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。     

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%。     

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.     

基于直觉模糊集的时域证据组合方法研究

证据理论已广泛应用于时空信息融合领域,由于时域信息融合表现出明显的序贯性和动态性,为实现基于证据理论的时域信息融合,有效处理时域冲突信息,结合证据可靠性评估和证据折扣的思想,在直觉模糊框架内提出了一种基于复合可靠度的时域证据组合方法.首先定义一种基于可靠度的直觉模糊数排序方法,在此基础上提出一种基于直觉模糊多属性决策的证据可靠性评估方法;然后,基于此方法对时域信息序列中相邻时间节点的证据可靠性进行评估,得到时域证据的相对可靠性因子;最后,结合由时域证据可靠度衰减模型得到的实时可靠性因子,得到时域证据的复合可靠性因子,再基于证据折扣运算和Dempster证据组合规则提出一种基于复合可靠度的时域证据组合方法.数值算例和仿真表明,该方法具有较强的时间敏感性,充分体现了时域信息融合的动态性特点,可以较好地处理时域证据中的冲突信息,基于该方法构建的融合识别系统具有较强的抗干扰能力.     

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。     

基于证据分类的加权冲突证据组合

为了有效融合高度冲突的证据,在三角模算子和折扣因子分析的基础上,提出了一种基于证据分类的冲突证据融合规则。采用基于3角模算子定义的平均证据距离与冲突因子将证据分成可信任证据、不冲突证据和冲突证据三类,并赋予可信任证据和不冲突证据折扣因子1,极大程度上保留了证据对正确假设的支持;然后基于证据距离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。     

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.     

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。     

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。     

基于证据可信度的D-S理论协作频谱感知方法

D-S证据理论频谱感知算法中,针对当协作用户数增加时所引起的报告数据量迅速增大、带宽开销增加问题,将本地测量统计量中不确定度分配到确定信息中,减少了向融合中心发送的数据量,有效降低了带宽开销。其次,针对高冲突数据对D-S证据理论融合结果影响大的问题,通过评估每个证据的可信度,将可信度作为权重来计算加权平均证据,降低了高冲突证据对融合结果的影响。仿真结果表明,所提方法在有效降低了报告带宽开销的同时,能够减少高冲突证据对融合结果的影响。     

利用不确定度的冲突证据组合

D-S(Dempster-Shafer)证据理论在信息融合中有着广泛的应用.针对证据理论中高冲突证据组合出现反直观结果问题,提出一种新的证据组合方法.依据证据体不确定度生成权重,并基于所获权重修正待组合证据体再利用Dempster规则完成证据组合.算例分析表明所提方法是合理有效的.     

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.     

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。     

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。     

基于皮尔逊相关系数和信息熵的多传感器数据融合

近年来，多传感器数据融合的研究因其优异的性能而受到广泛关注.为了缓解高冲突数据对融合的影响，本文提出了一种基于皮尔逊系数和信息熵的多传感器数据融合方法.首先，引入皮尔逊系数来衡量证据碎片之间的冲突程度，得到证据的信度；同时，采用信息熵来度量证据的不确定性.然后，根据得到的信息熵对证据的可信度进行修正，进一步得到加权平均证据.最后，根据Dempster的组合规则对加权证据进行数据融合.数值算例结果表明，该方法具有较好的鲁棒性，更适合于实际场景.在目标检测和故障诊断中的应用结果表明，该方法的准确率分别高达98.09%和91.94%,证明了该方法的有效性和可行性.     

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。     

基于证据理论的多传感器加权融合改进方法

针对多传感器系统中高冲突证据合成问题,考虑到传感器同时具有固有可靠性与实时可靠性的特点,基于证据理论提出了一种新的多传感器加权融合方法;该方法通过计算证据间的相似矩阵获取证据的后验权重,并结合根据传感器固有可靠性预先分配的先验权重,得到证据体的复合权重,然后据此对原始证据进行加权平均,最后利用D-S证据组合规则合成加权平均后的证据;实例仿真表明,与D-S、Yager、Murphy等方法相比,该方法能够更好地处理高冲突证据,且收敛速度更快。     

评估诊断证据可靠性的信息融合故障诊断方法

在基于证据理论的信息融合故障诊断方法中,诊断证据的可靠性高低将会直接影响诊断结果的准确性.而现有的大多数方法并没有全面地评估证据的可靠性,从而常常导致融合诊断结果的不准确.决定证据可靠性的因素主要有传感器的精度与证据获取方法的性能,以及传感器运行环境中的不确定性因素,可将它们分别理解为静态和动态因素.本文利用基于Pignisti。的指标函数优化算法获得静态折扣因子,用其对原证据进行修正;接着提出基于Pignistic向量的证据相似度度量方法获取动态折扣因子,用其对证据进行再次修正,并利用Dempster组合规则融合经两次修正后的证据,得到诊断结果.最后,通过在多功能柔性转子试验台上的实验,验证了所提方法的有效性.