基于未知扰动的冲突证据合成方法

自从发现Dempster合成可能导致悖论以来,冲突证据合成一直是Dempster-Shafer理论的重要研究方向之一,迄今尚未有统一的解决方法被广泛接受.提出一种新的冲突证据合成方法,即在Dempster合成之前,基于未知扰动对mass函数进行预处理,并通过预处理来解决标准化问题.与其他相关方法相比,这种新方法不仅和Dempster规则形式上一致,合成过程比较灵活,并且可以通过扩展的Bayes公式得到理论上的解释.

基于试探折扣修正的证据组合方法

Dempster-Shafer(D-S)证据理论在不确定性信息处理相关领域具有十分重要的地位,然而对冲突证据进行Dempster规则组合时,常常会出现反直观结果的问题.本文提出了一种新的对证据组合结果质量评价的量化标准,该标准由证据集可信度与组合结果聚焦度构成,并在该标准的基础上提出了一种对证据进行多次试探折扣的修正方法,每次试探折扣由证据的不从属度来构造,实现了证据集可信度与组合结果聚焦度的共同提高,获得最佳聚焦结果,并且还可以通过设置优化目标,灵活控制证据集可信度,获得高质量证据组合结果,以满足各种类型决策的需要.实验结果和相关分析表明,本文方法是合理有效的.

基于迭代合成的D-S证据理论改进方法

针对D-S算法中折扣因子不能准确度量证据重要性和一次合成不够精确等问题进行了研究,提出一种基于迭代合成的D-S改进算法。该算法使用复合折扣因子进行证据重要性度量,并用融合结果不断修正复合折扣因子,通过多轮迭代合成最终结果。最后用模拟算例验证了算法具有很好的融合效果,算法的迭代次数不会随着融合精度的提升而激增,也不会随着证据规模的增大而增多,说明算法是有效的、稳定的和可扩展的,适用于大规模证据合成。

D-S证据理论中一种新的冲突证据融合方法

针对D-S证据理论在融合高度冲突的证据时可能导致与直观结果相悖的问题,通过分析现有的几种冲突证据融合方法,提出了一种有效处理冲突证据的融合方法。该方法综合了模型修正和规则修正这两类方法的优点。首先基于冲突系数矩阵计算证据的可信度,并以此作为折扣因子来修正证据结构,然后基于局部冲突、局部分配原则确定证据合成时的冲突分配空间和分配权重。实验结果表明,该方法对合理的合成方向具有较快的收敛速度,同时降低了决策风险。

证据融合的聚焦与冲突处理研究

针对Dempster组合规则存在的缺陷,即:在融合高度冲突的证据时会产生违反直觉的结论,无法处理完全不一致的证据,而且不能根据命题子集基数向下聚焦,提出了一种结合修改组合规则与修改证据源两种不同冲突处理策略的证据融合方法,采用基于Jousselme证据间距离指标的加权平均法对原始证据进行修正,并给出新的组合规则对修正的证据进行多次组合。与当前代表性方法相比,该方法在根据子集基数向下聚焦、收敛趋势以及冲突证据的处理方面都有好的表现。

基于证据折扣优化的冲突证据组合方法

D-S证据组合规则在处理高冲突度信息时,会得出与直觉相反的结论,出现冲突的证据组合,这一直是D-S理论研究的热点。现有改进的组合规则大部分不满足结合律原则,导致不同的组合顺序会得到不同的组合结果。针对这一问题,给出了一种新的满足结合律原则的证据组合推理规则。首先建立了基于Ign(.)函数极小化的证据折扣优化模型,然后利用最优折扣对证据进行修正,得到证据修正模型,最后利用新的证据合成规则对修正后的证据进行组合。算例验证结果表明,新的组合推理规则在处理冲突方面的性能得到明显改进。

一种基于改进证据理论的推理决策方法

针对证据理论的Zadeh悖论问题,提出了一种基于冲突一致度与交并集动态调整的推理决策方法。首先,该方法基于对冲突度与一致度的综合考虑,引入冲突一致度的概念,并基于冲突一致度对多源证据进行折扣操作。其次,基于交并集权重的动态调整对多源证据进行融合。然后,基于最大信任做出推理决策。最后,使用MATLAB构建仿真算例来对提出的方法与典型的证据合成方法进行比较验证。实验表明,该方法切实有效,能够避免悖论问题的产生,推理结果的区分能力优于典型方法。

基于冲突表示的冲突证据融合方法

为有效解决冲突证据的组合问题,文中提出一种证据组合方法.该方法首先在一种新的冲突表示的基础上,量化证据之间的关联性,进而计算各个证据的权重,并与平均权重进行比较,识别出冲突证据或较低可信度证据.对冲突证据或较低可信度证据进行折扣修正,最大限度地利用原始证据源信息,最后利用D-S组合规则进行组合.仿真实例结果表明,该方法与其它典型方法相比体现出良好效果,收敛快、可靠性高.

一种处理冲突证据的合成方法

证据推理广泛应用于不确定推理和数据融合等方面,但D-S合成规则对于高冲突情况的处理不是十分合理的,因此文中提出了一种基于证据相似系数的冲突证据合成方法。此方法首先引入了相似系数的概念,然后求出各证据被其它证据所支持的程度,对支持度归一化后可得到各证据的可信度,并将可信度作为证据的权重,对证据加权平均后再利用D-S合成规则。

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.

基于冲突强度和非正则化的证据合成方法研究

证据推理广泛应用于不确定推理和数据融合等许多方面,但D-S合成规则对于高冲突证据的处理不是十分合理的。论文在分析D-S合成规则以及一些改进方法的基础上,提出了一种基于冲突强度和非正则化的冲突证据合成规则,并引入确定度的概念来衡量合成的效果。仿真实验结果表明,该规则比D-S合成规则有了明显的改进。

一种基于马尔科夫链的冲突证据组合方法

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,考虑到序贯证据的序列性具有高效的抗干扰性能,因此本文提出了一种基于马尔科夫链的冲突证据组合方法.首先,从经典马尔科夫链中的确定性状态描述扩展到不确定性状态描述;然后,以滑动窗口宽度l对序贯历史证据进行采样,并利用相似性测度计算的权重来修正它们,从而对修正后的历史证据进行马尔科夫建模,并根据转移概率矩阵,计算证据代表;最后,利用Murphy组合规则对该证据代表组合l-1次.当然,本文方法也比较适合批量同步融合.大量的仿真实验对比分析表明,该方法优势比较明显,有效地解决了冲突证据合成出现的问题,并能有效兼顾合成结果的鲁棒性和灵敏性.

冲突证据合成规则及其合理性的研究

分析现有几种证据推理规则的不足及其证据冲突敏感性,然后综合证据源可信度和证据支持度等因素,分析了证据集的有效性,改进了合成规则,因合成规则体现了证据集特征,使得冲突证据集合成的结果更趋合理。数值实验结果验证了改进规则的有效性。

一种冲突证据推理的快速算法

冲突证据推理是不确定推理的一个重要研究课题。利用修正数据源对冲突证据进行有效组合的方法有很多,但是修正证据源使用的证据之间的距离公式计算量较为复杂,算法的流程也同样较为复杂,算法对时序证据的组合没有能够进行很好的研究。针对这些问题,提出一种冲突证据推理的快速算法。首先,提出一种新的证据度量公式,并对证据度量公式的有效性、计算量大小进行分析;然后,给出冲突证据快速算法的一般流程,并对流程中参数进行分析、确定;最后,对时序证据的组合规则给出一般的算法步骤,并通过算例分析,验证了算法的有效性。

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.