基于预处理模式的D-S证据理论改进方法

D-S证据理论是决策融合的主要方法之一,但典型的D-S理论不大适应高冲突证据组合.本文提出一种基于预处理模式的方法,在利用Dempster组合规则进行证据组合之前,将冲突焦元的基本概率赋值部分转移到焦元并集,采用证据之间的冲突额度来确定证据组合顺序.由于该方法将冲突化解为不确定的知识表示,可以处理冲突证据的组合问题.     

基于D-S证据理论的火灾检测方法研究

从多传感器信息融合的角度出发,重点研究了一种解决不确定性问题的有力方法-证据理论方法。结合火灾发生理论和传感器特性以及广泛的专家经验和重大火灾事故的经验总结,将D-S证据理论应用于多传感器信息融合,选取合适的基本概率分配函数。     

基于D-S证据理论的特征融合车标识别方法

在针对现有的智能交通对车辆多维信息识别存在识别精度不高的情况,特别是对于车标识别,很大程度上识别结果依赖于高分辨和高质量的图像.提出了一种新的车标识别方法,用于识别卡口捕获的低质量车标图像,该方法是基于D-S证据理论的特征融合方法,提取Hu不变矩和HOG特征,采用不同的分类器构造基本概率分配（BPA）,采用改进D-S证据理论进行融合,根据判别规则给出最终的识别结果.通过实验证明在低分辨的情况下仍能保持较高的准确率,分类准确率达94.29%,相比单一的特征识别,具有更强的鲁棒性.     

基于D-S证据理论的融合图像隐写分析

提出一种基于证据权的D-S证据理论的图像隐写分析方法,首先在空域,离散余弦变换（DOT）域和离散小波变换（DWT）域分别提取图像特征并各自进行预分类;然后对各域分类结果进行基本概率分配并进行证据权修正。利用D—S组合规则计算融合概率分配函数,形成最终的决策级融合分类结果．针对典型的隐写方法（如F5,JPHide,Jstego和YASS算法）进行检测,仿真结果显示,所提出的方法能显著提高单分类器的性能．     

D-S证据理论在目标识别中的应用

D-S证据理论的应用过程与事件密切相关,针对目标识别这一特定领城,研究了证据理论中基本概率赋值的获取、组合规则及决策规则等问题.识别实例中,利用灰关联分析法来处理基本概率赋值的问题,对多传感器基本概率赋值进行组合后,最终通过决策完成对2种车型的类型识别,经计算仿真表明,D-S证据理论在目标识别中具有一定的有效性和优越性.     

基于证据可信度的D-S证据理论合成规则

Dempster合成规则是一种经典D-S理论的合成规则,但在参与合成的证据间具有较大的不一致性或冲突时,则不能使用或得出明显不合理的结果,引起错误决策。为了解决冲突证据的合成问题,提出了一种基于证据可信度的合成规则。通过算例仿真,该规则可以有效解决两个或两个以上的证据冲突问题,而且计算简单,计算量小。     

基于D-S证据理论的网络安全态势预测方法研究

为了获取网络在未来一段时间内的安全态势状况,提出了一种基于D-S证据理论的网络安全态势预测方法.构建了基于D-S证据理论的网络安全态势预测模型,用于融合历史和当前网络安全态势对未来网络安全态势的影响,降低其中的不确定性,获得下一时刻网络处于各类安全状态的概率,避免对网络安全态势的绝对预测.通过实验验证了该方法的有效性和准确性,为网络安全态势预测提供了一种新思路.     

