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。     

一种基于优化权重证据组合的目标综合识别方法

针对高度冲突识别信息 Dempster 规则融合失效问题,分析了有关改进方法及其存在的不足,提出了一种新的证据组合方法。新方法首先根据证据之间 pignistic 概率距离和基于信息熵的证据清晰度综合确定各证据权重系数,然后使用该权重系数对证据源进行修正,最后将修正后的加权平均证据进行 Dempster 规则组合。仿真实验结果表明新方法在目标综合识别中合成结果更好,收敛速度更快。     

基于改进证据融合的高可靠产品可靠性评估方法

对许多高可靠、高价值的产品进行可靠性评估时,常由于客观试验数据缺乏导致无法对产品可靠性进行准确评估。针对这个问题,为充分利用不同来源的可靠性信息,提出一种基于改进证据融合的高可靠产品可靠性评估方法。首先,结合可靠性工程特点,分别由各证据在信度层、决策层的一致性以及证据自身的不确定度来确定证据修正权重;其次,基于博弈论原理对各权重向量进行线性组合,从而得到最优综合权重;最后,利用Dempster组合规则融合修正后的证据,并通过Pignistic概率转化公式得到产品可靠性指标的概率分布,以完成产品可靠性评估。某电子设备的可靠度评估结果显示,所提方法相较于同样考虑多维权重修正的Jiang组合方法和Yang组合方法,赋予冲突区间的信度分别减小了69.6%、54.6%,赋予整个识别框架的信度分别减小了5.6%、3.7%。因此,在可靠性工程应用中,所提方法化解证据冲突、降低融合结果不确定性的表现优于对比方法,能够有效融合多源可靠性信息,提高产品可靠性评估结果可信度。     

基于多义度和三角模算子的加权冲突证据组合

为了有效融合高度冲突的证据,本文在多义度和三角模算子的基础上提出了一种新的证据理论融合规则。首先基于三角模算子定义了证据之间的相似度,然后基于相似度矩阵和多义度定义了改进的证据权重,基于加权原则对冲突证据进行合成得到修正的证据体,从而消除证据间的冲突,最后利用Dempster规则完成证据组合。算法分析表明所提方法是合理有效的。     

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。     

基于证据距离和不确定度的冲突数据融合算法

Dempster-Shafer证据理论广泛应用于信息融合的许多领域。但是,当使用证据理论对高度冲突的数据进行融合时,此时会出现有违常理的结果。为了解决冲突数据融合的问题,提出了一种基于证据距离和不确定度的冲突数据融合方法。通过证据距离计算证据之间的相对距离,将证据分为两种类别：可信证据和不可信证据。再应用新提出的信度熵对证据不确定度进行度量,对每个证据分配相应的权重,再根据权重对每个证据的基本信度值进行修正,再运用Dempster融合规则对修正后的信度进行组合得到最终全局信度值。通过算例实验,与其他几种经典的数据融合算法进行对比,仿真结果证明算法能够有效地解决数据冲突的问题。     

基于直觉模糊和证据理论的混合型偏好信息集结方法

针对混合型偏好信息的集结问题,利用直觉模糊实现了5类混合型偏好信息的统一,提出利用冲突系数和Jousselme距离综合表示的证据冲突度计算专家权重的方法,最后利用Demsper组合规则对专家权重修正后的证据进行组合.实例分析表明,所提出的偏好信息统一方法能够保持转化前后方案的优先顺序不变,通过专家权重对专家意见的修正使得证据合成结果能体现多数专家的一致意见,具有较高的实用价值.     

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。     

基于主元证据理论在车辆识别中的应用

车辆识别技术作为智能交通管理系统中的研究热点和难点;在车辆识别技术中,应用Dempster- Shafer证据组合规则融合冲突信息时会产生不合理的结果;基于修正证据源的思想,提出了一种新的权重系数确定方法,该方法从证据主元角度分析,确定各组证据主元,利用该主元求出证据相容度、可信度,进而确定证据权重系数;通过新的证据冲突衡量方法,确定冲突值,归一化权重,修正证据源,按ER规则融合各组证据对目标进行识别;仿真部分以实际路面车辆车型识别为算例,将该方法与其他方法对比,结果表明:该方法能更有效地融合高度冲突的证据,减小计算复杂度,目标识别的准确性提高20%。     

基于改进的无量纲指标信息融合故障诊断方法

针对无量纲指标信息的不确定会产生冲突证据的问题,提出一种基于改进证据理论的无量纲指标信息融合故障诊断方法.采用人工免疫算法构建原始证据;通过计算无量纲免疫检测器证据之间的相似度找出相似证据和冲突证据.保留相似证据,并利用可信度修正冲突证据,从而降低冲突证据对证据理论合成结果的影响.组合式旋转机械故障诊断试验验证本文方法有效.该方法能够明显提高故障诊断准确率.     

