Multi-sensor data fusion based on the belief divergence measure of evidences and the belief entropy

Multi-sensor data fusion technology plays an important role in real applications. Because of the flexibility and effectiveness in modeling and processing the uncertain information regardless of prior probabilities, Dempster–Shafer evidence theory is widely applied in a variety of fields of information fusion. However, counter-intuitive results may come out when fusing the highly conflicting evidences. In order to deal with this problem, a novel method for multi-sensor data fusion based on a new belief divergence measure of evidences and the belief entropy was proposed. First, a new Belief Jensen–Shannon divergence is devised to measure the discrepancy and conflict degree between the evidences; then, the credibility degree can be obtained to represent the reliability of the evidences. Next, considering the uncertainties of the evidences, the information volume of the evidences are measured by making use of the belief entropy to indicate the relative importance of the evidences. Afterwards, the credibility degree of each evidence is modified by taking advantage of the quantitative information volume which will be utilized to obtain an appropriate weight in terms of each evidence. Ultimately, the final weights of the evidences are applied to adjust the bodies of the evidences before using the Dempster’s combination rule. A numerical example is illustrated that the proposed method is feasible and effective in handling the conflicting evidences, where the belief value of target increases to 99.05%. Furthermore, an application in fault diagnosis is given to demonstrate the validity of the proposed method. The results show that the proposed method outperforms other related methods where the basic belief assignment (BBA) of the true target is 89.73%.     

基于信息融合的罪案关联证据推理模型

针对传统犯罪案件中出现的冲突证据难以处理的情况,提出一种基于证据可信度和灰色关联的冲突证据融合处理方法;基于相似性视角的灰色关联度作为证据间的联系,采用改变证据源的证据组合规则来衡量证据源中各个证据之间的贴近度;考虑到证据的可信度,提出新的基于证据贴近度的权重确定方法,以证据的可信度作为权重,对参与融合的证据的基本概率分配函数进行加权平均,使证据融合收敛速度更快,并提升融合效果.最后以安徽省某市的入室盗窃犯罪案件为例,运用基于信息融合的关联证据推理方法处理案件中的冲突证据问题,验证了所提出方法的合理性和有效性.     

基于新的证据冲突衡量的加权证据融合方法

对冲突证据使用Dempster-Shafer 证据理论进行融合的前提是对冲突证据作出正确衡量, 确定证据之间冲突的程度. 在分析现有的冲突衡量方法基础上, 提出一种基于新的证据冲突衡量的加权证据融合方法. 该方法通过相似性测度来衡量证据间的冲突程度; 然后确定各证据的可信度, 再加权修正证据; 最后用Dempster 组合规则进行融合. 算例表明, 该方法能正确衡量证据冲突程度, 有效地解决冲突证据的融合问题, 提高收敛速度和精度.

     

Measure information quality of basic probability assignment: An information volume method

Information quality is a concept that can be used to measure the information of probability distribution. Dempster-Shafer evidence theory can describe uncertain information more reasonably than probability theory. Therefore, it is a research hot spot to propose information quality applicable to evidence theory. Recently, Deng proposed the concept of information volume based on Deng entropy. It is worth noting that, compared with the Deng entropy, the information volume of the Deng entropy contains more information. Obviously, it may be more reasonable to use the information volume of Deng entropy to represent uncertain information. Therefore, this article proposes a new information quality, which is based on the information volume of Deng entropy. In addition, when the basic probability assignment (BPA) degenerates into a probability distribution, the proposed information quality is consistent with the information quality proposed by Yager and Petry. What’s more, based on the information quality of information volume, a correlation coefficient is proposed. After that, several numerical examples illustrate the effectiveness of this new method. Finally, a weight average fusion method based on information quality of information volume is proposed, and a target recognition task and a pattern recognition experiment are used to illustrate the efficiency of the method.

     

基于改进的无量纲指标信息融合故障诊断方法

针对无量纲指标信息的不确定会产生冲突证据的问题,提出一种基于改进证据理论的无量纲指标信息融合故障诊断方法.采用人工免疫算法构建原始证据;通过计算无量纲免疫检测器证据之间的相似度找出相似证据和冲突证据.保留相似证据,并利用可信度修正冲突证据,从而降低冲突证据对证据理论合成结果的影响.组合式旋转机械故障诊断试验验证本文方法有效.该方法能够明显提高故障诊断准确率.     

