时域证据融合中的可信度衰减模型

证据理论在时空信息融合领域都有着广泛的应用,时域信息融合表现出明显的序贯性和动态性,在空域进行证据融合时处理证据冲突的方法并不一定适用于时域,时域证据融合中如何确定证据的动态可信度是值得关注的问题。针对此问题,基于Dempster证据组合规则和证据折扣理论,分析了时域证据融合的马尔可夫性,建立了证据可信度衰减模型,在此基础上得到证据动态可信度,以此作为动态折扣因子对证据进行折扣。算例仿真表明,可信度衰减模型可以基本满足时域证据融合的要求,能有效处理时域融合中的证据冲突。     

基于混合编码遗传算法的证据网节点可靠性评估

证据网是一种基于D-S(Demspter-Shafer)理论层次化推广的推理模型,和D-S理论一样,当证据网中传感器节点不可靠时需要进行折扣(可靠性)处理。由于证据网是一种多层次的节点信息融合,折扣在不同融合层次传感器上,影响不同层次上的冲突,所以折扣的设置需全局考虑冲突情况。已有的可靠性评估方法是D-S理论中的评估,这些方法并不能保证在融合中全局的冲突最小,针对这一问题提出一种以减小全局冲突为目标使用混合编码遗传算法进行可靠性评估的方法。在仿真实验中通过与已有的可靠性评估方法进行比较,证明了该方法更能减小全局冲突,获得更好的结果。     

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。     

证据冲突下D-S融合算法的改进

针对D-S证据理论在处理高冲突证据时会出现悖论这一情况,在D-S理论框架下,给出冲突程度的判别方法,并提出一种改进的相对加权融合算法.该算法根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,并求得各证据的相对折扣因子,对各证据信息进行折扣处理后用D-S规则融合,消除了信息冲突环境下D-S合成法则悖论.为验证改进算法的有效性,给出了仿真分析,验证了该算法在证据冲突的情况下能有效地减小冲突对组合结果的影响,降低了决策风险.     

基于证据理论的目标识别方法

当目标识别系统中传感器信息高度冲突时,仅利用D-S组合规则无法有效融合。提出一种基于证据理论的目标识别方法,该方法首先定义了冲突系数,在此基础上设计了目标识别方法。当冲突较小时,直接利用D-S组合规则进行融合识别;反之,根据冲突的具体情况对证据先折扣再融合识别。通过目标识别仿真实验与其他识别方法进行了比较,实验结果表明所提方法提高了抗干扰能力,具有较快的收敛速度。     

基于混淆矩阵的证据可靠性评估

在基于证据理论的融合识别系统中,对证据可靠性进行评估进而对证据进行修正是解决证据冲突的有效途径。在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出的证据之间的关系来对证据可靠性进行评估,充分考虑了传感器的静态可靠性与动态输出。最后将该方法运用于基于证据可靠性评估的融合识别中,算例表明该方法可以有效降低可靠性证据的影响,得到较好的融合效果。     

基于局部冲突消除的证据合成法则

Dempster-Shafer(D-S)证据理论在信息融合领域得到了广泛的应用。为抑制Dempster证据合成规则产生的有悖常理的证据合成结果,提出了一种基于局部冲突消除的证据合成法则。首先,通过一种基于Vague集和逐层递推算法的证据冲突衡量方法计算了证据之间的冲突程度;进而根据距离法思想对高冲突证据进行局部冲突“中和”;最后,利用Dempster证据合成法则对已预处理的证据进行信息融合。算例结果验证了此种法则的有效性。     

基于Lance距离和信度熵的冲突证据融合方法

针对D-S(Dempster-Shafer)证据理论中证据融合可能存在冲突的问题, 通过考虑证据之间的关系及其本身的特性, 提出一种基于Lance距离和信度熵的冲突证据融合方法。首先, 利用Lance距离来度量证据之间的差异和冲突程度, 并通过矩阵形式表示证据的可信度, 再通过计算信度熵来度量证据的信息量, 并以此表示证据的不确定度。其次, 综合考虑证据的可信度和不确定度来衡量证据最终融合的折扣系数, 并通过折扣系数修正原始证据。最后, 采用Dempster合成规则进行证据融合得到最终结果。算例分析结果表明, 所提方法较其他方法而言, 收敛速度更快, 融合结果更准确、可靠。     

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.     

