一种新的基于置信距离的冲突证据融合方法

针对传统DS证据理论在处理高冲突证据融合所存在的不足,提出了一种新的冲突证据加权融合方法.该方法充分考虑证据本身的特性和证据间的关系,先引入证据熵来评价证据的质量,对证据进行预处理,再应用证据间的距离计算证据的相似度和证据权重,最后对修正后的证据进行融合.数值算例表明,该方法能够有效地处理高冲突证据融合问题,相比其他改进算法,具有较好的收敛速度和较小的计算量.     

多传感器冲突信息的加权融合算法

针对在多传感器目标识别系统中,DS规则对高冲突信息融合结果不合理的问题,提出了一种新的加权融合算法.在多源证据信息融合时,首先根据两证据距离大小来确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量作为证据的权重向量,然后确定各证据的相对折扣因子,并修正证据信息,最后用DS规则融合.通过实验仿真对比分析了多种方法的融合效果,表明了新方法可以较好的解决高冲突信息融合的问题.     

基于证据向量差异度改进的冲突证据融合方法

针对传统Dempster-Shafer证据理论合成高冲突证据时会出现融合结果不合理的问题,提出了一种新的冲突证据加权方法和融合规则。该方法引入证据向量差异度概念对证据冲突系数进行修正,并应用修正后的冲突系数计算证据集互信度矩阵和证据权重,最后对加权修正后的证据进行融合。数值算例表明,该方法可以合理有效地解决冲突证据融合的问题,相比于其他改进方法,具有更快的收敛速度和更强的鲁棒性。     

一种迭代修正的冲突证据改进方法

针对多传感器数据融合领域中使用D-S组合规则无法有效融合传感器不确定证据信息的问题,提出一种迭代修正的冲突证据改进方法。该方法通过计算证据之间的相互支持度和证据之间的相似度,综合度量每个证据的修正参数。利用修正参数修正证据,并通过D-S组合规则融合。然后,以融合结果作为参考证据,重新度量每一个原始证据的修正参数,修正原始证据再融合。通过多次迭代修正融合,直至最后两次的融合结果收敛为止,最后通过两组冲突证据验证了该方法具有很好的融合效果。     

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。     

基于选择判据和贴近度的D-S证据融合方法

针对传统D-S证据理论难以融合高度冲突证据的问题,并考虑到证据正常时Dempster规则具有优越的聚焦性能,提出了一种基于选择判据和贴近度的证据融合方法。把贴近度概念引入到D-S证据合成中,通过证据的一致性度量来计算证据的权重,从而实现了冲突证据的加权融合。同时提出了证据修正的选择判据,将证据分成冲突与非冲突两类,对冲突的证据进行修正后再进行合成,而非冲突证据可直接进行合成。通过实例验证表明,所提出的方法不但保持了Dempster规则优越的信息聚焦性能,而且较好的解决了冲突证据的合成问题。     

一种新的冲突表征下的异类源信息融合算法

异类源信息融合时常遇到证据高度冲突的情况,此时应用传统Dempster-Shafe(rD-S)证据理论进行融合将出现错误的结果。针对以往冲突证据融合研究中使用冲突系数k表征证据之间的冲突程度所存在的不足,提出了一种新的证据冲突表征方法。在此基础上确定证据间的冲突度和相似度,得到证据的权重。对加权修正后的证据利用D-S证据理论进行融合。算例验证表明该方法可以有效地对冲突证据进行融合,收敛效果较好。     

基于支持度和确定度的异构数据融合方法

异构多传感器采集的数据容易存在冲突，使用传统D-S证据理论融合会得到与事实相悖的结果，针对该问题，提出了一种结合支持度和确定度的异构数据融合方法。利用Jaccard系数改进冲突系数K和余弦相似度，并结合两者计算证据之间的支持度，第一次修正证据；使用修正后证据焦元区间的兰氏距离衡量证据确定度；基于支持度和确定度共同确定证据的权重，处理原证据，得到加权平均证据后，按Dempster融合得到结果。算例及应用结果证明，所提方法在处理冲突证据和正常证据时，对比传统证据理论、经典改进方法和相似改进方法，均有更好的聚焦性能和收敛性能，证明了该方法的有效性，为多传感器数据融合提供了一定的参考价值。     

基于改进自适应加权的多传感器融合监测

针对加注系统多传感器测量数据融合,为满足融合的可靠性与准确性需求,提出了一种改进的自适应加权融合算法。加权融合算法的关键是如何准确判定测量数据权重值,在总结分析当前权重值判定方法优缺点的基础上,将证据理论中的修正证据距离引入测量数据间距离计算,生成融合权重值,完成传感器数据融合。通过一般算例与加注系统典型算例,对所提融合算法进行验证,结果表明算法融合效果较好、鲁棒性强,具有一定的理论意义和较好的工程实用价值。     

