基于置信熵差的冲突证据融合方法

在证据理论中,加权平均是解决冲突证据融合的有效方法。然而,如何合理地确定证据权重是一个值得研究的问题,现有的一些方法利用置信熵自身来确定证据权重,在一定程度上解决了冲突问题,但当冲突证据置信熵值大于或等于正常证据时,系统将赋予冲突证据同等甚至更大的权重值,导致冲突得不到有效处理。本文提出基于置信熵差的冲突证据融合方法,利用证据内对应焦元的邓熵值差度量证据之间的差异,从而合理地确定证据权重值。算例结果表明,该方法能够克服现有方法的不足,赋予冲突证据更小的权重值,且具有更高的正确目标可信度。

一种冲突证据的分类加权融合方法

为了改善已有冲突证据分类融合方法忽略证据权重而导致融合结果决策风险较高的问题,提出一种冲突证据的分类加权融合方法。根据加性规则与乘性规则各自的特点,先利用基元属性对证据进行分类,采用Murphy方法对同类型证据进行融合,再对同类型证据融合获得的新证据进行加权平均处理,并采用D-S组合规则对加权证据进行最终融合。以岩土工程预警问题为例,将Murphy方法、加权融合法和所提方法进行对比实验,结果表明:当监测系统整体稳定性较高,即大量传感器监测数据基本一致时,3种方法融合结果均不会产生误判;当监测系统稳定性较低,即较多传感器数据异常时,Murphy方法和加权融合方法的融合结果可能会产生误判,而所提分类加权融合方法则不会产生误判,降低了决策风险。

一种有效处理冲突证据的组合方法

为了有效融合高度冲突的证据 ,提出一种新的基于证据距离的组合方法 .首先引入了一个证据体距离函数 ,之后求出系统中各证据被其它证据所支持的程度 ,对支持度归一化后获得各个证据的可信度 ,并将可信度作为证据的权重 ,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合 .与其它方法比较 ,该方法在系统存在伪证据 (干扰 )

基于均衡信度分配准则的冲突证据组合方法

本文针对目标综合识别中冲突信息的组合问题 ,以Dempster组合规则为基础 ,提出了一种基于均衡信度分配准则的冲突证据组合方法 ;并根据证据间的相似性程度来确定组合顺序 .通过仿真实验测试 。

虚拟环境中多Agent决策的冲突证据合成研究

研究了虚拟环境下基于知识融合的多Agent仿真决策中的冲突证据合成,认为传统的Dempster-Shafer证据组合规则导致悖论的主要因素是归一化因子,使结果产生了误差。对该规则进行了形式变换,分解了归一化因子,把Dempster-Shafer分为两项之合,其中第二项含有未知项。文中首次提出了融合误差的概念,引入误差函数项和全局平均支持度,这两项与未知项相关。采用等效的方法,提出了一种改进的证据组合规则,与变换后的Dempster-Shafer规则形式上一致,仅把误差赋给了未知项。理论分析和实验表明,新的合成规则得到了合理的融合结果,产生的误差最小。最后给出了一个高速贴标机的多Agent仿真决策的实例说明新组合规则的有效应用。

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.

基于修改模型的冲突证据组合方法

针对冲突证据的组合问题,提出一种基于修改模型的冲突证据组合方法.该方法具有以下特点:①只修改模型,不改变Dempster组合规则的结构.②考虑焦元属性之间及证据之间的相互关联性,引入距离函数,确定证据的权值,将平均证据代替冲突证据,减少冲突证据在组合规则中的作用,降低干扰对最终融合结果的影响;同时充分利用原始证据信息,提高了组合结果收敛到正确目标的效率.③能够解决一般冲突、一票否决、鲁棒性等冲突证据的组合问题.④认为冲突证据也是一种信息,加以利用,避免证据有效信息的损失.通过实验,验证了所提出方法的有效性.

