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。     

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。     

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。     

基于新的证据冲突衡量的加权证据融合方法

对冲突证据使用Dempster-Shafer 证据理论进行融合的前提是对冲突证据作出正确衡量, 确定证据之间冲突的程度. 在分析现有的冲突衡量方法基础上, 提出一种基于新的证据冲突衡量的加权证据融合方法. 该方法通过相似性测度来衡量证据间的冲突程度; 然后确定各证据的可信度, 再加权修正证据; 最后用Dempster 组合规则进行融合. 算例表明, 该方法能正确衡量证据冲突程度, 有效地解决冲突证据的融合问题, 提高收敛速度和精度.

     

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。     

一种新的证据融合方法及在目标跟踪中的应用

为了有效融合高度冲突的证据,本文在余弦相似度和K-L距离基础上提出一种证据自适应融合方法.首先联合余弦距离和经典冲突系数定义了一种新的证据冲突衡量标准;然后利用K-L距离获得待组合证据的权重,提出一种基于序贯式的证据组合方法.而后考虑到Dempster组合规则可以有效融合低冲突证据,为使新的组合方法和Dempster组合规则发挥各自的优势,提出了一种组合规则自适应切换的融合方法.最后基于AMI语料库对本文融合方法的有效性进行了验证.实验结果表明:相比传统的证据理论融合方法,本文方法具有较好的准确性和稳定性,可满足视频跟踪的应用需求.     

DS证据理论冲突处理新方法*

针对经典DS证据理论在处理高度冲突的证据信息时会产生有悖常理结论的情况,基于证据支持度的思想,引入了证据之间相容系数的概念,并随之引入证据可信度的概念,提出了一种新的证据权重的确定方法;最后运用DS证据理论组合规则进行数据融合.与之前其他处理方法相比,考虑到证据之间冲突与包容共存的情况,客观计算证据的权值,收敛更快,融合结论更符合事实,弥补了经典证据理论的不足,为DS证据理论的改进提供了一条新的途径.     

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%。     

一种改进的D-S证据组合规则

根据D-S证据组合规则失效问题和现有的处理方法的不足,提出一种新的证据组合规则.在证据冲突较小时采用Dempster组合规则;证据冲突较大时,按新证据在全部证据中所占的比例来分配冲突,避免了因冲突较大而产生的失效问题.实验表明,新规则与现有的冲算处理方法相比,算法更简单,融合结果更有效.     

一种新的证据权重系数确定方法

分析现有的证据权重确定方式存在的缺陷,在此基础上提出了一种新的改进算法。利用各证据与平均证据的相似系数求出证据的初始权重;把权重低于阈值的证据从证据组中剔除,计算剩余证据的权重,经K次迭代,直到所有证据的权重都大于阈值;最后将K次权重算术平均得到各证据的最新权重系数,对证据加权平均后再利用D-S组合规则进行组合。通过算例比较表明该方法的合成结果更加有效。     

基于贴近度的D-S证据合成改进方法

提出了一种新的冲突证据合成方法;信息融合中证据源的可靠性可能不同,直接利用传统的合成方法可能得到与实际相悖的结果;新方法通过贴近度表示证据间相关程度,证据贴近度的值可以判断证据的冲突程度,进一步通过相关算法转化贴近度为反映证据重要程度的证据权值,根据权值对原始的基本概率赋值函数进行重新分配,降低冲突证据的重要性,再通过改进的合成公式,对重新概率分配的证据进行合成,得到合成结果;仿真实验表明,新方法能客观反映证据重要程度,在正常与冲突证据情况下都能很好地得到合成结果,与其它方法相比,具有更好的适用性、可靠性和较快的收敛速度。     

基于证据价值的冲突证据合成方法

证据理论作为一种不确定性推理,广泛应用于人工智能、信息融合等方面。针对高冲突证据在组合过程中易产生各种与事实相悖的结论,提出了基于证据价值的冲突证据合成方法。此方法首先定义了证据价值的标尺,借用欧氏距离的概念计算证据自身价值,并规则化作为权重,然后引入未知项,修正证据源,再利用D-S合成公式对证据进行合成。实例分析表明,此方法在处理冲突证据时是有效、可行的。     

一种改进的D-S证据理论合成方法

针对D-S证据理论计算量大和不能有效合成高度冲突证据的不足,提出一种基于加权和矩阵运算的证据组合方法。该方法通过引入权重系数区分不同证据在数据融合中的重要程度,因此能有效合成高度冲突的证据。同时,在证据合成过程中通过引入矩阵运算,有效地降低了算法的计算量。仿真结果表明,与传统的基于D-S证据理论的多传感器数据融合方法相比,改进方法不但能提高证据合成的可靠性和准确性,而且具有较小的计算量。     

基于选择判据与贴近度的电网故障诊断算法

针对传统D-S 证据理论难以解决高度冲突证据融合问题, 提出一种新的证据合成算法. 将贴近度概念引入D-S 证据合成中, 通过证据的一致性度量计算其权重, 实现冲突证据的加权融合. 提出证据合成方法选择判据, 将证据合成分为冲突和非冲突2 类, 分别采用改进算法和传统算法对证据进行融合. 实例验证表明, 所提出的方法信息聚焦性能优越, 可以有效解决冲突证据合成问题, 在解决电力系统故障诊断问题方面有良好的效果.

     

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。     

扩展D-S证据理论在入侵检测中的应用

网络异常行为检测是入侵检测中不可或缺的部分,单一的检测方法很难获得较好的检测结果。针对经典D-S证据理论不能有效合成高度冲突证据的不足,提出将基于改进的加权D-S证据组合方法应用到网络异常行为检测中,并融合多个SVM,建立新的入侵检测模型。该方法通过引入平均证据得到权重系数,以此区分各证据在D-S融合中的影响程度,因此能有效解决证据的高度冲突。仿真结果表明,与传统的基于D-S证据理论的异常检测相比,本模型能够有效提高融合效率,进而提高检测性能。     

基于冲突表示的冲突证据融合方法

为有效解决冲突证据的组合问题,文中提出一种证据组合方法.该方法首先在一种新的冲突表示的基础上,量化证据之间的关联性,进而计算各个证据的权重,并与平均权重进行比较,识别出冲突证据或较低可信度证据.对冲突证据或较低可信度证据进行折扣修正,最大限度地利用原始证据源信息,最后利用D-S组合规则进行组合.仿真实例结果表明,该方法与其它典型方法相比体现出良好效果,收敛快、可靠性高.     

降低相似度碰撞的证据融合方法

针对相似度碰撞引发证据融合结果错误的问题,提出一种新的证据融合方法。首先,提取证据的焦元序列特征并将其转化为排序矩阵以弥补证据相似度易碰撞的不足;其次,联合证据的排序矩阵和信息熵完成对证据权重的确定;最后,生成归一化证据（MAE）并使用Dempster融合公式将MAE融合n-1次获得最终的结果。基于在线的鸢尾花数据集对证据平均融合方法、余弦相似度证据融合方法、证据距离融合方法和证据信誉度融合方法进行了花类型识别准确性的F-Score对比,上述四种方法的F-Score分别为0.84、0.88、0.88和0.88,而所提方法的F-Score为0.91。实验结果表明,所提方法的决策准确率更高,融合结果更加可靠,能为证据决策提供了有效的解决方案。