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Dempster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.     

一种基于非封闭识别框架的改进证据推理方法

在证据融合推理时,由于系统中出现未知新命题和传感器收集的证据不可靠,使得Dempster组合规则不适用于冲突证据组合.为了有效地处理冲突证据,提出一种基于非封闭识别框架的改进证据推理方法.首先在封闭识别框架内增加一个表示新命题的集合,将封闭识别框架扩展为非封闭识别框架,给出新命题基本概率指派的赋值方法,然后给出非封闭识别框架下焦元的组合规则.在非封闭识别框架下,依据冲突焦元本身基本概率指派以及证据的可信度信息,将局部冲突在涉及冲突的焦元之间分配,最后通过实例结果表明,与封闭识别框架下的 Dempster组合规则结果相比,该方法可以有效识别出新命题.非封闭识别框架下的改进证据推理方法,可以通过在非封闭识别框架下,对新命题与已知证据及已知证据之间的两类冲突信息在局部分配,使最终证据推理结果向合理方向聚焦.     

基于证据理论的单一故障诊断方法比较研究

为了比较和研究证据理论中Dempster,Yager,PCR5三种组合规则的融合效果,构建多源传感器故障诊断识别框架,利用已有实验数据分别对基于3种组合规则融合多传感器信息诊断单一故障的过程进行仿真,并采用信息熵作为不确定性量度.结合融合后的基本概率分配函数和故障判定结果对各组合规则的融合效果进行定量比较、分析和评价.结果表明:3种组合规则均能够融合多传感器信息对所选的单一故障实现诊断,其中,Dempster组合规则的诊断结果具有最低的不确定性,Yager组合规则的效果相对较差.该研究对证据理论组合规则在冲突不明显时的融合效果进行了定量分析,是对已有定性分析研究的验证和补充.     

证据理论及其在目标识别中的应用

随着防空作战环境的日益复杂,快速准确地进行空中目标识别显得尤为重要。多元信息融合为目标识别提供了一个新的思路,信息融合可在像素级、特征级及决策级3个层次上进行。基于证据推理的决策级融合以其在自动目标识别中特有的优势而成为研究的热点。为了解决Dempster组合规则在高冲突证据下存在的问题,对组合规则的思想进行了分析;讨论了针对该组合规则的两大主流修正方向:基于修正证据源的改进措施和基于修正Dempster组合规则的方法一些改进措施;针对空中目标识别问题,提出了综合运用各种改进思想的融合方法,给出了识别过程的流程图,算例结果表明本文方法的有效性。     

D-S证据理论中冲突问题的解决方法

针对传统D-S证据理论中冲突证据合成存在的问题,提出一种基于数学模型修正证据源的冲突证据合成方法.在不改变Dempster组合规则的前提下,逐一比较识别元素的基本概率分配值和平均基本概率分配值,结合数学模型修正基本概率分配.仿真结果表明,该方法在处理冲突证据合成时有效、可行.     

D-S理论在开放识别框架下的推广

针对无法获取完备识别框架的应用背景,把证据模型建立在一个随着证据组合而不断完善的开放识别框架上,提出一种推广的Dempster-Shafer(D-S)证据理论--开放框架D-S理论(OFDST).基于DFDST定义证据的支持函数与反对函数,对证据的信任函数模型进行全新诠释,揭示Dempster组合规则的线性实质.最后通过一个实例验证了该理论的合理性与有效性.     

一种有效的证据理论融合方法

鉴于Dempster组合规则在处理高冲突证据时所存在的缺陷,提出一种新的基于余弦相似度和证据距离的融合方法.首先引入余弦相似度函数和距离函数,而后求出系统中各个证据间的联合相似度,并以此获得各个证据的加权系数,最后对系统中的证据加权平均后利用Dempster组合规则进行组合.与其他方法相比较,该方法不仅考虑了系统中证据在距离上的相似性,而且考虑了证据在方向上的相似性,融合后的结果更为理想.     

基于证据理论的AUV目标识别研究

根据D2S证据理论能很好表示“不确定性”和“不知道”的特点,对比不同的数据融合算法,在分析D2S证据理论的性能特点基础上,提出了一种基于自主式水下航行器的扫描声纳和水下摄像机两种视觉传感器采集信息的基本概率分配函数的方法和规则,并且分析了自主式水下航行器上的扫描声纳和水下摄像机这两种视觉传感器的信息在目标位置求解中的应用,同时利用Dempster合并规则,分析计算这两种视觉传感器在自主式水下航行器进行目标类别识别时的合成融合值.通过列表分析,表明增加了目标识别的可信度,减少了目标的不确定性.     

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。     

广义证据理论的基本框架

针对经典证据理论不能有效处理辨识框架不完整情况下的信息融合问题,提出了一种广义证据理论.新理论定义了广义基本概率指派函数,对空集的广义基本概率指派大小表明了支持辨识框架不完整命题的程度,提出了能够融合广义基本概率指派的广义组合规则,该组合规则是一个与空集基本概率指派相关的函数,同时满足交换律和结合律.广义证据理论是经典证据理论的推广,当空集赋值为零时,广义证据理论退化为经典的证据理论.用算例表明了所提出的广义证据理论的有效性.     

