一种基于“交并集”和Pignistic概率的证据冲突的改进方法

针对D-S证据理论无法解决高冲突证据的缺陷，通过对现有几种证据冲突的改进方法进行分析，提出了基于“交并集”和Pignistic概率的改进方法。本文放宽D-S组合规则的假设，只要求证据在组合时至少有一条是真实的，如果证据A和B相互支持，说明它们都是真实的，可以用“交集”运算将证据的信度聚焦在它们的芟集上；如果证据A和B相互冲突，表明不知道哪一条证据是真实的，则用“并集”运算将信度聚焦在它们的并集上，即证据支持A或B中的一个，这种思路更符合人类的直觉。由于在目标识别系统中，最终决策是单个待识目标，因此以还要用Pignistic概率转换法将多元素命题的BPA再分配给它的各个组合元素，最后，信度最高的元素作为结果进行输出。实验表明，本文方法在解决证据冲突方面较其他方法拥有明显的优势。使用本文方法时，证据的融合顺序对融合结果没有影响，因此可以很方便地编程实现。     

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.     

基于向量相似度的新的证据推理方法磁

D‐S证据理论在信息融合领域有着广泛的应用,但有时在应用过程中会遇到一些与人的逻辑思维不相符的情况,尤其是在证据高度冲突的情况下,针对这一问题论文提出了一种基于向量相似度的证据组合方法。该方法通过向量相似度定义了证据可信度并以此生成证据权重,基于所获权重对冲突因子进行分配,最后结合D‐S组合规则完成证据推理。算例分析表明新方法能有效处理几种常见的悖论与证据高度冲突的情况。     

降低相似度碰撞的证据融合方法

针对相似度碰撞引发证据融合结果错误的问题,提出一种新的证据融合方法。首先,提取证据的焦元序列特征并将其转化为排序矩阵以弥补证据相似度易碰撞的不足;其次,联合证据的排序矩阵和信息熵完成对证据权重的确定;最后,生成归一化证据（MAE）并使用Dempster融合公式将MAE融合n-1次获得最终的结果。基于在线的鸢尾花数据集对证据平均融合方法、余弦相似度证据融合方法、证据距离融合方法和证据信誉度融合方法进行了花类型识别准确性的F-Score对比,上述四种方法的F-Score分别为0.84、0.88、0.88和0.88,而所提方法的F-Score为0.91。实验结果表明,所提方法的决策准确率更高,融合结果更加可靠,能为证据决策提供了有效的解决方案。     

超幂集下角度相似度的证据冲突判定方法

针对传统证据间冲突大小判定方法的不足,结合DSm理论的特点,提出了超幂集下的角度相似度的证据冲突判定方法。该方法将证据看做向量,比较两条证据向量之间的角度余弦来判断两条证据间的相似程度,不仅能在Shafer模型下使用,而且还能在混合DSm模型和自由DSm模型下使用。实例分析验证了方法的有效性和适应性。     

一种改进的证据合成方法

D-S证据理论不能很好地描述证据之间的冲突, 而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题, 提出了一种改进的证据合成方法。首先建立余弦相似度空间, 利用证据向量之间的夹角余弦度量证据相似性程度, 通过冲突证据检测因子对其进行分类; 然后引入冲突比例因子决定证据的修正方法, 利用相似度对其进行局部修正或全局修正; 最后将修正后的证据代入D-S公式进行合成。应用实例证明, 该方法能够判定冲突证据, 实现冲突证据和相似性证据的合成, 具有较好的稳定性、分类精度和收敛速度。     

基于DS证据理论的复杂产品仿真可信度评估方法

计算机建模仿真已经发展为重要的产品开发和系统测试手段. 仿真可信度对于仿真结果非常重要,但评估仿真可信度的过程常常较为繁琐. 因此,需要一个能够便捷正确地评价仿真可信度的评估方法,来完成体系建立、定性定量评估、专家意见汇总等工作. 本文介绍了DS证据理论的原理及其应用,并对传统DS证据理论在评价系统中应用的局限性进行了改进,同时引入了凸证据作为辅助,建立了基于DS证据理论的复杂产品仿真可信度评估方法. 文章最后结合一个算例具体说明了该理论在仿真可信度评估中的应用.     

