一种相关证据的合成规则

相关证据可视为两个独立源证据与同一相关源证据合成产生,基于这一假设,提出了合成规则的逆运算—–"去合成"规则,在此基础上提出一类相关证据的合成规则,避免了对相关源证据的重复计算.通过算例进一步验证了该方法的有效性.     

一种特殊相关证据的合成方法

Dempster-Shafer证据理论的合成方法只适用于独立的情况,相关证据的合成则比较复杂,本文认为两个相关证据是由两个独立源证据和一个相关性源证据通过正交和合成所得。相关证据的合成则为这三个源证据的正交和,因此必须从相关证据中分离出独立部分和相关部分。针对相关证据的BPA为可分离mass函数的情形,给出了具体明确的合成方法。     

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。     

一种基于近邻思想的证据合成规则

D-S证据合成规则在遇到冲突证据时常有悖常理。针对现有规则的不足,通过理论分析和对几种常用组合规则的比较,提出一种基于近邻思想的冲突证据修正规则,综合考虑证据源的有效性和证据源间的距离,进行信息融合。实验结果表明,该规则对合理的合成方向具有较快的收敛速度,在证据源完全冲突的情况下也能适用。     

一种改进的证据合成规则

就D-S证据合成规则对于冲突证据合成存在的不足,不少学者基于证据冲突概率再分配思想,提出了相应的修正证据合成规则。针对这些修正合成规则的不足,提出了一种改进的合成规则,该规则在综合考虑证据源可信度和证据支持度的基础上,分析证据集的有效性,合理地实现信息融合。数值实验结果表明,新的合成规则不仅克服了现有规则的不足,而且其结果向合理性方向收敛度好,提高了系统的鲁棒性。     

基于信息熵测度的冲突证据合成方法

为了有效解决冲突证据的融合问题,在计算证据空间冲突向量的基础上,提出了一种基于信息熵测度的冲突证据合成方法.首先计算证据的信息熵获得该证据引起不确定性的度量,用信息熵计算证据空间赋予该证据的信任度,再用获得的信任度对数据模型进行加权处理,最后对处理后的证据运用D-S合成规则获得结果.实验表明该算法有效解决了冲突证据的合成问题,识别精度高、收敛速度快.     

一种相关证据合成方法

提出了一种新的模型来表示证据保相关性的起源,其中两个相关证据被认为由一个独立源证据分别与两个相关源证据通过正交和合成得到。相关证据的合成可以归结为这三个源证据的正交和,为此首先要由相关证据和独立源证据辨识汀关源证据,这是语气理论中的反问题,给出了基于梯度的下降的辩识算法。从理论上证明了,即使辨识结果不唯一,合成结果是的唯一的,并针对一特殊情况,证明了辨识结果是唯一的。     

一种改进的基于权重系数的证据合成方法

针对D-S证据理论在多传感器目标识别系统中对证据高度冲突时会产生有悖于常理的结果的问题进行了研究,对现有的方法基础上给出了一种改进的融合算法。该算法通过引入证据可信度门阈值提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。最后通过算例比较表明:该改进算法的有效性。     

基于证据可信度的D-S证据理论合成规则

Dempster合成规则是一种经典D-S理论的合成规则,但在参与合成的证据间具有较大的不一致性或冲突时,则不能使用或得出明显不合理的结果,引起错误决策。为了解决冲突证据的合成问题,提出了一种基于证据可信度的合成规则。通过算例仿真,该规则可以有效解决两个或两个以上的证据冲突问题,而且计算简单,计算量小。     

基于迭代合成的D-S证据理论改进方法

针对D-S算法中折扣因子不能准确度量证据重要性和一次合成不够精确等问题进行了研究,提出一种基于迭代合成的D-S改进算法。该算法使用复合折扣因子进行证据重要性度量,并用融合结果不断修正复合折扣因子,通过多轮迭代合成最终结果。最后用模拟算例验证了算法具有很好的融合效果,算法的迭代次数不会随着融合精度的提升而激增,也不会随着证据规模的增大而增多,说明算法是有效的、稳定的和可扩展的,适用于大规模证据合成。     

基于加权证据距离的高度冲突证据组合方法

为了有效融合高度冲突的证据,以Murphy方法和邓勇加权平均法为基础,提出了一种新的基于加权证据距离的证据组合方法。用Murphy方法确定各证据体的权重,采用修正的City Block距离加权平均求证据间的两两距离,进而获取各证据被其他所有证据支持的程度,归一化各证据的总支持度作为该证据的权重,对多源证据加权平均后再利用Dempster组合规则实现信息融合。实验结果表明,该方法能够更加有效快速地识别出目标,拥有更快的收敛速度。     

决策距离修正下的弱决策证据合成方法

针对含弱决策的证据融合在低冲突情况下仍出现反直观结果的问题,提出一种决策距离修正下的证据合成方法.首先,给出弱决策证据定义,提出一种名为决策距离的新度量方法,可表述单证据的决策,通过融合Jousselme距离可更有效地描述弱决策证据与其他证据间的差异;然后,根据检测弱决策证据和一票否决证据是否同时存在,提供两种不同的修正系数,可有效扩大多数证据与其他证据修正系数的差距,削弱一票否决证据的影响;最后,对证据源修正并合成.实验结果表明,该合成方法能较好地解决弱决策证据融合问题,融合结果收敛快,决策更可靠,不确定性小,是对现有研究的良好补充.     

