基本概率赋值不确定性的广义度量及在证据组合中的应用

D–S证据理论中一个关键问题是度量传感器给出的基本概率赋值(BPA)的不确定性大小,它的准确度量对于评估信任结构传递的信息量至关重要.本文首先提出了改进的归一化投影方法(iNP),然后基于iNP提出了一种新的投影不确定性(PU)广义度量方法,理论证明和实验仿真说明了PU满足非负性、有界性、不变性、单调性、不反直观性、较高的敏感性和较低的计算负担等性质,这些性质保证了PU可以有效对BPA的不确定性广义度量.与现有的不确定性度量方法相比,所提出的方法对证据的变化更为敏感.最后,基于PU方法给出了一种新的证据组合方法,通过数值实例和实际应用,说明了本文所提方法的有效性和合理性.

利用不确定度的冲突证据组合

D-S(Dempster-Shafer)证据理论在信息融合中有着广泛的应用.针对证据理论中高冲突证据组合出现反直观结果问题,提出一种新的证据组合方法.依据证据体不确定度生成权重,并基于所获权重修正待组合证据体再利用Dempster规则完成证据组合.算例分析表明所提方法是合理有效的.

基于证据方差的加权证据组合

DS证据理论在决策级信息融合中有着广泛应用.针对证据组合时的某些反直观结果问题提出一种新的基于证据方差的序贯式加权证据组合方法.首先基于Jousselme证据距离定义了证据方差.每一步证据组合时,依据当前既有证据组合结果序列的方差及当前步新证据加入后的序列方差来生成权重.基于所获权重修正新到证据及前一步组合结果,最后利用Dempster规则完成当前步证据组合.算例分析表明所提方法是合理有效的.

基于加权证据组合的多传感器目标识别

为了解决多传感器信息融合中不同等级重要信息源数据的融合问题,在证据理论基本概念的基础上,引入证据权的概念。依据证据权的不同对各条证据进行转化,使之可以用传统的方法进行证据合成。将这种方法应用到等级不同的多传感器目标识别中可以解决传统证据理论只能进行等级相同传感器目标识别的难题。识别实例表明,该方法提高了目标识别的准确性和有效性。

基于信任度和虚假度的证据组合方法

D-S证据理论在信息融合领域有着广泛的应用,但使用Dempster组合规则对高冲突证据进行合成时可能会得到反直观的结果,在应用中也存在"一票否决"的问题,为解决这些问题,提出一种改进的基于证据信任度和虚假度的证据加权组合方法。首先在证据相关系数的基础上定义了证据信任度,再结合证据虚假度的概念来确定各原始证据的权重,依此权重系数对各证据进行加权平均后利用Dempster组合规则对加权平均证据进行组合。数值算例表明,该组合方法可实现冲突证据的有效融合,与其他方法相比该方法具有更好的收敛性。

一种基于信息源可信度的证据组合新方法

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,进而遭到质疑,也引发了很多专家学者的研究。根据指挥员在作战中处理冲突证据的一般习惯,提出了一种基于信息源可信度的证据组合新方法。建立了信息源可信度的计算模型,给出了基于信息源可信度的按比例分配冲突度的证据组合推理规则,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了明显改进。

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 。

基于多准则排序融合的证据组合方法

Dempster-Shafer证据理论在信息融合领域有着广泛而重要的应用,但传统Dempster证据组合规则往往会引发一系列反直观结果问题,如冲突悖论、信任偏移悖论以及证据吸收悖论等.针对这一问题,提出了一种基于多准则排序融合的证据组合新方法.该方法综合利用了证据精度、证据可信度以及证据自冲突程度等指标评价待组合证据体,并以选择性融合的方式获取最终的组合结果.仿真结果和相关分析表明,所提方法是合理有效的.

基于直觉模糊集的时域证据组合方法研究

证据理论已广泛应用于时空信息融合领域,由于时域信息融合表现出明显的序贯性和动态性,为实现基于证据理论的时域信息融合,有效处理时域冲突信息,结合证据可靠性评估和证据折扣的思想,在直觉模糊框架内提出了一种基于复合可靠度的时域证据组合方法.首先定义一种基于可靠度的直觉模糊数排序方法,在此基础上提出一种基于直觉模糊多属性决策的证据可靠性评估方法;然后,基于此方法对时域信息序列中相邻时间节点的证据可靠性进行评估,得到时域证据的相对可靠性因子;最后,结合由时域证据可靠度衰减模型得到的实时可靠性因子,得到时域证据的复合可靠性因子,再基于证据折扣运算和Dempster证据组合规则提出一种基于复合可靠度的时域证据组合方法.数值算例和仿真表明,该方法具有较强的时间敏感性,充分体现了时域信息融合的动态性特点,可以较好地处理时域证据中的冲突信息,基于该方法构建的融合识别系统具有较强的抗干扰能力.

