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。     

基于距离测度的证据合成方法

为解决经典证据理论无法处理高度冲突证据的不足,提出了一种基于距离测度的证据合成方法。将证据视为空间向量,定义距离测度空间,计算空间中两两证据之间的距离,并通过距离测度矩阵确立证据之间的一致性测度,在此基础上求得辨识框架对各证据的支持度,通过归一化支持度得到证据一致性因子,以此作为冲突概率的分配权重,最后给出改进的证据合成公式。数值算例证明了改进公式既能处理冲突证据,又能合成非冲突证据,与其他合成方法的比较验证了改进合成公式的有效性。     

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.     

决策距离修正下的弱决策证据合成方法

针对含弱决策的证据融合在低冲突情况下仍出现反直观结果的问题,提出一种决策距离修正下的证据合成方法.首先,给出弱决策证据定义,提出一种名为决策距离的新度量方法,可表述单证据的决策,通过融合Jousselme距离可更有效地描述弱决策证据与其他证据间的差异;然后,根据检测弱决策证据和一票否决证据是否同时存在,提供两种不同的修正系数,可有效扩大多数证据与其他证据修正系数的差距,削弱一票否决证据的影响;最后,对证据源修正并合成.实验结果表明,该合成方法能较好地解决弱决策证据融合问题,融合结果收敛快,决策更可靠,不确定性小,是对现有研究的良好补充.     

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。     

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。     

一种基于证据预处理的组合方法

针对D-S证据理论在处理高度冲突证据时存在的不足,提出了一种新的基于证据预处理的组合方法.该方法根据各证据体与其余证据的冲突程度定义各证据体的可信度,利用证据体的可信度和原证据集中命题的支持度对原证据集进行预处理,然后对处理后的证据集采用D-S组合规则进行合成.此方法不仅有效地避免了在冲突证据合成时出现有悖常理的现象,又保留了经典D-S合成规则优越的信息聚焦性能.通过算例验证了新方法合成结果的可靠性与有效性.     

证据理论合成规则的改进

针对D—S证据组合规则和其他一些改进的组合规则存在的不足,提出了两种改进的证据合成规则。该规则在兼顾多路冲突性和一致性证据的基础上,引入了证据距离、证据源之间的一致性程度和证据源的可信度,对冲突性证据以证据源的可信度加权合成,对一致性证据采用反映聚焦程度的与运算。理论分析和数值实验表明改进后的规则对高冲突性证据和一致性证据都非常有效,特别对高冲突性证据,该规则能更快地收敛到合理的目标。     

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。     

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。     

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。     

基于交补集和Pignistic变换的证据组合方法

针对D-S证据组合公式及其改进公式的局限性,提出一种基于交补集权重和Pignistic概率变换的改进组合方法。基于交补集理论推导出新的基本概率分配函数,对交补集权重因子进行量化,得到基于交补集权重的证据组合公式,利用Pignistic概率变换法对已获得的各命题的信度值进行重新分配,以降低组合顺序对合成结果的影响,同时可获得更可靠的决策依据。实例分析结果表明,与其他改进方法相比,该组合方法在解决冲突证据、一票否决、鲁棒性、公平性和决策有效性等方面均有明显的优势。     

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。     

基于证据理论的多类分类支持向量机集成

针对多类分类问题,研究支持向量机集成中的分类器组合架构与方法.分析已有的多类级和两类级支持向量机集成架构的不足后,提出两层的集成架构.在此基础上,研究基于证据理论的支持向量机度量层输出信息融合方法,针对一对多与一对一两种多类扩展策略,分别定义基本概率分配函数,并根据证据冲突程度采用不同的证据组合规则.在一对多策略下,采用经典的Dempster规则;在一对一策略下则提出一条新的规则,以组合冲突严重的证据.实验表明,两层架构优于多类级架构,证据理论方法能有效地利用两类支持向量机的度量层输出信息,取得了满意的结果.     

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。     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

基于距离测度的D-S证据融合决策方法

针对多源信息融合结果并依据D-S证据结构进行决策的问题,提出一种基于距离测度的D-S证据决策方法.该方法结合决策基元和非决策基元的属性进行决策,将依据D-S证据的决策问题分解成两个层面：属性层面、证据层面.属性层面上,给出候选决策从证据焦元获得支持度的方法;证据层面上,基于辨识框架幂集的元素,构造一个证据焦元向量空间,引入候选决策的理想状态向量,定义距离测度,构建决策模型.最后,对多源水质监测信息融合结果进行决策分析,结果表明该方法是合理、有效的,且具有处理冲突或非冲突证据的优点.