基于相容系数的冲突证据合成方法及评价准则

DS（Dempster-Shafer）证据理论能够有效地处理不确定信息,在信息融合领域得到了广泛的应用。针对DS证据理论在处理高冲突证据时存在的不足,提出了一种新的证据组合方法和量化的评价指标。所提方法利用相容系数来确定每个证据关于各个命题的权重,对证据源进行修正后再利用DS证据理论组合规则进行融合。评价指标则是利用证据源的权重对合成结果与原始证据之间的冲突进行加权求和。仿真实验结果表明,同已有方法相比,所提方法的合成结果更加合理。相应的评价准则也符合主观认识,显示出良好的评价性能。     

基于云模型和证据理论的装备管理绩效评价

针对部队装备管理绩效影响因素复杂,评价过程具有模糊性、不确定性等特点,提出了基于云模型和改进证据理论的装备管理绩效评价方法。首先,构建了装备管理绩效评价指标体系,采用组合赋权法确定指标权重;然后,借助云模型对评语信息进行建模,构造基本概率分配函数,再引入Jousselme距离,通过计算证据可信度和可靠度得到证据的复合权重,以此作为权重系数对证据源进行修正;最后,采用改进的证据融合规则进行各指标基本概率分配融合,得到综合评价结果。通过实例分析验证了指标体系的科学性和算法的有效性,为部队装备管理绩效评价提供了参考。     

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。     

一种基于D-S证据理论的红外小目标融合识别方法

为了提高低信噪比弱小目标识别的可信度 ,提出了一种基于D S证据合成理论的多传感器信息融合识别方法。并使用该方法对来自多个红外成像传感器的实际图像进行了信息融合仿真处理。仿真结果证明 ,该方法对低信噪比条件下的红外弱小目标具有良好的识别效果     

双信度下考虑专家风险态度的突发事件等级确定方法

群体性突发享件等级的确定是启动分级响应进行科学应对的决策依据，需要蔽合多领域不同专家的判断进行综合研判。考虑专家面对不确定决策的风险态度，提出一种“专家权重和自我可靠度”双信度下突发亭件等级确定方法。根据双信度，构建了考虑专家风险态度和突发事件等级语义相关性的完备化证据生成方法；综合考虑证据的主客观信息提出一种改进的证据融合方法，使融合結果中充分有效保留专家的原始倾向信息；进一步，给出一种蔽合结果区分度检验方法，以规避等级间区分度不高的情况；最后，通过算例验证了方法的可行性与科学性。实验結果表明，专家的自我可靠度和风险认知态度会影响享件等级研判结果，综合考虑此两种因素的突发享件等级碉定方法能够提升决策的可靠性和可信度。     

一种空间信息融合的D-S算法研究

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,证据理论是主要的技术之一。在目标识别系统中,为了获得可靠的识别结果需要考虑时间和空间的融合问题。从多传感器信息的时间域和空间域的融合出发,提出了在目标识别中多传感器信息的时空两级融合模型,以及基于证据理论的信息融合算法。仿真结果表明,该模型和算法具有方法简单、运算量小、可靠等优点,具有一定的理论意义和使用价值。     

一种解决D-S理论证据冲突的有效方法

D-S证据理论是一种有用的不确定性推理方法,由于证据合成公式存在不足,影响了证据理论的应用。针对有效融合高度冲突的证据,提出了一种新的有效加权冲突证据组合方法。该方法通过引入一个证据体距离函数,利用证据之间的相对距离确定了证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合。与其他方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标,实例表明了该方法的有效性。