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.

基于截断型D-S的快速证据组合方法

如何解决Dempster组合规则的计算复杂性问题是目前研究的热点。该文从提高决策的准确度出发,对截断型D-S算法进行了改进,提出了一种新的近似计算方法;并通过仿真实验证明了,该方法在提高基于基本概率分配函数的决策的准确度方面要明显优于截断型D-S算法。

不完备识别框架下的证据组合方法

证据理论应用中经常面临识别框架不完备问题。本文引入证据框架概念,把识别框架分为已知和未知两个部分,提出一种在识别框架不完备条件下表示和组合证据的开放识别框架方法。该方法能明确区分“识别框架不完备”与“证据冲突”两个不同概念,并合理解决了对未知命题集合的基本概率赋值问题,从而克服了D-S理论以及Smets的“开放世界假设”方法在处理不完备识别框架时存在的不足。

基于模糊理论和证据组合的被动段弹道导弹中断航迹关联方法

针对航迹中断导致前后航迹不连贯的问题,提出一种基于模糊理论和证据组合的被动段弹道导弹中断航迹关联方法。首先,对新旧航迹分别进行航迹滤波和航迹预测处理,将获取的同一时段数据作为关联样本;通过对同时刻样本点之间各特征距离信息的模糊处理,获取关联隶属度,进而转化为证据理论中的基本概率指派;然后对各证据进行组合,得到各时刻的关联结果;最后根据连续时长内样本点的关联判定,得到最终的关联结果。仿真结果验证了所提方法的有效性。

基于Pignistic概率函数和相关系数的证据组合方法

D-S证据理论不能很好地解决证据之间高冲突的情况,得到的结果与事实相悖,并且在实际的应用中无法解决"一票否决"的问题。针对上述不足,提出了一种基于Pignistic概率函数和相关系数的新证据冲突衡量标准(Pcor)和基于该标准的加权证据组合方法。该方法用Pcor来衡量证据间的冲突,通过建立支持矩阵来确定各证据的支持度,用加权平均法修正证据,使用Dempster组合规则,最终得出与事实相符的结果。数值算例表明,所提方法有效地解决了高冲突证据组合问题,与相关算法相比,具有更好的收敛性。

D-S证据理论中的证据组合

Dem pster证据组合规则在 D- S证据理论中将几组相互独立的证据融合 ,得到一组新的证据。Dempster证据组合规则在 D- S证据理论中起着十分重要的作用。在对 Dempster证据组合规则进行分析的基础上 ,提出了一组更加一般化的证据组合规则 ,即证据的逻辑运算及基于相似性加权的证据组合规则。

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。

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。

修正D-S证据组合方法及其在目标识别中的应用

在多传感器信息融合算法中 ,Dempster-Shafer证据理论得到了广泛应用 ,但该理论本身也存在一些不足之处。针对这种情况 ,提出了 D-S证据组合中“与”算子的一种改进方法 ,并进行了仿真。仿真结果表明 ,所提出的算法能够有效排除干扰 ,得出符合实际的组合结果。

地震预报专家系统(二)——知识表示和证据组合

研究了地震预报专家系统 ESEP 的知识表示.ESEP 的知识表示模型为 ESEP/K,它从地震预报领域知识的特殊性着眼,结合了产生式表示和过程表示两种知识表示方法,在产生式规则中,除常用的证据组合方式“AND”和“OR”外,我们还设计了三种新的证据组合方式.

基于Dempster组合规则适用条件的冲突证据组合

针对D-S证据理论中Dempster组合规则出现的反直观结果问题,提出了一种新的基于Dempster组合规则适用条件的冲突证据组合方法。首先分析了Dempster组合规则出现悖论的原因及其适用条件;其次发现了基于数据模型修正的冲突证据组合方法不满足结合律的不足,最后依据适用条件对证据模型进行修正并利用Dempster组合规则进行融合,真正满足证据组合的结合律。实验分析表明,所提方法是合理有效的。