证据融合的聚焦与冲突处理研究

针对Dempster组合规则存在的缺陷，即：在融合高度冲突的证据时会产生违反直觉的结论，无法处理完全不一致的证据，而且不能根据命题子集基数向下聚焦，提出了一种结合修改组合规则与修改证据源两种不同冲突处理策略的证据融合方法，采用基于Jousselme证据间距离指标的加权平均法对原始证据进行修正，并给出新的组合规则对修正的证据进行多次组合。与当前代表性方法相比，该方法在根据子集基数向下聚焦、收敛趋势以及冲突证据的处理方面都有好的表现。     

一种改进的D-S证据合成方法及其应用

针对高度冲突证据的合成问题,分析了传统Dempster组合规则及其改进方法的不足,提出了一种新的冲突证据合成方法。该方法首先计算证据之间的距离矩阵和相似度矩阵,然后计算各证据获得其它证据的支持度,将支持度归一化处理得到各证据的可信度,最后基于可信度采用加权平均的方法将证据冲突概率分配给各个命题。数值算例结果表明,该方法减小了冲突证据在组合规则中的作用,有效地降低了干扰信息的影响,能够得到合理的融合结果。     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

证据冲突:丢弃,发现或化解?

组合可能冲突的信息是智能推理中重要的研究内容,其中,证据理论是一种典型的不确定性智能推理方法。在证据理论中,用以融合和更新证据信息的推理组合规则是其理论基石。Dempster组合规则通过合取运算来构造信息结构,得到了广泛的应用。然而,当证据冲突比较大、证据源不完全可靠或辨识框架不完备时,Dempster组合规则得到的结果并不符合常理。为此,改进组合规则和处理证据冲突,成为证据理论中一个重要的研究课题。将全面回顾和比较国内外现有的主要推理组合方法,基于不同的冲突处理机制,建立相应的理论框架,涵盖绝大多数推理方法,从理论上对证据推理方法的研究,进行一个全面的总结,并剖析各种组合方法的优缺点和相互关系,指出最新的研究趋势。     

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。它们具有与Dempster证据组合规则不同的性质和应用背景     

处理冲突证据的一致性组合规则

在分布式融合系统中,通信延迟等因素会导致融合节点获得证据的顺序不同,使用传统证据组合规则难以得到一致的组合结果。根据组合规则基本性质可知,当组合规则不满足结合性时,证据顺序的不同会导致组合结果的差异。多数冲突证据组合规则,在解决Dempster组合规则冲突悖论的同时失去了结合性;部分冲突证据组合规则以组合结果不确定性为代价保持了结合性,但结果不确定性严重影响了用户决策。从冲突信度保留再分配的角度出发,使用自由Dezert Smarandache(DSm)模型保留先前冲突信度,基于先前冲突信度及当前证据生成权重,通过权重对先前冲突信度和当前冲突信度再分配完成证据组合。提出方法降低了证据顺序对组合结果的影响,在证据乱序情况下能够保持较好的一致性。数值算例验证了该方法的有效性。     

传感器动态可靠性评估与证据折扣

在基于Dempster-Shafer理论的融合目标识别系统中,传感器可靠性评估与证据折扣是应用Dempster组合规则进行多传感器证据组合的关键问题。提出了一种根据传感器当前输出证据与所有传感器平均证据之间的冲突来评估传感器动态可靠性的方法,借鉴冲突处理中Dubois&Prade规则的思想提出了一种证据折扣规则,该证据折扣规则将折扣量按局部冲突的大小分配给涉及各局部冲突的集合的并。仿真和实测数据实验验证了该方案的有效性。     

区间值信念结构下冲突证据组合

区间值信念结构下证据理论在信息融合、决策分析中有着广泛的应用前景.针对区间值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.从整体角度构建证据间Pignistic概率距离的最优化模型,通过得出的相对权重来修正证据, 使之符合Dempster组合规则可用范围,然后组合. 算例分析表明所提方法是合理有效的.     

基于支持度的改进证据合成方法

针对Dempster方法在合成高度冲突的证据时结果与直观结论相悖的问题,提出了一种基于支持度的改进证据合成方法。首先根据证据之间的相似性程度判断是否存在证据冲突,对于总数在3条以上且存在冲突的证据组合,应用各证据的支持矩阵,通过其最大特征值对应的特征向量导出各证据的支持度系数,由此对基本概率分配（basic probability assignation, BPA）函数进行转化,再采用Dempster方法进行合成。仿真计算结果表明,该方法能有效处理冲突证据组合,克服了一票否决问题,相对于其它几种典型改进算法具有更快的识别速度,能进一步减小识别结果的不确定性,并保留了Dempster方法满足交换律、结合律的良好特性。     

基于模糊聚类分析的证据组合

针对证据理论Dempster Shafer（D-S)组合规则存在的不足,考虑辨识框架的非完备性,提出一种基于模糊聚类分析的混合证据组合方法。该方法利用Pignistic概率距离构建证据间的模糊相似矩阵及聚类有效性指标,通过传递闭包法对证据进行最优聚类及可信度求取,对证据进行修正后,采用D-S规则对同一类中的证据组合,利用统一信度函数组合方法对不同类中的证据进行最终合成。仿真实验表明了所提方法的合理性和有效性。