Evidence combination based on credibility and non-specificity

This paper addresses the combination of unreliable evidence sources which provide uncertain information in the form of basic probability assignment (BPA) functions. We proposed a novel evidence combination rule based on credibility and non-specificity of belief functions. Following a review of all existing non-specificity measures in evidence theory, a non-specificity measure for evidence theory is discussed. It is claimed that the non-specificity degree of a BPA is related to its ability of pointing to one and only one element. Based on the difference between the largest belief grades and other belief grades, a non-specificity measure is defined. Properties of the proposed non-specificity measure are put forward and proved mathematically. Illustrative examples are employed to show the properties of non-specificity measure. After providing a procedure for the evaluation of evidence credibility, we propose a novel evidence combination rule. Numerical example and application in target identification are applied to demonstrate the performance of our proposed evidence combination rule.     

直觉模糊框架内的证据动态可靠性评估及应用

基于证据理论与直觉模糊集之间的关系,提出了一种新的证据可靠性评估方法,该方法可以在先验知识缺乏的情况下,对各证据源的可靠性进行评估。首先,将证据理论中的基本概率赋值函数(Basic Probability Assignment,BPA)转化为直觉模糊集;然后,通过直觉模糊集之间的相似度度量对各BPA之间的相似度进行计算;在此基础上,提出证据支持度的概念,通过分析证据支持度与证据可靠性之间的关系,获得证据的相对可靠性和绝对可靠性;最后,基于证据折扣运算对原始证据进行修正,采用Dempster组合规则对修正后的证据进行组合。此外,基于直觉模糊框架内的证据可靠性评估,提出了一种多传感器融合方法,通过数值实验对该方法的性能进行了对比分析,结果表明,该方法可以实现对不可靠证据的有效评估。     

面向普适计算的扩展的证据理论方法

普适计算作为一种新型计算模式，从根本上改变人们对什么是计算的思考．由于它需对多源信息进行融合，因此该文作者认为它是一种包含融合计算的模式，能通过多层次、多视角的融合，为人们提供更方便的信任度高的访问信息和计算服务．基于普适计算应用的需要，该文讨论了扩展的证据理论方法，该方法采用可靠性因子评估多源证据觉察上下文信息；引入时效函数衡量多源证据的有效性与时间的关系，并将其组合到信任函数中，描述信任mass的时变规律；利用功率来度量多源证据觉察上下文信息间的相关程度，并通过去相关将其转化为相互独立的证据，扩展和完善了经典证据理论提供的方法，弥补了其不足之处，提高了不同应用场合下服务的质量(QoS)，确保了普适计算的服务宗旨．利用支持普适计算模式的智能空间中的场景，验证了扩展的有效性．     

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.     

基于平均偏离度的证据组合方法

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反直观的问题。针对这一问题, 提出一种基于平均偏离度的证据组合方法。首先引入证据距离函数获得各证据体的相互支持度, 并将支持度归一化为证据的信任度。对所有的证据进行信任度加权平均, 获得一个参考证据。然后利用该参考证据对各个原始证据进行偏离度的判定及修正。最后利用Dempster-Shafer规则完成证据的组合。实验结果表明, 新方法提高了融合结果的可靠性和合理性, 可以有效地处理高冲突证据。     

基于DPCA和改进证据理论的融合式故障诊断

为了利用同一设备的多源特征信息提高故障诊断的准确性,提出了一种基于动态主元分析法（DPCA）和改进证据理论的融合式故障诊断方法。该方法利用DPCA在多个层面对设备故障特征诊断构成多证据体,基于统计误差的证据权威性系数修正基本指派概率,提出了证据的时间权威性换算和冲突度的加权分配方法,改进了证据组合规则。实验结果表明,多信息源证据体的加权融合处理能够明显降低单一信息源诊断间的冲突,在融合可信度提高50%左右的同时不确定性大大降低,并且随着证据权威性的下降,诊断结果基本未受影响,该方法可以有效提高故障诊断的准确率。     

一种基于ISODATA聚类和改进相似度的证据推理方法

针对智能信息处理中Dempster组合规则不能处理高度冲突的问题, 从内、外证据不确定性分析的角度深入揭示了证据冲突产生的原因, 即证据的冲突性不仅仅根源于证据间的矛盾, 也与证据自身的不确定性密切相关, 提出了一种同时考虑证据自冲突和外部冲突的相似性测度, 然后利用新测度计算证据的众信度, 对证据源进行修正;与此同时, 根据原始证据间的聚类特性, 利用迭代自组织数据分析技术(Iterative selforganizing data analysis techniques algorithm, ISODATA)聚类方法进行聚类, 然后利用Dempster组合规则合成每一聚类中所有证据为证据代表, 并综合众信度和证据在该聚类的频度计算可靠度, 最后, 利用统一组合规则合成证据代表.并通过大量的算例, 同其他方法和自身改进前后进行深入比较, 优势比较明显, 有效地解决了冲突证据合成出现的问题.     

