基于信息总不确定度的冲突证据组合修正方法

现有的冲突证据组合修正方法仅从证据距离、模糊度等描述信息不确定性的一个或几个方面对证据体的基本概率分配函数进行修正,对证据的关联性考虑不够充分。该文提出基于信息总不确定度的冲突证据组合修正新方法。该文在笛卡尔乘积的基础上定义提出组合总不确定度的概念,并给出根据融合前各证据体总不确定度预测融合后证据体组合总不确定度值域的方法。对冲突证据,利用各证据体总不确定度与组合总不确定度的比值,求出对证据基本概率分配函数的修正权重,再根据Dempster规则进行加权平均组合。信息融合的算例分析结果表明,与现有方法相比,该方法融合结果的总不确定度更小,更有利于融合结果的后续决策分析与数据应用。     

一种基于马氏距离的冲突证据组合方法

D-S证据理论是高层数据融合中一种重要的处理不确定性问题的方法。但在使用D-S证据理论处理高冲突信息时,经常得出与直觉相悖的结论。证据理论不能有效处理高冲突证据的特点极大制约了其应用,当前研究主要对原始证据源进行修改。提出了一种基于马氏距离确权的组合方法,通过合理度量冲突大小,对原始证据源进行加权修正。经过数值分析,新的组合方法在应对敌对干扰等突发高冲突时性能得到明显改进。     

多传感器信息融合中的证据冲突判决方法

为了提高多传感器信息融合中冲突判决的准确性,提出了用多个证据冲突函数对证据冲突进行判决。首先分析证据冲突机理,指出证据冲突与证据间命题差异和潜在冲突有关,应在多证据组合情况下衡量证据冲突程度。然后给出多个证据冲突函数解决证据组合时冲突判决问题。最后通过仿真验证了该方法的有效性。     

冲突证据的目标识别系统的研究

目标识别系统中的不确定性信息常常表现为模糊性和冲突性信息.提出了一种在证据理论框架下实现模糊信息融合的方法.针对决策级信息融合中的冲突证据组合问题进行了深入的研究.在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法.该方法采用先验概率加权与实际战场环境模糊加权相结合,最后采用归一化的可信度对证据进行加权平均并进行DS融合.仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果.     

基于改进D-S证据理论的认知无线电频谱感知算法

在把D-S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结果并不理想.为了解决上述问题,对D-S证据理论的证据组合规则进行了改进,给出了一个在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频谱感知中.MAT-LAB仿真测试与结果分析表明改进算法提高了频谱感知性能.     

一种基于局部冲突分配的DST组合规则

 冲突证据融合是信息融合中一个非常重要但始终没有很好地解决的问题.本文从选择有效的冲突衡量参数的角度出发,分析了悖论与证据冲突的关系,给出了新的冲突衡量参数,并基于此参数提出了一种新的基于局部冲突分配策略的证据推理组合规则.大量实例表明,提出的证据推理组合规则能够解决现有的证据理论悖论问题,是一种较为通用的证据推理组合规则.     

互补证据组合规则

针对Dempster组合规则"一票否决"和现有修正方法主观分配冲突信息的缺点,提出一种全新的证据组合方法.新方法直接利用定义的互补证据进行融合,不再采用Dempster组合规则中的纯乘性策略组合证据,成功解决了"一票否决"问题.并将冲突信息转化为证据权重融入组合规则进行直接融合,不再主观分配其信度.新的组合规则是一类广义的加性集成算子,既满足交换律又满足结合律,既能够直接组合单类证据,也能够基于TBM组合复合类证据.通过多传感器融合识别算例,验证和对比分析了新的组合规则的优势.     

改进的二元组冲突表示方法

D-S证据理论可以有效表示随机性和模糊性的不确定信息,可以在不需要先验信息的情况下对证据进行组合,这些优点使得该理论被广泛应用于信息融合的各个领域。但是在实际应用中,D-S证据理论中的组合规则无法有效融合冲突信息,为此研究人员在组合规则改进或是数据模型修改两个方面提出了很多改进方法,但却忽视了对冲突本身的研究。首先分析了证据理论中经典冲突系数的不足,而后引入证据距离,结合经典冲突系数提出了一个改进的二元组来描述证据冲突,新的二元组冲突表示可以更好地度量证据之间的冲突,而且对Dempster组合规则的适用性具有指导意义。算例说明了新的冲突表示方法的有效性。     

一种有效处理冲突证据的组合方法

针对证据理论应用过程中,冲突证据的组合问题和基本概率赋值函数难以确定的问题,提出了一种新的冲突证据的组合方法。该方法以修改模型为基础,而不改变Dempster组合规则的结构。首先,在充分考虑焦元属性之间及证据之间的相互关联性基础上,引入证据体距离函数,然后,求出系统中各证据被其他证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,再将平均证据代替冲突证据,最后利用Dempster组合规则实现信息融合。通过仿真实验,将该方法与现有方法进行了分析比较,结果表明应用该方法是一种有效可行的证据组合方法。     

基于信任度和虚假度的证据组合方法

D-S证据理论在信息融合领域有着广泛的应用,但使用Dempster组合规则对高冲突证据进行合成时可能会得到反直观的结果,在应用中也存在“一票否决”的问题,为解决这些问题,提出一种改进的基于证据信任度和虚假度的证据加权组合方法。首先在证据相关系数的基础上定义了证据信任度,再结合证据虚假度的概念来确定各原始证据的权重,依此权重系数对各证据进行加权平均后利用Dempster组合规则对加权平均证据进行组合。数值算例表明,该组合方法可实现冲突证据的有效融合,与其他方法相比该方法具有更好的收敛性。     

