一种相关证据合成方法

提出了一种新的模型来表示证据保相关性的起源,其中两个相关证据被认为由一个独立源证据分别与两个相关源证据通过正交和合成得到。相关证据的合成可以归结为这三个源证据的正交和,为此首先要由相关证据和独立源证据辨识汀关源证据,这是语气理论中的反问题,给出了基于梯度的下降的辩识算法。从理论上证明了,即使辨识结果不唯一,合成结果是的唯一的,并针对一特殊情况,证明了辨识结果是唯一的。     

一种相关证据的合成规则

相关证据可视为两个独立源证据与同一相关源证据合成产生,基于这一假设,提出了合成规则的逆运算—–"去合成"规则,在此基础上提出一类相关证据的合成规则,避免了对相关源证据的重复计算.通过算例进一步验证了该方法的有效性.     

一种基于众信度函数的相关证据合成方法

实际应用中,Dempster规则要求的证据独立性可能难以满足.在相关源证据已知的假设条件下,基于证据的众信度函数,提出一种相关证据合成方法. 该方法无需辨识独立证据的过程,可直接得到解析的合成结果,并且对相关源证据的形式没有要求.最后通过算例验证了所提出方法的有效性.     

一种新的证据理论合成方法

针对证据理论中D-S规则无法有效处理冲突的问题,基于同时修正证据源和合成规则的原则,提出了一种新的证据合成方法。该方法把证据距离和相关系数相结合给出证据间相似度的计算公式,在此基础上得到证据可信度并对证据源进行修正,最后按合成规则进行合成。实验表明提出的方法是有效的,与其他方法相比,优势比较明显。     

模糊证据合成方法的研究

本文研究Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ理论中的证据合成问题。文中定义了模糊证据焦元的包含度，提出了一种模糊证据合成方法作为对Ｄｅｍｐｓｔｅｒ合成规则的一个推广，从而拓宽了证据理论的应用范围。     

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。     

一种改进的证据合成规则

就D-S证据合成规则对于冲突证据合成存在的不足,不少学者基于证据冲突概率再分配思想,提出了相应的修正证据合成规则。针对这些修正合成规则的不足,提出了一种改进的合成规则,该规则在综合考虑证据源可信度和证据支持度的基础上,分析证据集的有效性,合理地实现信息融合。数值实验结果表明,新的合成规则不仅克服了现有规则的不足,而且其结果向合理性方向收敛度好,提高了系统的鲁棒性。     

一种改进的证据合成方法

D-S证据理论不能很好地描述证据之间的冲突, 而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题, 提出了一种改进的证据合成方法。首先建立余弦相似度空间, 利用证据向量之间的夹角余弦度量证据相似性程度, 通过冲突证据检测因子对其进行分类; 然后引入冲突比例因子决定证据的修正方法, 利用相似度对其进行局部修正或全局修正; 最后将修正后的证据代入D-S公式进行合成。应用实例证明, 该方法能够判定冲突证据, 实现冲突证据和相似性证据的合成, 具有较好的稳定性、分类精度和收敛速度。     

一种有效折扣证据源的冲突证据合成方法

为解决证据组合规则中一票否决和弱决策证据在低冲突情况下出现的反直观推理的现象，提出一种有效折扣证据源的冲突证据合成方法。首先根据证据的信任函数和似然函数求得证据间的相似度，然后求出证据之间的支持程度，并确定折扣因子，最后采用Dempster组合规则合成利用折扣因子修正后的证据源。数值算例分析结果表明，改进后的证据组合方法可以有效地处理证据冲突。     

一种基于近邻思想的证据合成规则

D-S证据合成规则在遇到冲突证据时常有悖常理。针对现有规则的不足,通过理论分析和对几种常用组合规则的比较,提出一种基于近邻思想的冲突证据修正规则,综合考虑证据源的有效性和证据源间的距离,进行信息融合。实验结果表明,该规则对合理的合成方向具有较快的收敛速度,在证据源完全冲突的情况下也能适用。     

Dependent evidence combination based on decision-making trial and evaluation laboratory method

Dempster-Shafer is widely used to address the problems of uncertainty. One assumption mentioned in this theory is that the distribution of information should be independent. In practice, the requirement cannot be fulfilled. One of the efficient methods to deal with dependent evidence is to calculate the correlation discounting. However, existing coefficient can only be applied to show the direct relation between evidence A and B but do not take the indirect relationship into consideration. To address this issue, in this paper, a new method to combine dependent evidence based on decision-making trial and evaluation laboratory is presented, not only considering the relation between evidence A and B and the relation between evidence B and C, but also considering the transitive influence between evidence A and C. Finally, the experiments on some benchmark data sets are illustrated to show the efficiency of the proposed method.     