一种非对称的证据冲突度量方法

D-S 证据理论是一种重要的决策级信息融合方法, 冲突度量是该理论的重要组成部分. 已有冲突计算方法不具备非对称性, 在度量基本概率赋值与其他证据间冲突时无法体现相互间差异. 鉴于此, 提出一种非对称证据冲突度量方法. 该方法以冲突度量的非对称关系为基础, 通过向Jousselme 距离模型中引入包含关系矩阵和非包含度因子, 得所提出方法能够表达证据间相互支持程度的差异. 实验结果验证了所提出方法的有效性.

     

分组故障检测证据融合多星故障隔离算法

针对卫星导航星座数增加导致的多星故障率上升问题,提出一种分组故障检测证据融合多星故障隔离算法.该算法首先将可见星分组并作为证据,利用故障检测量计算每个证据的故障置信指派和正常置信指派;然后,针对加权分配冲突法融合结果受证据融合次序影响的问题,给出一种基于可靠程度的权值计算方法,实现加权分配冲突法的多证据融合,并得到当前卫星的单星故障置信指派和正常置信指派信息;最后,利用所有卫星的单星故障置信指派均值作为故障隔离阈值,实现故障卫星隔离.在GPS/BDS双星座导航模式下,对算法的分组个数与故障隔离效果关系进行分析,并将其与随机搜索法及置信指数法进行多星故障隔离效果对比,理论分析与实验结果表明所提出算法具有更高的准确性.     

基于多传感器数据融合技术的电子设备故障诊断

针对电子装备故障诊断中单一类型故障特征量和诊断方法无法完成诊断任务,导致故障诊断率不高的问题,将多传感器数据融合技术应用于多注速调管发射机装备故障诊断。构建故障诊断模型,提出把故障诊断过程分为两个层次。首先,借助不同的神经网络实现多输入信号的函数变换的功能,获得各种故障基本概率分配值;然后,在决策层利用D-S证据理论的合成法则将各神经网络诊断结果融合起来统一判决,得到最终综合诊断结果,通过实例仿真,并与初步诊断结果进行比较,结果表明早期故障识别率大大提高。     

考虑决策者时序偏好的时域证据融合方法

针对时域不确定信息的融合难题，为充分体现时域信息融合的动态性特点和时间因素对融合的影响，在证据理论的基础上，提出一种考虑决策者时序偏好的时域证据融合方法。首先将决策者对时序的偏好融入时域证据融合，通过分析时域证据序列的特点，在定义时序记忆因子的基础上，对决策者的时序偏好进行度量；然后通过构建优化模型求解时序权重，再结合证据信任度的概念，对证据源进行修正；最后利用Dempster组合规则对修正后的证据进行融合。数值算例表明，与没有考虑时间因素的融合方法相比，考虑决策者时序偏好的证据融合方法可以有效处理时域信息序列中的冲突信息，得到合理的融合结果；同时，所提方法充分考虑了时域证据序列的信任度和决策者的主观偏好，可以反映决策者主观因素对时域证据融合的影响，较好地体现了时域证据融合的动态性特点。     

基于分类优化的离散证据推理

离散信息在专家系统、模式识别、决策分析等领域普遍存在, 为了解决这类信息融合问题, 提出一种离散证据推理方法. 首先, 将每个离散证据拆分成一类单点值证据; 然后, 以冲突最小化为目标修正类内证据, 并采用证据推理进行组合; 最后, 以同样的方法对类间证据进行修正与组合. 所提出方法不仅可以解决离散证据的内外部冲突问题, 而且能够克服运算量过大的问题. 算例分析表明了所提出的方法是合理且有效的.

     

基于重合度的证据冲突度量方法

为更加准确、有效地描述证据间的冲突程度,提出一种新的证据冲突度量方法.该方法通过取小累加证据体之间两个相交为非空集的焦元BPA,得到证据重合度;然后基于其与证据冲突程度的关系,计算出证据冲突大小.实验结果表明,相比经典冲突系数与Jousselme证据距离,所提出的方法更加准确、有效.     

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.     

基于加权证据距离的高度冲突证据组合方法

为了有效融合高度冲突的证据,以Murphy方法和邓勇加权平均法为基础,提出了一种新的基于加权证据距离的证据组合方法。用Murphy方法确定各证据体的权重,采用修正的City Block距离加权平均求证据间的两两距离,进而获取各证据被其他所有证据支持的程度,归一化各证据的总支持度作为该证据的权重,对多源证据加权平均后再利用Dempster组合规则实现信息融合。实验结果表明,该方法能够更加有效快速地识别出目标,拥有更快的收敛速度。