一种新的基于权重系数的证据理论合成方法

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,因此不同证据源的冲突处理成为数据融合的主要问题之一。基于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数,提高了证据合成的可靠性和合理性,得到更为理想的合成结果。     

Multivariate mutual information for audio video fusion

Information fusion is one of the essential part of distributed wireless sensor networks as well as perceptual user interfaces. Irrelevant and redundant data severely affect the performance of the information fusion process. In this paper, a method based on multivariate mutual information is presented to validate the acceptability of data from two sources (visual and auditory). The audiovisual information is fused to observe the ventriloquism effect to validate the algorithm. Unlike the preceding algorithms, this framework does not require any preprocessing such as automatic face recognition. Moreover, statistical modeling or feature extraction and learning algorithms are not required to extract the maximum information regions. The results for various cases, containing a single speaker as well as a group of speakers, are also presented.     

在大型油浸式电力变压器故障诊断中信息融合技术的应用

根据变压器运行原理和结构特点，将信息融合思想引入到变压器的故障诊断中，建立基于信息融合技术的故障诊断模式，即通过曲面拟合算法和证据推理技术从不同侧面，充分利用各种特征信息对变压器的故障进行诊断，来有效地提高确诊率。     

基于D-S证据理论的网络表示融合方法

随着网络表示学习技术的发展,在网络结构信息的基础上,越来越多的研究者考虑融入额外辅助信息来提升网络表示效果.针对现有网络表示学习方法中对于多属性特征融合缺乏冲突判别与评价指标的问题,本文在已有研究基础上,提出一种基于D-S证据理论的网络表示融合方法.本方法首先通过SVM算法给出不同属性信息对融合表示结果的支持度,然后利用证据组合规则计算网络表示学习中的融合评价指标,并依据混淆矩阵考虑各类别在节点分类中的局部可信度.在3类数据集上的仿真实验表明：本方法对于检测网络表示融合中的冲突,提高表示融合效果具有一定的指导意义.     

Markov chain model for multimodal biometric rank fusion

Multimodal biometric aims at increasing reliability of biometric systems through utilizing more than one biometric in decision-making process. An effective fusion scheme is necessary for combining information from various sources. Such information can be integrated at several distinct levels, such as sensor level, feature level, match score level, rank level, and decision level. In this paper, we present a multimodal biometric system utilizing face, iris, and ear biometric features through rank level fusion method using novel Markov chain approach. We first apply fisherimage technique to face and ear image databases for recognition and Hough transform and Hamming distance techniques for iris image recognition. The main contribution is in introducing Markov chain approach for biometric rank aggregation. One of the distinctive features of this method is that it satisfies the Condorcet criterion, which is essential in any fair rank aggregation system. The experimentation shows superiority of the proposed approach to other recently introduced biometric rank aggregation methods. The developed system can be effectively used by security and intelligence services for controlling access to prohibited areas and protecting important national or public information.     

基于D-S证据理论的多传感器数据融合

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,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。     

Correlation-based identification approach for multimodal biometric fusion

Information fusion is a key step in multimodal biometric systems. The feature-level fusion is more effective than the score-level and decision-level method owing to the fact that the original feature set contains richer information about the biometric data. In this paper, we present a multiset generalized canonical discriminant projection (MGCDP) method for feature-level multimodal biometric information fusion, which maximizes the correlation of the intra-class features while minimizes the correlation of the between-class. In addition, the serial MGCDP (S-MGCDP) and parallel MGCDP (P-MGCDP) strategy were also proposed, which can fuse more than two kinds of biometric information, so as to achieve better identification effect. Experiments performed on various biometric databases shows that MGCDP method outperforms other state-of-the-art feature-level information fusion approaches.     

基于证据理论的跟踪辅助目标识别

为提高目标属性识别精度,本文以证据理论为基础,提出一种跟踪辅助目标识别方法。通过在属性融合中引入目标的跟踪信息,增加了属性融合空间的维数,改进了目标的识别性能,提高了目标的识别正确度。实验结果证明了这一方法的有效性,特别是在属性测量传感器较少的情况下,这一方法更有其实际意义。     

Comprehensive review on fusion techniques for spatial information enhancement in hyperspectral imagery

The volume of data grows with the advent of multiple types of remote sensing sensors and in order to extract the most useful information there is a need to combine the data gathered from the different sources. The widely used panchromatic and multispectral imageries in many applications offer decimetric and metric spatial resolution. However, the spectral resolution of these images is poor. Hyperspectral imaging has unique characteristics of providing very fine spectral resolution in a large number of bands with decametric spatial resolution and found to be highly useful for a wide span of application areas that requires high spectral resolution. The fusion of spectral and spatial information provides an effective way of enhancing the spatial quality of hyperspectral imagery as well as a method for preserving spectral quality. This fusion process is not a trivial task as always there has been a tradeoff between the preservation of spatial and spectral quality information as in the original sources of fusion. In this paper, a review on hyperspectral pansharpening and hyperspectral multispectral fusion based approaches has been reported. The widely adopted quantitative and qualitative performance measures to verify the fusion results are highlighted. In addition, the challenges in existing fusion techniques have also been discussed.     

基于Dempster-Shafer证据推理的多传感器信息融合技术及应用

本文详细阐明了基于D-S证据推理的多传感器信息融合的原理及目标识别的方法.同时,介绍了其在雷达目标融合识别中的应用.