利用模糊证据理论的信息融合方法及其应用

提出了一种基于模糊集合和证据理论的信息融合方法.针对证据理论应用中基本概率指派函数(mass函数)以及多传感器信息融合中各个传感器测量数据的可信度均难以确定的问题,首先利用传感器测量信息的不确定性得到辨识框架的隶属度函数;然后利用隶属度函数构造证据理论的mass函数;再根据各mass函数之间的距离评估各传感器的相对可信度,在此基础上对各个证据进行折扣,利用基于折扣系数法的改进证据理论组合规则对多传感器信息进行融合.最后将所提出的方法应用于目标识别系统中.仿真结果表明,在证据高度冲突时,该方法仍能正确识别目标,提高了信息融合系统的稳定性.     

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.     

信息融合中传感器可信度的动态确定及应用

基于经典冲突系数和证据距离函数给出的修正冲突系数,提出了确定传感器动态可信度的方法.将所提出的方法应用到目标识别系统中,算例表明:所提出的方法可以根据系统收集的传感器报告来确定各个传感器报告的可信度,在证据高度冲突情况下也能够正确识别目标.     

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。     

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。     

基于D-S证据理论的障碍目标身份识别

以越野环境中典型的障碍物为识别目标,选用单目视觉与激光扫描仪建立融合系统,基于D-S证据理论融合多传感器信息,实现UGV对障碍目标的身份识别。首先将每个传感器的观测数据从观测空间变换到证据空间,对每种身份分配一个基本概率赋值;融合系统再根据Dempster组合规则计算各个命题组合后的概率赋值函数和相应的信任度区间,然后计算综合概率赋值函数和信任度区间;最后根据计算结果和决策规则进行障碍身份识别。试验表明:该方法优于利用单个特征识别障碍物身份,能大大提高系统对于障碍物的识别分类能力。     

基于DSmT的不同时域多传感器目标识别方法研究

摘要：复杂的战场环境变化带来传感器证据冲突．DSmT既能够处理多源信息的模糊性和不确定性,也能处理高度冲突性．利用DSmT中的经典DSm组合规则和混合DSm组合规则,解决了不同传感器在不同时域的目标识别问题．     

基于信度函数的冲突证据组合新方法

为了有效地处理冲突证据,提出了一种基于信度函数的新方法．设计了一个证据信度函数,并用此函数来计算证据之间的后验权重分配．给出了先验权重和后验权重的合成方法,从而得到最终权重分配．采用最终权重对现有证据进行加权平均,并采用Dempster—shafer组合规则进行融合,从而得到最终融合结果．与其他方法相比,该方法考虑的因素更全面、适用性更强．实例表明,该方法能够比其他方法更快、更有效地识别出目标．     

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．     

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.     

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。     

证据冲突的衡量方法研究

对于有冲突的证据,D-S证据理论无法使用或得出错误的结果,解决该问题的基础首先是研究证据冲突的衡量方法.分析了D-S证据理论在合成冲突证据时遇到的问题,定义了一些衡量证据间冲突程度的参数,包括证据一致度、证据冲突度、证据冲突强度、证据冲突/一致度等.通过实例证实了这些参数能够较好地说明证据间存在冲突的程度.     

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。     

证据推理理论近似方法研究

Dempster-Shafer （DS）和Dezert-Smarandache （DSm）证据推理理论是信息融合的有力工具。针对在证据处理过程中证据数量多以及证据组合时焦元爆炸使计算量迅速增大的问题,对证据与焦元控制方法、规则近似方法和蒙特卡洛（Monte Carlo）方法三种方法在DS理论和DSm理论下进行了分类分析,指出了下一步值得研究的三个问题。这为证据推理理论不同近似方法的使用提供了理论参考。     

一种新的证据复合折扣合成方法

D-S证据理论是一种重要的决策级信息融合方法,但传统的Dempster证据合成规则会导致一些与直觉相悖的结果.针对该问题,在经典的Shafer折扣方法基础上,提出了一种综合可靠性和重要性因素的复合折扣因子计算方法.该方法首先借助证据包含度合理地定义了证据可靠性度量;然后综合证据清晰度、证据一致性和证据积累程度等因素,建立了证据重要性模型;最后两者通过乘法算子共同构成复合折扣因子.实验结果表明,文章方法的证据处理过程与生物学研究中人的信息积累过程一致,能够解决证据合成中的悖论问题,合成证据可靠有效.     

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。     

基于证据理论的信任模型中冲突证据

基于证据理论的信任模型是常用的信任模型之一,且证据理论是一种具有良好理论基础的不确定性推理方法。为了解决证据收集以及冲突证据合成可能会产生不合理结果的问题,通过改进证据收集方法提高证据质量,同时结合证据距离、相似度、支持度和可信度,在证据合成过程中将冲突证据进行重新分配。实验结果表明：改进的证据合成机制提高了合成证据的合理性,使得信任计算结果更为可信。     

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。