基于变权重和D-S证据理论的桥梁安全评估

桥梁结构的安全评估受环境侵蚀、材料老化、外部荷载等多源因素的影响,采用单一指标评价桥梁的安全性容易产生误判.因此,提出一种基于信息融合的多因素桥梁安全评估方法.该方法首先确定每种因素的变化区间,通过多工况数值计算提取典型的力学指标,利用信息熵和模糊层次分析法确定指标的变权重及单指标的等级划分原则并转化为基本概率指派函数.采用Dempster组合规则确定融合后的安全等级,从而建立桥梁的安全评估先验数据库.将该方法应用于预应力连续梁桥的安全评估中,结果表明该评估方法客观、合理,具有一定的工程实用性.     

基于S-D分配的多传感器联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器联合概率数据互联算法。算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点的联合似然函数计算其联合互联概率并获得融合中心的状态估计。该文最后给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该文算法的跟踪性能更优越。     

量测噪声情况下基于D-S证据推理信息融合的滑模控制

研究了D－S证据推理多传感器信息融合方法在存在量测噪声的滑模控制中的应用，它有助于削弱模函数的不确定性。由于基本可信度函数不能解析获得，用一个模糊系统对其予以等价，模糊规则后件参数由样本数据通过最小二乘法获得。     

一种安全的无线传感器网络分布式决策融合方法

为了防止数据在开放的无线传感器网络中传输过程中遭到窃听而泄密,本文设计了一种带安全机制的传感器网络分布式决策融合方法 FRSM,该方法在传感节点发送数据到融合中心时利用随机函数对数据进行翻转置乱,以阻止窃听方获得正确的融合结果,而合法的融合中心能够基于已知的随机函数概率密度对接收到的数据进行对数似然比决策.理论分析和对比实验表明,FRSM能够使得合法的融合中心取得较好的融合结果,而窃听方在高信噪比和大量传感器环境下仍然难以获得正确的融合结果,从而保障了传感数据的机密性.     

D-S证据理论数据融合方法在目标识别中的应用

为解决车辆目标识别问题 ,采用基于推理的数据融合方法 ,分析了 Dempster- shafer证据理论用于多传感器数据融合的基本概念和理论 ,并将它应用于车辆目标识别的数据融合中 ,实验结果证明了基于融合后的识别结果较单传感器的识别结果好 ,验证了这一方法的正确性和有效性     

基于矩阵分析的一种不确定性推理的数据融合方法

采用不确定性推理的矩阵分析方法，建立了用于目标识别的多传感器数据融合的数学模型。该模型综合了来自多种不同传感器的基于正态分布的检测数据，通过定义相关系数矩了来获取基本可信度分配值矩阵。提出了一种多传感器信息融合的新算法，该算法依靠可信度的积累，通过多级递推融合可获得目标状态基于全局信息的融合估计值。实例分析表明：基于融合后的识别结果较各传感器单独决策的结果性能优化，具有较强的容错性和有效性，并且不确定值较融合前平均下降了74%，从而可精确快速地控制工业生产。     

受证据理论启发的传感器数据融合算法

受证据理论的启发,提出了一种新的传感器数据融合算法.借鉴证据理论中的基本信任分配思想和证据组合思想,将所有测量值构成的集合视为辨识框架,并对各个测量值的精度进行判断,在此基础上将各个测量值分别转换为相应的证据;再利用基于冲突分配法的证据组合规则对所有证据进行组合,所得合成证据的Mass函数即为各个测量值的权值分配函数;...     

D-S证据理论在炮兵战场电磁辐射源识别中的应用

采用D-S证据理论的数据融合方法解决炮兵战场电磁辐射源识别问题。阐述了D-S证据理论用于多传感器数据融合的基本概念、合成法则、一般步骤及决策准则。与单传感器单周期的目标识别结果相比较,多传感器多周期的方法能显著提高目标识别能力,并将它应用于炮兵战场电磁辐射源识别的数据融合中解决了问题,试验结果证明了该方法的正确性和有效性。     

基于多传感器信息融合的轮履混合移动机器人路况识别方法

针对未知环境下轮履混合移动机器人的路况识别问题,提出一种将支持向量机(SVM)与Dempster-Shafer(D-S)证据理论相结合的多传感器信息融合路况识别方法.设计了一个基于超声波传感器和红外传感器的数据采集系统,以提取路况的信息特征;以Platt后验概率为基础,建立了多类SVM的后验概率模型,并构造D-S证据理论所需基本概率分配(BPA)函数;同时,将SVM与D-S相结合的信息融合识别方法应用于轮履混合移动机器人的3种典型路况识别实验.结果表明,所提出的方法能够满足轮履混合移动机器人识别平坦路面、斜坡和台阶等路况的要求.