一种新的基于局部冲突分配的证据合成规则

文章在综合考虑融合系统中2个证据体各焦元在辨识空间所占比例,以及待合成的2个证据体对同一事件基本概率指派的相似性条件下,获得了对局部冲突的分配系数.然后通过冲突局部分配的方法对证据进行合成.计算结果表明:该算法克服了现有证据合成规则对冲突证据融合结果不理想的情况,有效地降低了决策风险,具有良好的收敛性.     

一种冲突证据的融合方法

针对D-S证据理论的冲突证据融合问题进行了研究,通过对证据进行冲突检验及修正弥补了D-S证据理论在处理冲突证据时的不足。采用了加性策略对事件进行排序的方法,找出证据支持最大的q个事件,就是最有可能是识别结论的q个事件,对其进行冲突检验及修正。解决了D-S证据合成方法组合冲突证据时出现的问题,保证了非冲突证据的有效合成。通过仿真试验表明该算法能有效地排除干扰,得出了符合实际的组合结果。     

D-S证据理论合成规则的一些修正

在多传感器数据融合中，D-S证据理论对于处理不确定性问题是一种有用的方法。但是，D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进，但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题，针对时域冲突的特点提出一种新的合成规则改进方法，由此弥补了D-S理论和Yager合成公式的不足，对于在时域上高度冲突甚至完全冲突的证据，能够取得理想的结果。     

D-S证据理论中冲突证据的合成方法

针对高度冲突证据的合成问题,分析了D-S合成方法及其改进方法的不足,提出了一种新的改进方法。新方法仍利用D-S合成公式,但针对该公式要求参与合成的各证据需具有相同重要程度的要求,考虑到融合系统中各证据的重要程度可能不同,直接利用公式合成可能得到与实际相悖的结论,因而引入证据权的概念,给出了证据权的具体算法,通过证据权对已有的基本可信度分配函数进行修正得到了重要性相同的新的证据的基本可信度分配模型。最后通过算例比较表明新方法的合成结果更为理想。     

基于规范分解的证据合成悖论分析

利用Dempster合成规则组合证据时,有可能会出现合成悖论,且其表现形式多样,很难直接获得它们之间的规律或关系.对此,利用规范分解法将证据的基本信任分配转换为一组广义简单支持函数的组合形式.从2个典型反例分析入手,得出它们都存在信任忽略这一共同问题,在此基础上进一步总结出了Ⅰ类和Ⅱ类2种信任忽略形式及其发生的规律.对Ⅱ类信任忽略进一步分析,给出了不会发生Ⅱ类信任忽略的一般性结论.为更合理地使用Dempster合成规则避免出现合成悖论提供了依据,也为更有效地改进证据组合方法提供了参考.     

D-S证据理论合成规则的一些修正

在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有用的方法。但是,D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进,但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题,针对时域冲突的特点提出一种新的合成规则改进方法,由此弥补了D-S理论和Yager合成公式的不足,对于在时域上高度冲突甚至完全冲突的证据,能够取得理想的结果。     

一种改进的冲突证据判别方法

根据证据冲突程度选用不同融合规则可有效解决Dempster规则难以处理冲突证据的问题,但前提需要对冲突证据做出正确判别。分析了目前常见的几种冲突证据判别方法存在的局限,借鉴Murphy规则平均信度优先的设计思想,提出了一种改进的冲突证据判别方法。实例表明：采用这种改进的判别法衡量证据冲突对融合结果的影响,可获得满意的效果。     

一种基于D-S证据理论的QoS可信度评估方法

为识别虚假QoS信息并识别Web服务间的共谋欺骗行为,提出了一种基于D-S证据理论的QoS可信度评估方法．该方法从公共信任(即基于服务间的历史交互记录)和私有信任(即基于服务自身交互经验)两方面评估QoS可信度,量化QoS信息,并以此判定QoS真实性,揭露和辟除Web服务间的共谋欺骗行为．仿真实验表明:该方法随着Web服务交互次数的增加,可信服务请求成功率也逐步上升,且要高于基于用户反馈的方法(即无法识别虚假、恶意服务的传统方法)．实验结果初步验证了该方法的可行性和有效性．     

