基于综合冲突度量的高冲突证据融合算法

为提高冲突证据的合成效果,针对已有基于改进Jousselme证据距离函数的冲突度量算法进行研究,提出基于非包含度和改进Jousselme证据距离函数共同度量证据冲突的综合冲突度量算法,并依此计算证据权重;在此基础上基于焦元被其他证据中同一焦元的共同支持度对焦元可信度计算式进行改进,并将上述改进结果应用于优化两两证据合成顺序的局部冲突信息再分配算法中。将新算法和已有相关算法进行算例与仿真实验比较分析,结果表明,在证据之间存在高冲突情况下,所提新算法的正确目标识别概率高于已有其他证据融合算法,且对于一般证据,新算法也具有较满意的证据融合效果,新算法是一种具有较高灵活性和较强抗干扰性的证据融合算法。     

基于随机集的证据理论的改进在发电机故障诊断中的应用

在多传感器信息融合处理故障诊断问题过程中,传统证据理论对含有冲突证据的处理结果与实际相悖。文中运用随机集的方法对传统的证据理论进行改进,提出了一种新的基于证据本身的可信度权重和基于证据相似度的可信度权重的证据调整方法,并将改进后的方法应用于发电机系统的故障诊断中。结果表明,与传统证据理论相比改进后的方法更加精确地辨识出故障源,提高了诊断系统的性能。     

一种新的证据合成法则

首先讨论了冲突信息利用的几种途径,在此基础上提出了一种新的证据合成法则,将焦元的基数及信度的相对差异引入到新合成法则中,并在焦元及焦元的两两并集上分配信度,从而更合理地表达不确定和保留冲突信息;并且不用针对特殊情况进行处理,体现了新合成法则在形式上的统一性.典型证据和应用实例表明该合成法则可以更合理地解决冲突证据合成问题.     

一种新的证据组合规则

通过对证据组合问题进行深入的理论分析,提出一种新的基于局部冲突、局部分配和一致性部分进行合取规则的证据组合方法,同时利用证据的可信度来修正证据结构.在确定证据的可信度时,给出一种通用的计算模型.与很多改进的组合方法相比,该方法不仅适用于冲突情况,而且也适用于证据间比较一致的情况.数值仿真表明,所提出方法能加快收敛速度,同时降低决策风险.     

基于矩阵奇异值分解的证据冲突度量算法

针对证据理论中证据冲突度量这一关键问题,提出了基于矩阵奇异值分解的证据冲突度量算法.首先将证据的BPA向量投影到单位圆上,然后运用投影后证据向量的BPA矩阵和焦元关联矩阵构造归一化BPA矩阵,接着对其进行奇异值分解,最后根据奇异值定义证据的最大干扰分量与主分量,并将二者比值作为冲突度量.通过对Zadeh悖论扩展形式、完全冲突证据和焦元为嵌套子集等多种情况进行对比实验,验证了本文算法是较为理想的证据冲突度量方式,能够正确预测证据集的冲突程度.     

对冲突证据合成的一种改进方法

D-S证据理论作为研究处理不确定性推理的有效工具和方法,其应用领域相当广泛.但当所给证据高度冲突时,利用D-S合成规则可能得到有悖常理的结果.针对这一问题,基于按比例分配的思想提出了一种新的证据合成方法,即将冲突因子按冲突证据在所给已知证据中所占比例分配给识别框架中的焦元.通过实例分析和实验结果表明,新合成方法简洁,合成结果比较符合直观,说明该方法能较好解决冲突证据合成问题.     

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。     

基于多属性群决策的柴油机故障证据融合方法

鉴于复杂机械系统中故障信息的不完备及不确定性造成证据理论在故障诊断决策级阶段融合的准确性问题,提出基于多属性群决策的故障证据融合方法.利用多属性群决策的属性分析,计算基于元素属性集合的决策体差异权重,以减小融合证据源的差异;结合柴油机目标故障的相似依赖关系,利用目标故障的可信度权重对冲突焦元信息再分配,旨在提高证据融合的准确性.对R6105AZLD柴油机台架试验结果表明:本文方法可大幅提高诊断准确度和鲁棒性.     

基于冲突证据距离的DS合成方法研究

为了解决现有对于高度冲突证据的合成方法存在的问题与不足,提出了一种新的合成方法.新方法以相似性质的冲突程度和相似系数为基元,利用改进的KL来计算得到证据距离,通过证据距离和中心证据的关系建立权值,权值反映了证据的重要程度,在已有的基本可信度分配函数中加入权值进行修正.最后通过改进的方法,得到合成结果.通过算例比较,表明新方法的合成结果更为理想,更加符合实际情形.     