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.     

冲突证据融合的优化方法

多数研究者认为, 用修改数据模型(证据体)的方法来解决冲突证据组合问题较为合理. 然而, 已有的基于修改数据模型的方法仅考虑如何提高冲突证据组合结果的聚焦程度. 实际上, 它们并没有考虑如何通过修正来消减证据之间的冲突. 显然, 若融合结果由冲突证据组合得到, 那么其可信性必然较低且会给随后的融合过程带来较大的风险. 针对此问题, 沿用折扣系数法, 该文基于证据距离准则提出了一种折扣系数(可靠度)优化学习模型, 优化过程同时考虑提高聚焦程度和消减冲突, 通过使折扣修正后组合结果的基本概率赋值(Basic probability assignment, BPA)与直言BPA (Categorical BPA, CBPA)之间的距离最小来寻优, 其中证据可靠度大小的序关系作为约束条件, 它依据证据的虚假度确定. 典型算例验证了所提方法比现有的一些组合方法, 在聚焦能力和冲突消减两方面都更合理.     

基于未知扰动的冲突证据合成方法

自从发现Dempster合成可能导致悖论以来,冲突证据合成一直是Dempster-Shafer理论的重要研究方向之一,迄今尚未有统一的解决方法被广泛接受.提出一种新的冲突证据合成方法,即在Dempster合成之前,基于未知扰动对mass函数进行预处理,并通过预处理来解决标准化问题.与其他相关方法相比,这种新方法不仅和Dempster规则形式上一致,合成过程比较灵活,并且可以通过扩展的Bayes公式得到理论上的解释.     

一种DSm理论相关证据模型

DSm理论(Dezert-Smarandache Theory,DSmT)作为D-S(Dempster-Shafer)证据理论的推广,在进行多个证据合成时同样要求证据相互独立,这是一个非常苛刻的条件,在实际中很难满足.提出了在DSm理论框架中表示相关证据的一种模型,其中两个相关证据各由一个独立源证据和一个相关源证据正交和合成,相关证据的合成就归结为这两个独立源证据和这个相关源证据的正交和合成.为此就要先辨识出独立源证据.证明了在自由DSm模型中辨识结果的唯一条件,并针对条件不满足的情况提出了一种近似的解决方法.     

基于证据可信度的证据合成新方法

Dempster-Shafer理论合成高冲突证据时结果不合常理, 许多改进方法能较好地解决这一问题, 但证据比较一致时, 这些方法性能相对于Dempster-Shafer合成规则较差. 鉴于此, 提出了一种基于证据可信度的证据合成方法.首先建立一个证据距离矩阵, 之后求出系统中各证据到证据集的均方欧式距离, 通过引入可信度函数来获得证据源的可信度因子"并对证据源进行修正, 最后使用Dempster-Shafer合成公式对修正后的证据加以合成. 数值实验结果 表明, 改进后的方法不仅适用于证据高冲突情况, 而且也适用于证据比较一致的情况.     

一种基于证据理论的数据融合新算法研究

从决策级层次出发,给出一种新的基于证据理论的多传感数据融合算法.从传感器的重要度和各证据的可信度两方面综合考虑对融合结果的影响,并根据传感网络的实际应用情况给出了反映传感器重要度及证据可信度的融合系数,引入未知项,使新的算法能更好地实现多传感器的数据融合.通过举例与分析表明新算法能较好地解决证据冲突引起的失效问题.     

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。     

基于证据理论处理移动机器人视觉信息的一种方法

本文阐述了一种表示多源视觉传感信息的有效方法和一种基于Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论的多传感器信息融合技术。着重分析了移动机器人视觉传感器信息中存在的相关性及其解决方法，提出了相关函数、相关证据等概念，并针对证据之间存在的相关性给出了一种改进的综合函数。     

基于广义Jaccard系数处理冲突证据方法

为了更好的处理运用D-S证据理论时出现高度冲突证据的情况,提出了一种基于广义Jaccard系数的加权组合方法。该方法利用广义的Jaccard系数公式求出各个证据体的权值,提高相近识别结果的证据体支持度;然后对证据体的权值归一化处理、加权平均,减少算法的复杂度;最后利用标准的D-S合成规则进行多次信息融合,进一步减小冲突证据的影响,从而给出符合实际的辨识结论。详细介绍了该方法的理论推导过程和具体计算步骤。实际案例计算表明:该方法相较于其他改进方法,在处理不相关性冲突证据方面更具有简单性、实用性以及高效性。