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。

一种新的证据组合规则

通过对证据组合问题进行深入的理论分析,提出一种新的基于局部冲突、局部分配和一致性部分进行合取规则的证据组合方法,同时利用证据的可信度来修正证据结构.在确定证据的可信度时,给出一种通用的计算模型.与很多改进的组合方法相比,该方法不仅适用于冲突情况,而且也适用于证据间比较一致的情况.数值仿真表明,所提出方法能加快收敛速度,同时降低决策风险.

基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Demp-ster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.

一种新的证据推理组合规则

证据推理是一种不确定推理的人工智能方法。首先研究几种组合规则的改进方法和造成其缺陷的机理 ,然后从分析冲突的来源入手 ,利用冲突信息提出一种新的组合规则——吸收法。仿真结果表明 ,新的组合规则在处理冲突方面的性能得到了明显改进 ,并且具有较强的鲁棒性。

一种按比例分配冲突度的证据推理组合规则

在分析证据理论不足和已有改进方法及其缺陷的基础上,根据指挥员在作战中处理冲突证据的一般习惯,提出一种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.

改进的冲突证据组合规则

针对信息融合中冲突证据的组合问题,提出一种新的利用均衡信度分配准则的冲突证据组合方案.首先分析原始Dempster组合规则及其改进组合规则的不足,然后利用均衡信度分配准则合成新的mass函数.数值实验表明,新组合方法有效地解决了现有Dempster证据组合规则中存在的Zadeh悖论、一票否决、鲁棒性和公平性等问题.

Dempster组合规则适用性分析

针对传统冲突系数识别证据冲突存在漏识、误识和冲突系数值会累加增大等问题,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,研究了Dempster组合规则适用性判断方法。通过与Liu判断Dempster组合规则适用性方法的对比结果表明,本方法对Dempster组合规则适用判断有较好的适用性与合理性。

一种改进的证据推理组合规则

提出了一种新的证据理论组合规则 ,综合考虑了支持信息和冲突信息对合成结果的影响 .在求出各个证据之间局部冲突之后 ,利用各个证据的可信度得到系统的全局冲突 ;以全局冲突作为参量定义了一个冲突证据有效性系数 ,该系数反映了冲突信息对最终融合结果的影响 .算例验证结果表明 ,新的组合规则能够有效地处理证据中的冲突信息 ,得出合理的融合结果 .

基于不同置信度的证据组合规则及应用

使用一种组合来自不同置信度证据源证据的组合方法 ,对于该类问题 ,使用传统Dempster Shafer理论往往得到与直觉相悖的结果·使用有效因子λ衡量证据源的可靠性 ,并将其起引进信任函数 ,所有的证据经过有效性评估后再进行组合 ,并将该方法用于专家系统 ,实验证明 ,即使是同一个专家 ,由于其擅长不同 ,对于不同问题给出结论的可靠性不同 ,给定方法与传统D S理论相比 ,提高了决策的准确性·

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。

加权Dempster证据组合算法

讨论了Ｄ－Ｓ证据理论和Ｄｅｍ ｐｓｔｅｒ证据组合规则，通过对Ｄ．Ｄｕｂｏｉｓ和Ｈ．Ｐｒａｄｅ 给出的基于一致性因子的集合加权“与”运算算子的分析，提出了一种针对优先级别存在差异的证据信息的加权Ｄｅｍ ｐｓｔｅｒ证据组合规则．加权Ｄｅｍ ｐｓｔｅｒ证据组合规则提供了一种重要性、可靠性或优先级别不等的相互冲突或部分冲突的两组证据信息的组合算法．进一步分析了两种证据组合算法的性能．

基于改进冲突度量的证据组合新规则

针对DS组合规则对证据之间冲突度量估计比较"保守"的问题,提出了一种新的证据组合规则。新组合规则充分考虑了证据之间所有可能的冲突,从而使得在组合过程中不一致的信息被抑制,而一致的信息则被放大。与DS组合规则相比,根据新组合规则得到的合成证据收敛性更好,因此更有利于下一步的识别判决。数值实验验证了新组合规则的有效性。

