不同证据合成规则下的P2P信任模型比较

将D-S证据理论运用到P2P系统的全局信任模型中逐渐成为人们关注的焦点.然而,D-S证据理论作为信息融合的一种有效工具,其合成规则存在着一定的局限性.比较和分析了各种证据合成规则,并将这些证据合成规则应用到同一信任模型上,仿真和分析表明不同合成规则下的同一信任模型的成功交易率差异较大.     

证据理论在飞机电气系统性能评审中的应用

介绍了民用飞机电气系统性能评审的现况,分析了飞机电气系统性能评审的特点,引入D-S证据理论,建立了基于D-S证据理论的飞机电气系统性能评审模型.电气系统评审模型用基本信任函数表达根据专家经验和知识所得出证据的不确定性,然后再利用D-S证据理论合成规则得出多批证据联合作用的结果,提高了评审决策的科学性.     

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.     

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.     

考虑传感器置信度的改进D-S证据合成算法

为了解决多源信息融合识别算法中传统Dempster-Shafer(D-S)证据理论极少考虑传感器对融合结果产生影响的问题,提出一种考虑传感器置信度的D-S证据合成算法。首先建立传感器与参考传感器关于任一特征的置信距离,通过置信距离修正传统灰关联分析法的关联系数,从而计算传感器置信度;然后通过证据间的相似性定义任一特征所得证据的全局冲突系数,将全局冲突系数与传感器置信度相结合,定义了一种传感器所得证据可用度的计算方法;最后根据证据可用度对传统D-S证据理论进行修正,提出一种新的证据合成规则。仿真及实验数据表明,相比已有算法,新算法的目标识别率更高,对证据冲突的处理更有效。     

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D-S证据理论和RBF网络的航空发动机叶片损伤图像识别技术研究

针对航空发动机叶片损伤图像采集过程中存在的不确定性因素及单一RBF网络或D-S证据理论在叶片损伤图像识别中存在的不足,提出一种基于D-S证据理论和RBF网络相融合的决策级信息融合损伤图像识别算法。首先,用RBF网络对损伤图像进行初步识别;然后,将RBF网络识别输出结果作为D-S证据理论的基本可信度分配;最后,利用D-S联合规则进行合成,得出最终识别结果。通过单一优化RBF网络的图像识别结果和融合识别结果的对比分析,证明了该方法在航空发动机叶片损伤图像识别方面的优越性。     

基于集合覆盖模型的冲突证据合成

针对D-S证据理论在处理冲突证据时可能会造成处理结果与我们的直觉相悖的情况,在已有研究的基础上,运用集合覆盖理论,用几个非冲突子信息系统覆盖原来的带有冲突证据的信息系统,再利用D-S证据理论对每个子信息系统进行合成.最后利用概念支撑的思想定义了每个子系统的权重,合成最终的概率指派函数.所用的基于集合覆盖模型的冲突证据合成(combination of confilicting evidence based on set covering model,CCEM)的方法是对Dempeter定义组合规则的一种扩展.     

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D-S证据理论的岩体质量分级组合评价方法

现有岩体质量分级方法评价结果存在非一致性的问题.为此,在组合评价思想的基础上,选取多种岩体质量分级方法作为基础分级方法,建立了岩体质量分级组合评价计算模型.并考虑到D-S证据理论是一种较严谨的不确定性推理方法,其具有较强的信息融合能力,并且能够反映不同信息之间的一致性和冲突性,将其引入建立一种新的组合评价方法合成规则.然后,针对D-S合成规则需要解决确定基础分级方法基本概率分配函数这一问题,引入欧氏距离建立基础分级方法基本概率分配函数的确定方法,从而最终建立基于D-S证据理论的岩体质量分级组合评价方法.最后,工程实例分析表明,3种基础分级方法存在冲突性,但是D-S证据理论能够较好地解决这一问题.     

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D-S证据理论的瓦斯突出危险等级评判策略

针对影响煤矿采掘工作面瓦斯突出因素的不确定性和复杂的非线性关系,在分析Dempster-Shafer(D-S)证据理论的基础上,提出瓦斯突出危险等级评判的多传感器数据融合方法;通过对传感器采集的待评判采掘面参数进行预处理,得出D-S证据理论各传感器对突出危险等级的信度函数分配,再利用D-S证据理论的合成规则得到融合后的信度函数分配,从而实现危险等级的评判。结果表明,该方法具有良好的适应性并能得到较高的精确度,在一定程度上提高了评判系统的性能。     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。     

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.     

基于关联系数定义下的证据合成新方法

对于有高度冲突的证据,D-S证据理论的融合规则可能会得出错误的结果.为了解决这一问题,在D-S证据理论基础上提出了一种新定义—关联系数,用它来量化证据之间的关联程度.关联系数考虑了集合中多子集对证据合成的不确定性影响,并在此基础上加入信度熵度量信息量的大小.利用关联系数和信度熵作为权重因子对原始证据进行修正,设计了一种新的多源信息融合方法.另外,通过具体的算例应用,验证了新提出的证据合成方法具有广泛的有效性和适用性.     

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.     

一种有效处理冲突证据的DS改进算法

D-S证据理论是一种处理数据不确定性的经典方法,但是,在数据所受干扰很大的情况下,其所得融合结果常常与常识相悖。基于对D-S证据理论完备性的分析,提出了一种新的证据组合方法,该方法引入证据可信度概念,利用证据之间的相容性和互斥性,将证据分为可信部分和不可信部分分别进行处理,最后用D-S证据理论融合信息。相较于其他方法,该方法在不改变D-S融合规则的前提下,解决了D-S理论在证据高度冲突情况下无法使用的问题,提高了D-S证据理论融合结果的准确性。     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

结合冲突系数K与Pignistic 概率距离的冲突度量方法

针对经典证据理论中,冲突系数K不能有效地度量证据之间的冲突程度的问题,提出了一种新的证据冲突表示方法,通过引入pignistic概率距离,将pignistic概率距离和冲突系数K看成平面直角坐标系上的一点,通过计算这个点到坐标原点的距离,以此作为衡量证据间冲突程度的标准;针对新的冲突度量方法,提出了一种改进的证据合成算法,将新的冲突系数作为修正因子,证据冲突时对合成结果进行修正,证据不冲突时采用D-S合成规则进行合成。实例及仿真验证了新冲突度量算法和改进合成算法收敛速度显著快于对比算法。     

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.