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。     

基于证据向量差异度改进的冲突证据融合方法

针对传统Dempster-Shafer证据理论合成高冲突证据时会出现融合结果不合理的问题,提出了一种新的冲突证据加权方法和融合规则。该方法引入证据向量差异度概念对证据冲突系数进行修正,并应用修正后的冲突系数计算证据集互信度矩阵和证据权重,最后对加权修正后的证据进行融合。数值算例表明,该方法可以合理有效地解决冲突证据融合的问题,相比于其他改进方法,具有更快的收敛速度和更强的鲁棒性。     

改进的DS证据舰船融合检测研究

针对单源舰船检测识别率偏低的问题,基于DS证据理论,提出了一种通过权值更新,改进DS证据的基本概率赋值的方法,并结合冲突解决方案,对SAR和可见光舰船检测得出的特征数据进行特征级融合检测。实验结果表明,该算法大大提高了舰船检测的识别率,降低了误判率。     

基于改进证据理论的态势评估方法

证据理论是实现基于规则的态势感知主要方法之一。然而,证据理论在多源多证据合成时存在悖论问题。针对此问题,通过相异度计算对证据重要性度量与修正,提出了一种基于改进证据理论的态势评估方法,该方法包括规则度量、证据修正、规则融合和态势决策等四个阶段。实验表明,该方法能够避免利用证据理论进行态势融合中的悖论问题,在态势评估效率和准确性等方面优于Dempster、Yager和Leung等典型方法。     

DS 证据理论研究进展及相关问题探讨

在对证据理论的建模、推理、决策到评估各层面最新进展梳理的基础上, 针对证据理论现有研究中存在的 一些问题、混淆和误解, 结合仿真算例进行了分析和探讨, 包括据理论与概率论的关系, 证据冲突与反直观结果的 关系, 证据距离的定义以及证据理论的评价准则问题等. 最后对证据理论的发展方向进行了展望. 该研究旨在为人们正确理解和使用证据理论提供参考和借鉴作用.     

一种基于Pignistic概率距离的合成公式

针对多证据源信息融合过程中证据源间存在的冲突问题,提出了一种基于Pignistic概率距离的合成公式。利用Pignistic概率距离构造证据可信度;再利用证据可信度修正证据体,以改进合成公式;利用改进的合成公式对证据源进行融合。算例结果表明,改进合成公式的融合结果合理有效,与其他方法相比有更好的适用性、可靠性和较快的运算速度。     

基于格拉布斯准则的DS证据理论在WSNs中的应用

为了延长无线传感器网络（ WSNs）的使用寿命,在确保数据的有效性和准确性的前提下,采用一种两层的数据融合算法来对数据进行处理,减小传输的数据量。通过联合使用这两种算法,格拉布斯和DS证据理论的联合来对数据进行加权和压缩处理。实验数据表明：算法的使用有效地减少了数据量传输,提高了数据的传输效率,节省了数据传输过程中耗费的能量。     

DS证据理论冲突处理新方法*

针对经典DS证据理论在处理高度冲突的证据信息时会产生有悖常理结论的情况,基于证据支持度的思想,引入了证据之间相容系数的概念,并随之引入证据可信度的概念,提出了一种新的证据权重的确定方法;最后运用DS证据理论组合规则进行数据融合.与之前其他处理方法相比,考虑到证据之间冲突与包容共存的情况,客观计算证据的权值,收敛更快,融合结论更符合事实,弥补了经典证据理论的不足,为DS证据理论的改进提供了一条新的途径.     

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.

     

基于改进DS证据融合与ELM的入侵检测算法

为了提高检测率,采用D-S证据融合技术融合多个ELM,能够提高整个检测系统的精确性。但是传统的D-S技术处理冲突信息源时并不理想。因此,本文采过引入证据之间的冲突强度将信息源划分成可接受冲突和不可接受冲突,给出了新的证据理论(Improved Dempster-Shafer,I-DS),同时针对ELM随机产生隐层神经元对算法性能造成影响的缺陷做出了改进。通过实验表明,结合I-DS和改进的ELM能够更高速,更有效的判别入侵行为。     

改进高维数据相似度的目标意图识别方法

对于实际战场中目标属性要素呈现出的多样化,传统目标意图识别方法不能够较全面地建立属性之间的相似度模型.为了更好地阐述实际战场的复杂情况,提高目标意图识别的准确度,提出了一种利用改进的空间相似度与属性相似度融合的高维数据相似度模型,以全面地计算目标各种属性状态对态势意图的支持程度,再利用得到的高维数据相似度通过D-S证据理论对目标进行序贯识别.仿真实验表明:该方法具有有效性以及能够提高目标意图识别的准确度,为解决目标战术意图识别提供了新的方法.