进后合成公式又存在着新的问题.鉴于此,本文在引入证据可信度概念的基础上,提出了一个新的证据合成公式.新的合成公式弥补了D-S证据理论和Yager合成公式所存在的不足,使冲突证据合成的结果更为理想.