无线传感器网络中一种基于D-S证据理论的监测机制

针对现有的信任模型不能快速有效处理WSNs中的恶意节点以及证据组合时可能会出现的反直观结果问题,本文提出了一种基于改进D-S证据理论的信任模型。结合D-S证据理论本身所存在的缺陷,本文对其合成规则进行了修正。基于修正的D-S证据理论,设计了WSNs中识别和隔离行为不良节点的监测机制,并且对该监测机制进行了仿真分析。仿真结果表明,该机制能够快速准确的发现和隔离恶意节点,而且在一定程度上抑制了恶意节点的共谋,提高了网络的性能。同其他信任模型相比,该机制更具安全性、健壮性和准确性。     

用D-S证据理论方法实现多传感器数据融合

对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ,并将其应用于飞机目标识别的数据融合中。结果证明 ,多传感器融合后降低了识别结果的不确定性 ,较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法     

利用奇异值和虚假度的证据组合方法

针对现有的修正证据源方法多从单一的角度对证据进行评价,存在一定不足的问题,提出了一种基于奇异值和虚假度的证据组合新方法.首先,利用证据的基本概率分配（BPA）矩阵最小奇异值来衡量两两证据之间的冲突,并以此为基础定义了证据的可信度;接着引入证据虚假度对可信度进行修正,进而生成证据权重;再利用分配的权重对各证据BPA进行加权平均;最后通过Dempster组合规则对加权平均后的BPA进行合成.数值算例结果表明,该方法能够有效地对冲突证据进行组合,且具有更快的收敛速度和更好的聚焦效果.     

证据推理理论组合规则评价方法研究

证据推理理论(包括DS理论和DSm理论)是处理不确定信息的重要方法,其组合规则性能的好坏直接影响推理结果.为了有效评价证据推理理论组合规则的性质,总结了基于DS理论的组合规则评价方法存在的问题,并深入分析了问题出现的原因;根据DSm理论的特点,提出了基于DSm理论组合规则的评价方法.该评价方法主要从冲突证据处理、证据时序性和计算量3个方面对基于DS理论的组合规则评价方法进行了改进.     

改进的冲突证据组合规则

针对信息融合中冲突证据的组合问题,提出一种新的利用均衡信度分配准则的冲突证据组合方案．首先分析原始Dempster组合规则及其改进组合规则的不足,然后利用均衡信度分配准则合成新的mass函数,最后数值实验表明新组合方法有效地解决了现有Dempster证据组合规则中存在的Zadeh悖论、一票否决、鲁棒性和公平性等不足．     

基于交并集加权的证据组合方法及其应用

针对D-S证据组合规则在证据高度冲突时会导致错误结论这一问题,结合自动目标识别系统的实际需求,提出了一种新的证据组合规则.该方法首先将交集组合规则和并集组合规则进行适当加权,然后根据组合后的证据中各单元素命题的相对可信任度,将多元素命题的基本概率指派函数(mass函数)按比例分配给它的单元素子集,从而确保目标识别系统能够在单元素命题间进行决策.仿真结果表明,该方法能够有效地解决证据高度冲突情况下的目标识别问题.     

基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

D S证据理论在多传感器身份融合中的改进

D-S证据理论是一种处理不确定性问题的有效方法,但是D-S证据理论组合规则的一些不足影响证据理论的应用。通过深入研究Dempster组合规则存在的问题,文章提出了一种新的基于Dempster组合规则的改进方法,理论分析和数值实验结果表明,改进后的方法弥补了Dempster组合规则不足,并能提高合成结果的可靠性。     

基于新的证据冲突表示的信息融合方法研究

DS证据理论为不确定信息的表达和合成提供了自然而强有力的方法,被广泛应用于信息融合的各个领域。但是在证据高度冲突情况下常常会导致错误的融合结果。文章首先分析经典证据理论中冲突系数的不足,引入证据距离函数表示证据之间的差异性,并提出了一种新的证据冲突表示方法,能更有效地度量证据的冲突程度。而后基于新的冲突表示方法,提出了一种新的冲突信息融合方法,该方法保持DS组合规则不变,对融合结果进行修正,能够有效解决证据高度冲突情况下的信息融合问题。最后通过算例验证了该方法的有效性。     

基于D-S证据理论的多类支持向量机融合方法

多源信息决策级融合是一种高层次、直接针对具体决策目标的融合,融合结果直接影响决策水平．针对决策级融合问题,提出了一种基于D-S证据理论的多类支持向量机融合方法．首先构造多个多类支持向量机分类器,然后采用一种新的基于成对类别概率的基本概率赋值方法,应用D-S证据理论将它们融合．仿真结果验证了该方法可以得到更高、更稳定的识别率．