基于改进多类证据体方法的高速铁路接触网健康状态评估

针对基于确定权重的评估方法难以适应接触网系统指标之间关系不明确的特点，提出基于证据理论的接触网健康状态评估方法。针对接触网评估指标随机不确定的问题，利用劣化度对其进行指标归一量化处理，随后采用改进的融合规则对证据源进行融合。以某段接触网的检测数据为例对其健康状态进行评估，研究结果表明：所提出的评估方法可行有效，与传统评估方法相比摆脱了对权重的依赖，为接触网的健康状态评估提供了新的方法。     

基于相似度动态修正的冲突证据组合方法

针对信息融合中冲突证据组合时易出现的一般冲突、一票否决和鲁棒性等常见问题,有两类改进策略:一类修改DS(Dempster-Shafer)组合规则,另一类修改证据源模型.提出一种基于封闭世界的修改模型方法.引入Jousselme距离函数来量化焦元属性及证据之间的相互关联性,进而计算各证据的支持度.对证据支持度进行加权平均后得到参考证据,利用该参考证据对各原始证据进行不确定性判定,获得各原始证据与参考证据之间的大小相似度和方向相似度.在此基础上建立一个相似度动态修正模型,利用DS组合规则进行证据组合,对动态修正模型的多组组合结果求平均作为最终结果.通过仿真实验验证所提出方法的有效性和合理性.     

基于D-S证据理论的网络安全风险评估模型

针对网络信息系统的安全风险评估问题,提出了基于D－S证据理论的风险评估模型。证据理论是一种处理不确定性的推理方法。首先用“折扣率”对Dempster合成法则进行了改进,然后使用改进后的Dempser合成法则对网络中存在的各种风险因素进行合成,减少了风险因素中的不确定性,并以实例验证了该模型在网络安全风险评估中的应用,仿真结果证明了该算法的正确性。最后,通过与模糊综合评判法进行比较验证了证据理论具有更高的准确性。     

基于向量冲突表示方法的证据组合规则

针对Dempster组合规则在高冲突证据融合的情况下常常会得到违背直觉的结果,提出了一种基于向量冲突表示方法的Dempster(VCRD)组合规则。首先,通过实例分析了冲突因子和Jousselme距离存在的不足;然后,利用证据向量的相似性和差异性共同衡量证据之间的冲突程度,通过证据之间的冲突程度确定修正证据的权重因子,对融合证据进行预处理;最后,利用Dempster组合规则进行融合。理论分析和仿真实验结果表明:与Dempster组合规则及其它改进算法相比,VCRD组合规则能够合理地处理高冲突证据情况下的融合问题,降低了决策风险。     

基于信息融合的网络安全态势评估模型

针对分布式拒绝服务(DDoS)攻击评估不准确和网络安全态势评估不全面的问题,提出了一种基于信息融合的网络安全态势评估模型。首先,提出了以数据包信息为原始数据的DDoS攻击威胁评估方法,提高了评估的准确性;然后,对原有的通用弱点评价体系(CVSS)进行改进并对漏洞脆弱性进行评估,使得评估更加全面;其次,结合客观权重和主观权重,并以序列二次规划(SQP)算法对组合权重进行寻优,降低了融合的不确定性;最后,将三者进行融合得到网络的安全态势。通过搭建入侵检测平台,利用不同的规则库,针对相同DDoS 攻击的报警数会相差3 个数量级,与依赖报警数评估方法相比,以数据包信息评估DDoS 攻击的方法可得到准确的DDoS攻击威胁态势。仿真对比结果表明,提出的模型和方法能够提高评估结果准确度。     

An improved evidence fusion algorithm in multi-sensor systems

Multi-sensor information fusion plays an important role in practical application. Although D-S evidence theory can handle this information fusion task regardless of prior knowledge, counter-intuitive conclusions may arise when dealing with highly conflicting evidence. To address this weakness, an improved algorithm of evidence theory is proposed. First, a new distribution distance measurement method is first proposed to measure the conflict between the evidences, and the credibility degree of the evidences can be obtained. Next, a modified information volume calculation method is also introduced to measure the effect of the evidence itself, and the information volume of the evidences can be generated. Afterwards, the credibility degree of each evidence can be modified based on the information volume to obtain the weight of each evidence. Ultimately, the weights of the evidences will be used to adjust the body of evidence before fusion. A numerical example for engine fault diagnosis exhibits the availability and effectiveness of the proposed method, where the BPA of the true fault is 89.680%. Furthermore, an application for target recognition is given to show the validity of the proposed algorithm, where the BPA of the true target is 98.948%. The experimental results show that the proposed algorithm has the best performance than other methods.

     

一种新的解决冲突问题的不确定性度量方法

自动化数据处理、检测判决、推理决策要求对多种传感器和不同信息源进行有效集成.但由于环境的扰动、传感器的局限以及人为的干预,信源信息一般具有较强的不确定性、不完备性、冲突性,集中表现为证据的冲突,有必要对冲突证据的推理与决策进行研究.为解决证据理论不能有效融合冲突证据的问题,提出一种新的不确定性度量方法.首先,对现有的基于信息熵和区间距离的不确定性度量公式进行深入分析,总结现有方法的缺陷并进行相关证明;其次,基于定积分定义新的区间距离度量公式,并对公式的合理性进行证明;然后,基于所提出的区间距离公式给出新的不确定性度量方法,利用改进的不确定性度量方法给出冲突证据组合规则及算法流程;最后,通过算例分析验证改进算法的有效性和可行性.