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。     

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。     

基于距离融合的多冲突证据合成研究

冲突证据合成作为研究热点,由于发现Dempster-Shafer合成可能导致悖论,至今仍然没有统一的解决方法.本文提出了一种新的冲突证据合成方法.融合系统中各证据的重要程度可能不同,新方法首先通过融合多证据距离,从而可以更加准确地得到证据距离,进一步通过相关算法转化证据距离为证据权值,权值反映了证据的重要程度,根据权值,对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,对重新概率分配的证据进行合成,得到合成结果.通过具体的算例比较,说明新方法在合成冲突证据方面具有一定的优越性.     

一种基于证据焦元距离的权重计算方法

针对经典的D-S合成方法常会出现与实际相悖的不足,该文提出了一种考虑焦元交互影响的权重合成方法.该方法结合香农熵的思想定义了新的焦元距离测度,基于新距离定义各证据间的权重,然后根据权重对原始证据函数进行修正,降低异常证据的重要性,再利用D-S规则进行证据合成.数值分析说明:这一方法可排除干扰性信息,降低冲突,合成结果优于其他经典的计算方法,为D-S证据理论提供一种有效的计算方法.     

基于证据分类的冲突证据合成方法

证据分类策略能够很好地避免冲突证据融合问题。借鉴证据分类的思想,定义证据-属性支持度、分类门限、证据可信度,将证据分类,保证同一类别的证据具有较好的一致性。在同一类别内采用D-S进行证据合成,并根据各类证据的个数及证据不确定度给出每类证据合成结果的权重,并采用加权合成方法给后最终的合成结果。     

基于改进证据理论的导弹状态评价方法

 为研究导弹状态评价方法,将导弹的状态分为优、良、中、差和故障5个等级。若一个或多个状态参数测试不合格,可以直接判定导弹处于故障状态;若所有状态参数测试均合格,表明导弹是合格的。对于测试合格的导弹,在评价特征参数状态的基础上,构建了基于改进证据理论的导弹状态评价模型,对所有特征参数的状态合成并决策,确定了测试合格的导弹的状态退化等级。针对利用证据理论在合成状态特征参数过程中的冲突分配问题,在分析现有改进证据理论方法的基础上,采用将全局冲突细分为局部冲突并按照冲突焦元值权重分配的方法,对证据理论进行了改进,通过实例分析,验证了改进方法的有效性。     

一种新的DS证据理论冲突处理方法

经典DS证据理论在处理高度冲突的证据信息时常常会导致错误的结论。为解决证据冲突问题,基于证据可信度的思想,引入证据之间目标的贴近度,提出一种新的确定权重的方法,然后运用经典DS证据理论融合。在保持DS证据理论规则不变的情况下,改进了融合结果。相比其他处理方法,考虑到证据之间的冲突和贴近度,客观的计算了证据的权值,收敛更快,使得融合结果更符合事实。算例验证了方法的有效性,为DS证据理论提供新的改进途径。     

一种基于大焦元分解的信任函数逼近方法

针对证据合成提出一种基于大焦元分解的信任函数逼近方法,首先将基数过大的焦元进行分解,将焦元基数控制在不大于k的范围内,然后再按照改进的能量函数删减焦元,这样不仅减少焦元的个数,也控制了焦元基数,更优化了在证据合成时的计算复杂度,并且试验结果也表明了该方法的有效性.     

解决冲突证据合成问题的改进D-S证据理论算法

冲突证据在证据合成时会造成合成结果与直觉相悖的现象.为解决冲突证据合成问题,分析了传统D-S证据理论的基本性质及其改进方法的不足,提出一种结合斯皮尔曼等级相关系数的证据合成方法.该方法首先计算出证据之间的相关系数并且得到相关性矩阵;然后根据相关性矩阵构造修正系数来折扣基本可信度分配函数;最后利用D-S证据组合规则对修正后的证据进行合成.经典数值算例结果表明:改进后的算法具有更高的目标辨识率,并且此方法计算过程简捷,适用范围广,有效解决了证据间的高度冲突问题.     

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.     

证据组合方法及在多传感器信息融合中的应用

为了解决高度冲突证据的合成问题,提出了一种基于证据加权平均的组合方法.用两个证据矢量夹角的余弦表示两个证据的相似度,对每个证据与其它证据的相似度求和并做归一化处理得到每个证据的支持度.以证据的支持度为权对系统中的证据进行加权平均,然后用 Dempster 法则对加权平均证据进行组合.数值验证表明,该方法能有效消除伪证据对证据合成的不良影响,保证了冲突证据合成的合理性和可靠性.用所提出的方法进行机器人多传感器信息融合,结果正确、可靠.