冲突证据组合方法

通过引入自冲突概念来刻画基本信任指派的自相矛盾程度,提出了一种权重分配准则,给出了计算权重的算法,可得到更为合理的组合结果.     

基于信任函数理论的修正融合目标识别算法

针对信任函数理论中经典Dempster组合规则难以有效融合高冲突证据并存在焦元基模糊问题,提出了一种基于信任函数理论的修正融合目标识别算法.修正融合算法在对相容命题进行组合时,考虑了焦元基的影响,使基本信任质量合理地向基数较小的焦元命题聚焦,以避免焦元基模糊问题;在对冲突命题进行组合时,对命题进行倾向性分析并对局部冲突采用局部分配的策略,以有效融合高冲突证据.算例与仿真比较分析验证了此修正融合目标识别算法的合理有效性和优越性.     

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。     

一种基于局部冲突分配的证据组合规则

Dempster-Shafer证据理论广泛应用于信息融合中, 但是在证据高冲突情况下基于经典D-S证据组合规则的融合结果存在问题。针对这一问题, 提出了一种基于局部冲突分配的证据组合规则。首先基于Jousselme证据距离获得各个证据体的信任度和加权平均证据, 然后由定义的焦元距求其每一个焦元的绝对距离, 并以此获得焦元信任度。最后实验结果表明, 所提算法提高了证据合成结果的可靠性和合理性。     

关于信任函数的若干结果

本文主要利用信任函数来研究专家系统中不确定性的推理，给出一个更一般的信任函数组合规则，还对带机重的专家知识的综合给出了权重信任函数的组合方法。最后，对文献（１）中关于条件信任函数的不合理性例子进行了进一步分析，还是在条件信任函数的基础上给出了一个符合直观理解的解释。     

一种新的处理冲突证据的方法

为了解决Dempster规则不能处理冲突证据的问题,引入目标的综合支持度,来刻画证据对目标的支持度的不同。利用目标的综合支持度,提出一种新的融合方法。新方法不但能够处理冲突证据,与其他方法比较,还具有更快的收敛速度。实验结果表明了新方法的有效性。     

解决冲突证据的两级组合方法

针对DS理论(DST)中Dempster组合规则在处理高冲突证据时的不足,提出一种解决冲突证据的两级组合方法。该方法将高冲突和低冲突区别对待,在第一级组合中采用基于DSm理论(DSmT)的PCR6规则,化解可能的高冲突证据;在第二级组合中采用Dempster规则,保证良好的收敛速度和计算性能,从而合理、有效地处理各种程度的冲突证据。通过算例分析验证了该方法的有效性。     

一种新的Dempster组合规则适用条件

针对传统方法中利用冲突衡量系数来判别Dempster组合规则适用性存在的指标意义不明确、阈值设定过于主观等问题,提出了一种新的Dempster组合规则适用条件。首先,提出了证据冲突不能用于判断Dempster组合规则的适用性;其次,分析了Dempster组合规则合成证据出现不合理结果的原因;最后,提出了适用条件。通过与同类Dempster适用性判断方法对比的结果表明,文中提出的Dempster组合规则适用条件意义明确、简单易行,并有较好的适用性与合理性。     

基于局部冲突分配策略的证据合成法则的改进

针对证据合成法则在证据高度冲突情况下常得出有悖常理的结论,通过理论分析、对比多种改进的合成方法,提出一种基于局部冲突分配策略的组合规则,采用以冲突焦元在局部冲突组合证据中所占的实际比值为权重的方法,将冲突在产生冲突焦元中分解。实验结果证明,即使在证据高度冲突的情况下,改进后的合成法则依然能够取得理想的合成结果。     

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。     

一种有效的证据理论合成公式

D-S证据理论是一种有用的不确定性推理方法,由于证据合成公式存在不足,影响了证据理论的应用。本文提出了一种有效的合成公式,即把支持证据冲突的概率按各个命题的平均支持程度加权进行分配。新的合成公式提高了合成结果的可靠性与合理性,即使对于高度冲突的证据,也能够取得理想的合成结果。     

基于信息熵测度的冲突证据合成方法

为了有效解决冲突证据的融合问题,在计算证据空间冲突向量的基础上,提出了一种基于信息熵测度的冲突证据合成方法.首先计算证据的信息熵获得该证据引起不确定性的度量,用信息熵计算证据空间赋予该证据的信任度,再用获得的信任度对数据模型进行加权处理,最后对处理后的证据运用D-S合成规则获得结果.实验表明该算法有效解决了冲突证据的合成问题,识别精度高、收敛速度快.     

基于冲突强度和非正则化的证据合成方法研究

证据推理广泛应用于不确定推理和数据融合等许多方面,但D-S合成规则对于高冲突证据的处理不是十分合理的。论文在分析D-S合成规则以及一些改进方法的基础上,提出了一种基于冲突强度和非正则化的冲突证据合成规则,并引入确定度的概念来衡量合成的效果。仿真实验结果表明,该规则比D-S合成规则有了明显的改进。     

证据合成的一种新的改进

在肖明珠等人提出的改进的相关证据合成公式基础上,指出其不足,并给出了改进的方法.而后又举了例子对两个方法进行了比较.     

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。     

一种改进的证据合成公式

针对Dempster公式,Yager公式和其他几种证据合成公式存在的不足,提出了一种改进的证据合成公式。该公式同时兼顾了多路冲突性和不冲突性证据,冲突性证据按加权平均合成,不冲突性证据按与运算合成并反映了相互间交叉融合的程度。改进的合成公式不仅反映了证据协调重合程度,保持了证据的聚焦趋向性,还能合成高度冲突的证据,提供的两个例子证明该合成公式具有很好的实用效果。     

基于Boost和信任函数的多文本分类器组合模型

人们对文本分类已经进行了大量的研究,取得很多研究成果,设计多种分类器,达到相当高的分类精确度。但使用单分类器进行文本分类有一些缺点,如分类模型对样本的敏感性,而且单分类器的分类精度很难再有很大的提高。因此,使用多分类器以提高分类的精度是一个非常活跃的研究领域。文章提出使用近年在传统概率统计方法之上发展起来的信任函数理论和方法对多个文本分类器进行组合使用。具体方法是使用信任函数将分类结果进行综合,得到最终的分类结果。实验证明,基于信任函数的信息综合方法比已有的方法更合理,精度也得到提高。     

D-S证据推理改进方法综述

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,因其归一化过程会产生有悖常理的无效结果。针对此问题,大家提出了许多不同的改进方法,基本上可以分为两类:修改证据及修改组合规则。论文总结了国内外典型文献并进行系统条理的分析,收集各方研究方法并逐步深入压缩提炼形成了一套系统清晰的解决相关问题的思路。并通过实例,比较检验了几种改进方法的有效性。