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。     

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.     

一种基于局部冲突分配的DST组合规则

 冲突证据融合是信息融合中一个非常重要但始终没有很好地解决的问题.本文从选择有效的冲突衡量参数的角度出发,分析了悖论与证据冲突的关系,给出了新的冲突衡量参数,并基于此参数提出了一种新的基于局部冲突分配策略的证据推理组合规则.大量实例表明,提出的证据推理组合规则能够解决现有的证据理论悖论问题,是一种较为通用的证据推理组合规则.     

基于聚类赋权的冲突证据组合方法

针对高度冲突证据组合失效的问题,着重考虑证据之间相互关系与证据本身特性的结合,提出了一种基于聚类赋权的冲突证据组合方法。首先,构建相似系数对证据进行聚类分析,通过类容量确定类间权重反映类间差异。然后,引入信息熵获取各证据的类内权重,综合类间权重和类内权重得到证据的修正权重。最后,根据该权重修正冲突证据,使用证据理论组合规则完成对修正证据的最终合成。数例验证结果表明,所提方法能够合理地修正证据,并且组合结果相比其他方法具有更好的聚焦效果。     

基于均衡信度分配准则的冲突证据组合方法

本文针对目标综合识别中冲突信息的组合问题,以Dempster组合规则为基础,提出了一种基于均衡信度分配准则的冲突证据组合方法 ;并根据证据间的相似性程度来确定组合顺序.通过仿真实验测试,证明本方法比现有算法具有更强的稳健性.     

一种冲突证据组合方法

针对证据理论的冲突证据融合问题,分析了D-S合成方法的不足,提出了一种新的改进方法,即基于小概率命题似然度最小值的冲突证据组合方法。该方法通过选择信任折扣因子使得命题似然度达到最小,在应用中会比Dempster组合规则和平均策略更为灵活,更符合证据理论在不确定推理方面的本质特性。通过仿真试验表明该算法能有效地排除干扰,得出了符合实际的组合结果,确保了方法的有效性和可靠性。     

基于证据源预处理的冲突证据组合新方法

针对冲突证据的组合问题,提出了一种新的证据组合方法。通过定义证据间的Jaccard相似度获得各个证据的归一化可信度,在此基础上获得一个标准证据。利用该标准证据对各初始证据进行修正,最后利用Dempster-Shafer(DS)组合规则获得证据组合结果。证据组合过程中既保持了DS规则良好的数学性质,又有效地减小了冲突证据带来的干扰,提高了组合结果的合理性与可靠性。     

基于相关系数的证据冲突度量方法

当证据高度冲突时,使用D-S组合规则将会得到不合常理的结果,因此,针对证据组合规则的改进成为一个重要的研究课题,在选择合适的证据组合方法之前,确定证据之间是否冲突、冲突程度如何,是个至关重要的问题,为了更加准确地描述证据间的冲突,在分析证据相似度与证据冲突关系的基础上,基于证据相关系数提出了一种新的证据冲突度量方法,理论分析和数值计算表明该方法可有效表示证据之间的冲突程度,相关系数越大,证据间冲突就越小,与其他方法相比,该方法更具全面性和合理性。     

基于Haenni方法的证据冲突原因分析

由于Dempster组合规则所存在的不足,在组合冲突信息时,会得出与直觉相反的结论。针对Zadeh悖论,Haenni给出了反驳,但冲突产生的原因分析不够全面。鉴于此,本文在他们的基础上,总结出冲突产生的原因,它不仅与传感器受干扰有关,与识别框架不完整也有关系,其中识别框架不完整还包括框架中的元素不详尽,出现了新目标和在两两证据进行推理过程中目标丢失导致的潜在冲突。     

互补证据组合规则

针对Dempster组合规则"一票否决"和现有修正方法主观分配冲突信息的缺点,提出一种全新的证据组合方法.新方法直接利用定义的互补证据进行融合,不再采用Dempster组合规则中的纯乘性策略组合证据,成功解决了"一票否决"问题.并将冲突信息转化为证据权重融入组合规则进行直接融合,不再主观分配其信度.新的组合规则是一类广义的加性集成算子,既满足交换律又满足结合律,既能够直接组合单类证据,也能够基于TBM组合复合类证据.通过多传感器融合识别算例,验证和对比分析了新的组合规则的优势.     

基于证据组合的通信信号调制类型的分类识别

该文应用Dempster-Shafer理论,提出了一种有效的证据分配和组合证据最佳区间的方法,来实现通信信号调制类型的分类识别,在低信噪比的情况下,识别率得到较大提高,并且降低了分类器设计的复杂性。计算机模拟结果证实了此方法的有效性。     

D-S证据理论改进方案综述

D—S证据理论解决不确定问题方面具有很高应用价值,但其合成规则的不足影响着该理论的进一步应用。本文针对冲突概率分配的不同方法,研究当前的各种D—S证据理论改进合成规则的特点,总结出他们的优势和缺陷,为不同场合下证据理论的应用提供依据。     

THE COMBINATION PREDICTION OF TRANSMEMBRANE REGIONS BASED ON DEMPSTER-SHAFER THEORY OF EVIDENCE

Transmembrane proteins are some special and important proteins in cells.Because of their importance and specificity,the prediction of the transmembrane regions has very important theoretical and practi...     

基于简单证据的目标多特征综合识别

针对目标多特征数据,提出了一种基于简单证据的综合识别算法。首先,利用模糊理论将接收的特征参数与知识库中的特征参数进行比较,匹配求出目标模糊隶属度;然后,根据模糊隶属度和特征参数可信度构造包含“未知”的简单证据;最后,用简单证据组合规则进行证据合成,求出识别结果。经过数字算例验证,该算法既能处理冲突证据又能减少证据合成时间。     

交互自适应组合规则

Aiming at the invalidation of DS theory dealing with the evidence in a high conflict and reducing confidence level of DSm theory processing a low conflict, this paper proposes an interactive-adaptive combination rule. Adopting the angle similarity based on hyper-power set as the weight of generalized Dempster rule and PCR rule, the new rule adaptively processes various evidence combination issues. In this way, the rule can obtain not only the better fusion ofdecision making effect in a low conflict, but also the solution to the synthesis in a high conflict. Simulation analysis demonstrates the validity and applicability from this rule of combination.     

DS证据合成规则评价方法研究

DS证据理论由于其应用广泛,成为研究的热点之一。由于其应用不同,DS证据理论遇到了一些问题,尤其是冲突证据合成问题,为此,不少学者都提出自己的解决办法。然而,针对合成方法的评价方法却很少有报道,算法优越性几乎都是通过主观逻辑判断的方法,通过实例对比,来说明算法的好坏。通过对合成方法的研究,提出了主客观结合的合成规则评价方法。评价方法以主观评价为基础,建立了客观评价体系及数学模型,客观评价体系有多个评价规则组成,综合说明合成方法的优劣,从而建立了合成方法的评价理论。最后,通过实例验证了评价方法的正确性。     

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.