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.     

基于证据冲突度的多传感器冲突信息组合方法*

针对Dempster组合规则在多传感器冲突信息融合方面的不足,提出了改进的证据冲突的定义及基于冲突系数和Jousselme距离的证据冲突度的计算公式,给出了一种新的基于证据冲突度的证据加权融合方法。该方法首先利用证据冲突度构造证据相互支持度矩阵,进而计算证据的权重,最后利用Dempster规则对加权修正后的证据进行融合。数值实例表明：该方法可以有效融合高冲突信息,与Dempster组合规则和几种典型的加权证据融合方法相比,具有更快的收敛速度,而且收敛效果更好。     

Combining dependent bodies of evidence

Dempster’s combination rule can only be applied to independent bodies of evidence. One occurrence of dependence between two bodies of evidence is when they result from a common source. This paper proposes an improved method for combining dependent bodies of evidence which takes the significance of the common information sources into consideration. The method is based on the significance weighting operation and the “decombination” operation. A numerical example is illustrated to show the use and effectiveness of the proposed method.     

一种基于球面调和函数的柔性体建模方法实现

给出了球面调和函数表达柔性体模型的原理,重点探讨了一种新的基于球面调和函数多尺度性的虚拟柔性体建模方法的实现机理。实验结果表明,该方法可以实现柔性物体的精确建模和实时表达,适合应用于虚拟现实的柔性物体碰撞检测、虚拟手术等对场景实时性要求较高的领域。     

Combination of sources of evidence with different discounting factors based on a new dissimilarity measure

The sources of evidence may have different reliability and importance in real applications for decision making. The estimation of the discounting (weighting) factors when the prior knowledge is unknown have been regularly studied until recently. In the past, the determination of the weighting factors focused only on reliability discounting rule and it was mainly dependent on the dissimilarity measure between basic belief assignments (bba's) represented by an evidential distance. Nevertheless, it is very difficult to characterize efficiently the dissimilarity only through an evidential distance. Thus, both a distance and a conflict coefficient based on probabilistic transformations BetP are proposed to characterize the dissimilarity. The distance represents the difference between bba's, whereas the conflict coefficient reveals the divergence degree of the hypotheses that two belief functions strongly support. These two aspects of dissimilarity are complementary in a certain sense, and their fusion is used as the dissimilarity measure. Then, a new estimation method of weighting factors is presented by using the proposed dissimilarity measure. In the evaluation of weight of a source, both its dissimilarity with other sources and their weighting factors are considered. The weighting factors can be applied in the both importance and reliability discounting rules, but the selection of the adapted discounting rule should depend on the actual application. Simple numerical examples are given to illustrate the interest of the proposed approach.     

A new distance between two bodies of evidence

We present a measure of performance (MOP) for identification algorithms based on the evidential theory of Dempster–Shafer. As an MOP, we introduce a principled distance between two basic probability assignments (BPAs) (or two bodies of evidence) based on a quantification of the similarity between sets. We give a geometrical interpretation of BPA and show that the proposed distance satisfies all the requirements for a metric. We also show the link with the quantification of Dempster's weight of conflict proposed by George and Pal. We compare this MOP to that described by Fixsen and Mahler and illustrate the behaviors of the two MOPs with numerical examples.     

考虑可靠性的时域证据组合方法

为了实现基于证据理论的时域信息融合,根据证据折扣思想,提出一种考虑可靠性的时域证据组合方法.首先,基于一次指数平滑法对时域证据进行失真判别,并结合基于可信度衰减的证据实时可靠性评估方法,得到相邻时刻证据的实时可靠度;然后,基于改进冲突度与不确定度得到相邻时刻证据的相对可靠度;最后,基于证据折扣准则和Dempster组合规则进行证据合成,实现时域证据的序贯组合.数值仿真与分析表明,所提方法充分体现了时域证据组合的动态性特点,具有较强的冲突信息处理能力和抗干扰能力,对时域信息融合具有较好的适用性.     

基于框架复合的语义限定

将人工智能(Artificial Intelligence, AI)领域的理论和技术与地理信息系统(Geographic Information System, GIS)相结合来设计地理信息系统专题分析模型是GIS的重要发展方向之一。本文基于这一背景讨论了GIS专题知识的表示,提出了扩展的框架知识表示方法以及框架复合的思想,并进一步阐述了通过框架复合操作对概念语义进行限定以达到语义精确化。