证据理论合成规则的改进

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．该文提出了一种证据理论合成的改进方法,该方法不仅能处理相互冲突的证据,把支持证据冲突的概率按各个命题的平均支持程度加权进行分配,还能根据证据携带的信息量决定聚焦的权重,使合成结果符合实际情况．     

证据合成的一般框架及高度冲突证据合成方法

针对D-S证据理论在合成高度冲突证据时会得到有悖常理的无效结果的问题,提出了有效解决冲突须同时修正证据源和合成规则的原则,并给出了证据合成的一般框架;在此框架下,提出了一种新的证据合成方法。该方法首先对证据源进行两级可靠性度量处理,然后再按照合成规则进行合成,最后采用基于Pignistic概率距离计算的权重把冲突系数分配给各焦元,实现对合成结果的合理修正。实验结果表明:该方法能有效地解决高度冲突证据的合成问题,与其他合成方法相比,该方法合成效果更好。     

D-S理论中证据合成规则的分析与改进

文章详细分析了D-S证据理论的证据合成原理;针对D-S证据理论的不足,对其合成规则进行了改进,基本原则是要求多种来源的概率分配函数的合成结果满足"少数服从多数"的思维习惯;在Yager合成规则的基础上,给出了一种新的证据理论合成规则,使冲突证据的合成更为合理。     

基于落影相似度的证据合成规则

在多传感器目标决策系统中,由于敌方或者环境的影响,由D-S合成规则,会得出与直觉相悖的结论。提出了一种改进的证据合成规则。首先,利用条件布尔代数距离定义了证据的落影距离,并推出证据的落影相似度;然后,由证据的落影相似度定义证据的可信度,作为证据参与组合时重要程度的权值;最后,按照Murphy的平均加权证据合成规则对证据进行组合。理论分析和数值算例表明：该方法是有效的,且在冲突信息目标决策上优于一些现有方法。     

基于局部冲突分配策略的证据理论组合规则

提出了一种基于局部冲突分配策略的组合规则,冲突主要分配给产生冲突的焦元,且分配给焦元的冲突大小取决干焦元的平均信度和证据的可信度。计算结果表明,新的组合规则不仅能够解决高度冲突证据的组合问题,而且能够从证据中提取更多的信息,使组合结果更为合理。     

证据理论中的证据合成方法

对证据合成的基本原则和Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ合成公式作了分析探讨，得到了一些有益的启示。对语气合成的另一种算法－Ｂａｒｎｅｔｔ算法的适用条件和算法的有效性做了初步分析。     

基于修改模型的冲突证据组合方法

针对冲突证据的组合问题,提出一种基于修改模型的冲突证据组合方法.该方法具有以下特点:①只修改模型,不改变Dempster组合规则的结构.②考虑焦元属性之间及证据之间的相互关联性,引入距离函数,确定证据的权值,将平均证据代替冲突证据,减少冲突证据在组合规则中的作用,降低干扰对最终融合结果的影响;同时充分利用原始证据信息,提高了组合结果收敛到正确目标的效率.③能够解决一般冲突、一票否决、鲁棒性等冲突证据的组合问题.④认为冲突证据也是一种信息,加以利用,避免证据有效信息的损失.通过实验,验证了所提出方法的有效性.     

基于D-S证据理论的修正融合目标识别模型

在分析D-S证据理论中证据合成规则的局限性之后,根据合成证据中集合大小、相交程度以及证据间的相关性和互补性,引入一个合成因子λ,并给出了λ的经验值,这种新规则对于证据之间完全冲突的情况也能给出合乎直观的合成结果.应用于实际的红外/毫米波融合目标识别系统,也取得了满意的正确识别结果.     

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。     

相关证据合成方法

讨论了孙怀江和扬静宇文章中提出的相关证据合成方法，指出其定理2是错误的，并给出了使其成立的条件；而对独立源证据的辨，通过入寒流变量，将其转换为线性方程组的求解问题。     

利用偏差进行冲突证据融合的改进方法

本文对D-S证据理论组合冲突证据时存在的缺陷进行了研究, 在前人的基础上提出了一种改进的处理冲突证据的融合方法, 该方法通过计算各证据到命题平均支持度的偏差, 来检测和消除冲突证据,并对最后结果进行了修正, 以处理来自不同识别框架的证据的合成. 实验计算结果表明,该方法能有效处理冲突, 得到符合实际的组合结果, 相对于其他典型算法, 本文方法在收敛性和可靠性上有了明显改进     

基于偏差的冲突证据融合的改进方法

在Dempster-Shafer（D-S）证据理论中,传统D-S组合规则在证据高度冲突时存在失效问题,会产生与常理相悖的结论.为此,文中提出了一种改进的处理冲突证据的融合方法,即通过计算各证据到命题平均支持度的偏差,来检测和消除冲突证据,并对最后结果进行修正,以合成来自不同识别框架的证据.计算实验结果表明,该方法能有效处理冲突,得到符合实际的组合结果,相对于其他典型算法,该方法在收敛性和可靠性上有明显改进.     

适用于信息融合算法性能评估的DS改进算法

为了解决信息融合算法管理过程中的最优算法决策问题,引入Dempster—Sharer证据理论。针对在实际应用过程中,由于相关证据合成而出现的评估结果超估计现象,提出了一种改进的证据合成方法。通过建立不同指标之间的相关性度量函数,对相关证据的基本概率赋值进行相应的调整,对修正后的证据再进行证据组合。实验结果验证了所提方法...     

基于Dempster—shafer理论的多个神经网络分类器融合算法

用遗传算法优化神经网络分类器的连接权系数,避免采用BP算法存在易于陷入局部极值,使每个神经网络分类器的分类接近于理想状态,由于每个分类器的特征输入不同,不能被一个分类器识别的模式,却可能被另一个分类器识别,为了提高模式识别的精度,可将一个模式识别问题由多个分类器来完成,将每一个分类器的输出结果作为一条证据,确定各分类器的基本概率指派函数,再用证据组合理论融合证据信息,可以提高分类的精度和避免某一个神经网络遭到破坏而使整个系统陷于瘫痪状态。     

多传感器信息融合技术在侦察系统中的应用

分别阐述信息融合的基本概念和多传感器侦察系统中信息融合的模型设计,重点分析Dempster-Shafer证据推理理论在多传感器侦察系统信息融合中的应用。     

有效处理冲突证据的融合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观相悖的结果的问题,该文提出了一种有效处理冲突证据的融合方法。该方法综合了Dempster-Shafer证据理论所具有的收敛性好及加性融合方法所具有的可靠性高的优点,首先通过对证据进行冲突检验,然后对冲突证据进行加性合成,消除证据之间的冲突。仿真试验结果表明该算法能更好地排除干扰,得出符合实际的组合结果,与典型算法相比,该方法在收敛性和可靠性方面体现了优越性。     

分布式主客观证据融合模型及其应用

为了有效地提高油田剩余油分布预测的准确率和可靠性,通过BP神经网络联合模型与两级D-S证据推理模型的优势互补进行主客观证据融合,实现了剩余油分布多属性特征的准确分类．提出了将BP神经网络分类结果的可信度及专家系统推理结论的可信度作为D-S证据推理模型输入证据基本概率赋值的有效方法．实际应用与结果分析表明了上述方法的有效性,为各类多源信息融合系统的研究和工程实现提供了示例、途径和有益的经验．