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。

一种最优冲突证据组合方法

Dempster-Shafer证据理论广泛应用于信息融合中,但是在证据高度冲突情况下基于经典D-S组合规则的融合结果存在问题。针对这一问题,提出了一种最优的证据组合方法。新方法首先引入了一个加权证据间距离函数,提出了一个全局距离的概念,依据全局距离最小的最优化准则求出各证据的权重,之后对系统中的证据加权平均,最后再利用D-S组合规则实现信息融合。目标识别算例仿真的结果表明,该方法性能优于现有的加权组合方法,在处理冲突数据时能够有效快速地识别出目标。

基于焦元距离的冲突证据组合规则

由于Dempster-Shafer理论(Dempster-Shafer theory,DST)组合规则归一化计算导致冲突信息的不合理分配,使得处理高冲突证据时常常得到违背直觉的合成结果,因此在很大程度上制约了它的应用。提出了一种基于焦元距离的冲突证据组合规则,首先通过定义焦元距离的概念来获得证据源的权重因子,并引入了焦元置信指派的数学期望和方差关系来定义证据焦元的信任度和相似度,通过分析局部冲突产生的原因,利用冲突焦元提供的信息将冲突信息进行局部分配。实验结果表明,新的组合规则不但可以有效地解决高冲突证据融合问题,而且在最差的融合顺序下也能得到合理的融合结果。

一种有效处理冲突证据的组合方法

针对证据理论应用过程中,冲突证据的组合问题和基本概率赋值函数难以确定的问题,提出了一种新的冲突证据的组合方法。该方法以修改模型为基础,而不改变Dempster组合规则的结构。首先,在充分考虑焦元属性之间及证据之间的相互关联性基础上,引入证据体距离函数,然后,求出系统中各证据被其他证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,再将平均证据代替冲突证据,最后利用Dempster组合规则实现信息融合。通过仿真实验,将该方法与现有方法进行了分析比较,结果表明应用该方法是一种有效可行的证据组合方法。

一种有效解决D-S理论冲突证据合成的方法

针对标准D-S证据理论中存在的冲突证据合成问题,提出了一种冲突证据加权的方法。该方法将各个传感器的基本概率赋值映射到多维空间中的某个点,计算任意两点的欧氏距离,利用平均距离确定证据的权重,采用哈夫曼树对证据加权平均后再利用D-S合成规则实现信息的融合。实例论证了该方法的有效性,它能有效解决冲突证据合成的问题。

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。

一种处理冲突证据的D-S证据权重计算方法

D-S证据理论是一种有效处理不确定信息的方法,在数据融合等领域得到了广泛应用。经典D-S证据理论在融合冲突较大的信息时通常会得到有悖于常理的结论。为此,引入证据矛盾系数的概念,提出一种能有效利用冲突信息的证据权重计算方法,采用D-S证据理论组合规则进行数据融合。算例分析结果表明,相比同类方法,提出方法收敛速度更快,融合结果更准确,能克服经典D-S证据理论的不足,提高融合结果的可信度。

一种有效的加权冲突证据组合方法

为了有效融合高度冲突的证据,提高证据高度冲突时融合结果的可靠性和合理性,给出了一种新的加权证据组合方法。该方法根据证据之间的关联特性,通过计算证据体间的相对距离获得系统中各传感器证据的权重。首先引入一个证据体间的距离函数,根据多证据体的距离,得到系统中各传感器证据体之间的相似度和各证据的支持度,依据支持度的大小进一步可得到各证据的可信度,以此作为各证据的权重,对证据的基本概率指派进行加权平均,最后利用Dempster组合规则融合加权平均后的证据。与其他方法相比,该方法在系统存在伪证据(干扰)时能有效迅速地识别出目标。

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。

基于全局分配和局部修正策略的冲突证据融合方法

提出了一种有效处理冲突证据的融合方法.该方法综合考虑了D-S证据组合规则的不足及修正数据源方法的可靠性高的特点,首先引入证据距离对冲突证据进行检验;然后计算冲突证据在证据集的比重,确定采用相关策略;最后根据不同策略对冲突证据进行融合.实验结果表明,该方法与Dempster、Yager和其他典型算法相比,在可靠性和收敛性的综合考虑上更具有优势.

基于可靠度和一致强度的冲突证据组合算法

考虑到利用无线传感器网络对天然气管道进行泄漏监控时,不同传感器节点的诊断结果之间会发生冲突,致使直接利用Dempster-Shafer(D-S)组合规则或其修正组合规则进行冲突证据组合的方法难以让汇聚节点做出正确决策,为此提出了一种基于可靠度和一致强度的冲突证据组合算法——CECARCI。该算法首先利用各监测节点的可靠度对证据集进行预处理,减小不可靠证据对组合结果的影响,然后通过对所有证据进行整体分析,引入了证据一致强度和基元支持度,调整证据组合时的次序,并以合理的权重来分配证据间的冲突。算例实验结果表明,相比于D-S组合法则、Yager组合法则和Murphy组合法则,CECARCI算法可获得收敛性更好的组合结果。

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。

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。