证据理论的主客观整合推理方法

现有证据理论研究侧重于从客观证据中提取证据源可靠性(RES)信息,而未考虑知识、经验、直觉等主观认知信息对RES推断及证据融合的积极作用。为此,基于证据距离和两两比较判断矩阵,提出反映证据源相对可靠性的主客观RES矩阵,以调节总误差最小为目标函数,构建用于提取证据源综合可靠性信息的RES整合模型,并结合Dempster组合规则给出证据推理步骤。数值实例验证了该方法的可行性。

多源信息的加权证据理论融合识别方法

为了有效融合待识别系统的多源证据信息,提高模式识别的准确性,提出了一种多源证据信息加权融合的模式识别方法。该方法基于不同来源证据对辨识框架中各命题识别具有不同可靠性这一事实,将各证据对各命题识别的正确率转换成加权系数,通过研究证据理论的加权改进,构建加权融合的识别体系,保证各证据在模式识别过程中存在的不确定性经过融合后能够最大限度削弱,从而从理论上降低了模式识别的不确定性。实例分析表明,多源信息加权融合后的识别结果可信度明显增大、识别正确率显著提高,充分验证了该融合识别方法能够有效提高模式识别的准确性。

一种结合证据可靠性和D-S理论的综合识别方法

为了满足复杂战场环境的目标身份识别需求,需要将多种传感器的识别信息进行融合,实现有效的身份判断。该文从传感器的基本信度评价和稳定性2个方面对识别证据进行可靠性评估,反映传感器工作机制、目标分布和配准关联为识别证据引入的不确定性;结合证据的可靠性与冲突情况,动态选择D-S证据的融合结构,降低冲突证据对融合结果的不利影响,并进行历史识别证据溯源,有效整合时间上离散的多个证据,排除不独立证据造成的误识别。最后通过仿真验证了方法的有效性。

多源不确定性下基于证据理论的可靠性分析方法

针对同时存在随机、模糊和区间三种输入变量时的可靠性分析问题,提出了一种基于证据理论的统一可靠性分析方法。利用信息熵转化法,将模糊变量的隶属度函数转化为等效随机变量的概率密度函数;基于随机变量的区间化方法,将每个变量离散成有限个小区间,根据变量的概率密度函数求解各小区间的基本概率分配;利用证据理论进行可靠性分析,最终获得可靠度R的置信度Bel(R)和似真度Pl(R)。通过两个工程算例证明了该方法的可行性和有效性。

基于D-S证据理论的灾后公路交通生命线多源信息融合技术

灾后公路交通生命线的灾情信息获取具有来源广、信息格式不一、灾情时空信息变化剧烈等特点。为了提高多源异构信息的处理精度,提出基于信息源可靠度D-S证据理论建立的信息融合模型。通过对采集得到的不同公路交通生命线状态信息进行特征提取,得到关于生命线状态的初步决策结果,按照一定的融合准则以及每个信息源的可靠度进行综合判断,获得最终的融合结果,并以算例示范了模型的具体应用。

一种基于D-S证据理论的Bayes可靠性评定方法

如何合理利用多源先验信息,是小子样Bayes理论方法应用中亟待解决的一个问题。目前,多源信息融合还没有统一的准则,融合理论方法的不同会使得融合结果有所差异。为了解决上述问题,基于证据推理理论,提出了一种多源信息先验分布融合方法,将通过各种融合准则获得的先验分布进行再融合,得到了一种合理的综合先验分布,最后建立了基于证据理论的Bayes可靠性评定模型。仿真结果表明,该融合方法是合理可行的,相比使用单一信息融合方法更科学且合理。