基于改进修正权重的证据组合方法

针对证据组合过程中修正权重的确定问题,提出了一种综合考虑证据间关联关系和自身不确定度的改进修正权重确定方法,实现了对待组合证据的有效修正。基于对证据信息随机性和不具体性的阐述,得到了证据综合不确定度的度量方法。结合基于改进冲突度的相似性权重和基于综合不确定度的可靠性权重,确定了改进的修正权重。应用Dempster组合规则对修正后的加权平均证据进行有效组合。算例分析结果表明,所提方法能够充分利用证据信息,解决证据冲突,组合结果更为客观、准确,可信度更高。     

信息融合中的伪证据识别方法

由于人为或是自然因素的影响,多传感器应用系统中收集的证据中常常存在伪证据。这些伪证据导致信息融合过程中出现证据冲突,并影响最后的融合结果。为了有效识别伪证据,提出一种基于距离的伪证据识别方法。定义了各个证据的平均证据距离,设定一个阈值作为系统的平均证据距离作为判断依据,当一个证据的平均证据距离高于系统的平均证据距离时,则该证据被判断为伪证据,用一个目标识别的算例表明该方法简单有效。     

基于相容性距离的冲突证据合成方法研究

针对传统证据理论中高度冲突证据组合出现反直观结果的问题,提出了一种基于相容性距离的冲突证据合成方法。分析了证据理论存在的三个方面问题和各种改进方法的特点,通过欧式距离建立了证据距离和相容性测度矩阵,对接受度归一化后计算出相容因子来对冲突概率进行加权分配。数值算例验证了改进合成公式的有效性和合理性。     

基于证据可信度的证据合成新方法

Dempster-Shafer理论合成高冲突证据时结果不合常理, 许多改进方法能较好地解决这一问题, 但证据比较一致时, 这些方法性能相对于Dempster-Shafer合成规则较差. 鉴于此, 提出了一种基于证据可信度的证据合成方法.首先建立一个证据距离矩阵, 之后求出系统中各证据到证据集的均方欧式距离, 通过引入可信度函数来获得证据源的可信度因子"并对证据源进行修正, 最后使用Dempster-Shafer合成公式对修正后的证据加以合成. 数值实验结果 表明, 改进后的方法不仅适用于证据高冲突情况, 而且也适用于证据比较一致的情况.     

冲突证据融合方法的研究与改进

研究了D-S证据理论组合冲突证据时存在的缺陷,分析了国内外专家学者的研究成果,并在此基础上提出了一种改进的处理冲突证据的融合方法.该方法通过计算各证据到命题平均支持度的偏差来检测和融合冲突证据,并对最后结果进行了必要的修正,以解决来自不同识别框架的证据的合成问题.实验结果表明,该方法能有效处理冲突,得到符合实际的组合结果,相对于其它典型算法,该方法在收敛性和可靠性上有了明显改进.     

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。     

一种自适应冲突证据检验与合成方法

在D-S 证据理论中, 冲突系数不能很好地描述证据之间的冲突, 而且当证据高度冲突时会得到有悖常理的结果. 为了解决该问题, 提出一种自适应冲突证据检验与合成方法. 首先, 利用证据向量夹角余弦度量证据之间的相似性程度, 并提出冲突证据判据, 通过冲突证据检验因子实现证据分类; 然后, 引入冲突比例因子来决定证据的修正方法, 并利用相似度对其进行局部或全局修正; 最后, 将修正后的证据进行检验与合成. 通过应用实例验证了所提出方法的有效性.

     

非单点证据体数据融合的Dempster组合规则适用性评价方法

针对待融合的证据体包含基本概率分配值相差较大的非单点证据时,基于pignistic距离的Dempster组合规则适用性评价方法判定结果存在模糊性甚至不准确的问题,提出了一种表示证据体之间关联性的改进pignistic距离,并将改进的pignistic距离与经典冲突系数相结合,提出了对Dempster组合规则适用性评价的新方法。在新方法中,定义了一种新的证据体冲突衡量系数用于判定Dempster规则的适用性。当经典冲突系数为0时,新系数与改进pignistic距离一致;当经典冲突系数不为0时,新系数与改进pignistic距离和经典冲突系数之和的平均值一致。算例分析的结果表明,与基于pignistic距离的Dempster规则适用性评价方法相比,新的基于改进pignistic距离的Dempster组合规则适用性评价方法有较好的适用性和合理性。     

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。     

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.     

考虑决策者时序偏好的时域证据融合方法

针对时域不确定信息的融合难题，为充分体现时域信息融合的动态性特点和时间因素对融合的影响，在证据理论的基础上，提出一种考虑决策者时序偏好的时域证据融合方法。首先将决策者对时序的偏好融入时域证据融合，通过分析时域证据序列的特点，在定义时序记忆因子的基础上，对决策者的时序偏好进行度量；然后通过构建优化模型求解时序权重，再结合证据信任度的概念，对证据源进行修正；最后利用Dempster组合规则对修正后的证据进行融合。数值算例表明，与没有考虑时间因素的融合方法相比，考虑决策者时序偏好的证据融合方法可以有效处理时域信息序列中的冲突信息，得到合理的融合结果；同时，所提方法充分考虑了时域证据序列的信任度和决策者的主观偏好，可以反映决策者主观因素对时域证据融合的影响，较好地体现了时域证据融合的动态性特点。