一种快速分层递阶DSmT近似推理融合方法(A)

本文提出了一种分层递阶的DSmT快速近似推理融合方法,该方法针对超幂集空间中仅单子焦元具有信度赋值的情况,利用二叉树或三叉树分组技术对其刚性分组,与此同时,对每个信息源对应的各个分组焦元进行信度赋值求和,以便实现细粒度超幂集空间向粗粒度超幂集空间映射.然后运用DSmT组合规则和比例冲突分配规则对粗化超幂集空间的两个信息源进行融合,保存该融合结果作为父子之间节点连接权值,然后对每个分组焦元信度赋值归一化处理,通过设定树的深度,来确定分层递阶的次数.最后通过从多个角度比较新、老方法,从而充分地验证了新方法的优越性.

一种快速分层递阶DSmT近似推理融合方法(B)

针对Dezert-Smarandache Theory(DSmT),随着鉴别框架中焦元数目的增多,其组合推理运算成指数增长,已成为制约该理论广泛应用与发展的瓶颈问题.为了解决这个难题,本文在进一步深入研究仅单子焦元赋值几个关键问题的基础上,主要针对超幂集空间中部分单子和冲突焦元具有信度赋值的情况,通过比例分配原则,把冲突焦元的信度赋值分配到相应的单子焦元上,然后根据仅单子焦元情形下的近似推理方法进行处理,即利用二叉树分组技术对单子焦元进行刚性分组,实现细粒度超幂集空间向粗粒度超幂集空间映射.最后通过从计算效率、信息损失和相似度的角度分别比较新、老方法,比较结果充分地验证了新方法的优越性.