基于D-S证据理论对超市消费者购物分析

介绍了D-S证据理论的基本原理,结合超市消费者需求情况,给出了一个利用D-S证据理论来对消费者购买商品不确定性的确定性计算算法。     

基于D-S证据理论的多属性多人决策方法及其应用

针对多人多属性决策问题,提出了一种新的基于DS证据理论的方法。该方法综合考虑了多个决策者的主观偏好,并将主观信息与客观信息进行集成。最后,给出一个应用实例和计算结果。     

一种D-S证据理论的多传感器数据融合算法

针对多传感器网络中采集的数据存在的不确定性,提出了一种基于D-S证据理论的多传感器数据融合算法.该算法分同类数据融合和异类数据融合两步,首先对多传感器得到的数据取特征值,通过计算同种数据间的距离,得到信任函数并设置阈值剔除异常值,将得到的正常同类数据进行初步融合.其次,计算异类数据与各等级特征值间的距离,对得到的距离求...     

D-S证据理论的改进算法在时-空信息融合中的应用

研究基于D—S证据理论的时-空信息融合,即多传感器多测量周期的信息融合,给出了三种时-空信息融合的方法：集中式、分布式无反馈和有反馈的融合算法。采用这些传统的时-空信息融合方法时,最终的融合结果会产生概率分配过分集中的现象,而且证据冲突时还会产生有悖常理的结果。本文在传统证据理论的合成公式的基础上给出了一个有效的合成规则,并由此提出了改进的融合方法。证据冲突的概率按照各个命题的平均支持程度加权进行分配,从而提高了融合结果的可靠性与合理性。     

不一致决策表下基于D-S证据理论的知识约简

对于一致决策表,基于D-S证据理论的知识约简与代数约简所得的结果是一致的,对于不一致决策表,它们并不完全一致.本文通过具体算例说明了基于D-S证据理论的广义决策约简与代数约简的在不一致决策表下的差异性.理论上证明了广义决策约简仅与分配约简是等价的,提出一种基于D-S证据理论求代数约简的方法.理论分析和算例都证明了本文方法的正确性.     

D-S证据理论修正模型的探讨

论文针对D-S证据理论,分析了Dempster的修正模型在证据高度冲突方面的缺陷,提出了一种新的基于D-S证据理论的合成规则。实验结果也表明,这种新的合成规则不但比较好地综合保留了修正模型的优点,又避免其不足,取得了更加合理的效果。     

一种基于改进证据理论的推理决策方法

针对证据理论的Zadeh悖论问题,提出了一种基于冲突一致度与交并集动态调整的推理决策方法。首先,该方法基于对冲突度与一致度的综合考虑,引入冲突一致度的概念,并基于冲突一致度对多源证据进行折扣操作。其次,基于交并集权重的动态调整对多源证据进行融合。然后,基于最大信任做出推理决策。最后,使用MATLAB构建仿真算例来对提出的方法与典型的证据合成方法进行比较验证。实验表明,该方法切实有效,能够避免悖论问题的产生,推理结果的区分能力优于典型方法。     

基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

D-S证据推理的决策问题

在处理不确定信息的方法中,D-S证据推理性能突出,应用广泛。但也存在决策方面的困难,事实上,有效的决策方法仍是它未解决的问题之一。该文从两方面研究了这一问题。首先根据测度论中代数(域)扩张理论,引入决策命题集的概念,对决策命题加以约束;其次分析了现有的决策方法,对线性加权组合决策方法提出了改进,并结合应用实例给出了详细可行的算法。     

基于D-S证据理论的指纹图像分割方法

在对D-S证据理论进行简单分析之后，针对指纹图像提出了一种基于D-S证据理论的图像分割算法．该方法使用方向性和对比度两个信息分别作为两个分类器的特征，并利用模糊规则求出各分类器的基本概率分配函数，最后利用D-S证据理论的合成法则将两个分类器的结果进行融合判决．该方法具有较高的稳健性和精确度，最后给出的实验结果验证了算法的有效性．     

基于D-S证据理论的图像修复算法

图像的修复质量容易受到待修复区域边界上修复顺序的影响。针对该问题,提出一种基于D-S证据理论的图像修复算法。通过分析待修复区域像素点所在模块周围的图像特征,考虑图像修复优先级计算中纹理特征和结构特征各自所占的比重问题,采用D-S证据理论改进修复算法的优先级计算。实验结果表明,该算法能有效提高图像的修复效果。