一种基于局部冲突分配的证据组合规则

Dempster-Shafer证据理论广泛应用于信息融合中,但是在证据高冲突情况下基于经典D-S证据组合规则的融合结果存在问题。针对这一问题,提出了一种基于局部冲突分配的证据组合规则。首先基于Jousselme证据距离获得各个证据体的信任度和加权平均证据,然后由定义的焦元距求其每一个焦元的绝对距离,并以此获得焦元信任度。最后实验结果表明,所提算法提高了证据合成结果的可靠性和合理性。

基于Dempster组合规则的电子目标识别算法研究

在军事目标识别中,必须综合考虑目标的电磁辐射信息和红外图像信息,并采用有效的识别算法,才能准确识别电子目标。提出了基于Dempster组合规则的电子目标综合识别方法,完成了基于Dempster组合规则的电子目标自动识别综合处理算法研究,并进行了仿真实验,试验结果表明,该算法是可行的。

基于广义证据一致量和信息量因子的证据组合规则

在研究传统的D-S证据组合规则的改进方法时,往往忽略焦元为多元素集合时的情况,造成对证据一致性或者可信度的衡量不准确。考虑焦元之间存在相等、包含、相交的关系,提出一种焦元为多元素集合时的广义证据一致量和信息量因子计算方法,并应用到新的证据组合规则之中。数值实验验证了新的证据组合规则的有效性。新的证据组合规则不仅适用于冲突情况,而且也适用于证据间比较一致的情况,有效地解决了原Dempster组合规则的有悖于常理、鲁棒性差和一票否决的问题。

一种新的Dempster组合规则适用条件

针对传统方法中利用冲突衡量系数来判别Dempster组合规则适用性存在的指标意义不明确、阈值设定过于主观等问题,提出了一种新的Dempster组合规则适用条件。首先,提出了证据冲突不能用于判断Dempster组合规则的适用性;其次,分析了Dempster组合规则合成证据出现不合理结果的原因;最后,提出了适用条件。通过与同类Dempster适用性判断方法对比的结果表明,文中提出的Dempster组合规则适用条件意义明确、简单易行,并有较好的适用性与合理性。

一种新的证据组合规则应用于序列图像目标识别

提出了一种新的证据理论组合规则,并结合BP神经网络和证据推理对序列图像目标识别问题进行应用。以修正的Hu不变矩为图像特征,利用数据融合的思想对来自目标的序列图像进行时间域融合处理。由BP神经网络对目标的初步识别结果构造基本置信指派函数,用该组合规则进行决策级数据融合,完成了三维飞机图像目标的识别仿真。仿真结果表明,新的组合规则结合BP神经网络的融合方法提高了三维飞机目标识别的准确性。

基于证据源和组合规则双修正的证据合成

针对冲突证据合成时传统证据合成和单一修正改进方法存在的问题,提出了新的证据源预处理和组合规则双修正的证据合成方法。利用夹角余弦理论,计算证据向量距离后转化得到权重系数,依据权重系数对证据进行重新概率分配,完成证据源修正;之后用修正的动态合成规则,进行修正证据的合成;同时提出了算法分析模型。实例结果验证了算法在证据合成时具有最优结果、较强通用性和稳定性,可应用于信息融合、不确定信息决策等领域。

基于向量冲突表示方法的证据组合规则

针对Dempster组合规则在高冲突证据融合的情况下常常会得到违背直觉的结果,提出了一种基于向量冲突表示方法的Dempster(VCRD)组合规则。首先,通过实例分析了冲突因子和Jousselme距离存在的不足;然后,利用证据向量的相似性和差异性共同衡量证据之间的冲突程度,通过证据之间的冲突程度确定修正证据的权重因子,对融合证据进行预处理;最后,利用Dempster组合规则进行融合。理论分析和仿真实验结果表明:与Dempster组合规则及其它改进算法相比,VCRD组合规则能够合理地处理高冲突证据情况下的融合问题,降低了决策风险。

证据推理理论组合规则评价方法研究

证据推理理论(包括DS理论和DSm理论)是处理不确定信息的重要方法,其组合规则性能的好坏直接影响推理结果.为了有效评价证据推理理论组合规则的性质,总结了基于DS理论的组合规则评价方法存在的问题,并深入分析了问题出现的原因;根据DSm理论的特点,提出了基于DSm理论组合规则的评价方法.该评价方法主要从冲突证据处理、证据时序性和计算量3个方面对基于DS理论的组合规则评价方法进行了改进.