D-S证据理论合成规则及冲突问题

系统研究了近年来关于D-S证据理论合成规则的相关成果,提出一种新的基于证据可信度的合成方法,并就解决证据合成悖论的有关问题做了必要讨论.鉴于Dempster规则处理冲突的不足及修正原始证据模型方法的可靠性,决定在分配冲突的同时应对证据模型进行修正,实现两者紧结合,在对一致性证据的"与"运算合成问题上,以及证据冲突在各合成命题的比例分配问题上,均有效利用了各证据的可信度等全局信息.实验结果表明:该方法在证据一致和高度冲突的情况下均表现出良好的适应性,具有较快的收敛速度和高可靠性,明显优于同类其他合成方法,可应用于多源信息融合、模式识别、不确定信息决策等领域.     

基于焦元距离的冲突证据组合规则

由于Dempster-Shafer理论(Dempster-Shafer theory, DST)组合规则归一化计算导致冲突信息的不合理分配,使得处理高冲突证据时常常得到违背直觉的合成结果,因此在很大程度上制约了它的应用。提出了一种基于焦元距离的冲突证据组合规则,首先通过定义焦元距离的概念来获得证据源的权重因子,并引入了焦元置信指派的数学期望和方差关系来定义证据焦元的信任度和相似度,通过分析局部冲突产生的原因,利用冲突焦元提供的信息将冲突信息进行局部分配。实验结果表明,新的组合规则不但可以有效地解决高冲突证据融合问题,而且在最差的融合顺序下也能得到合理的融合结果。     

基于技术进步和信息不对称的证据合成研究

证据理论著名的Dempster-Shafer合成公式忽视了证据信息源的主观差异性,导致其在应用中存在一些不合理性.本文初步研究了不同专家意见在决策中的分配、组合问题,提出了基于技术进步和信息不对称的动态证据合成规则,在设立专家权威系数和时间序列信度分配函数的基础上实现了新的合成法则.实例分析表明,新的合成公式比较符合直观和常理,并较好地解决了冲突证据的合成问题.     

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。     

基于证据分组合成的企业数据治理评价研究

为了正确客观地评价企业的数据治理水平,本文提出了基于证据分组合成的企业数据治理评价模型.首先,构建数据治理评价指标体系并确定指标权重.其次,为了解决证据合成过程中易出现的"一票否决"和证据冲突问题,本文分别采用了语言评语集,以及一种改进的同时考虑证据源权重和证据体间差异的证据分组方法.然后,进行组内和组间的证据合成得到最终的评价结果.最后,本文以H商业银行为例进行实证分析,验证了该改进方法的可行性和实用性.     

一种改进的D-S证据合成规则

Dempster合成规则是一种经典D-S理论的合成规则,但在合成高度冲突的证据时出现了有悖常理的现象。为了解决冲突证据的合成问题,提出一种改进的合成规则。首先讨论一个容易被忽略的问题——如何更合理地定义两个证据之间的冲突程度,并试给出一种基于"未兑现的信度"和"决策距离"两个参数共同定义的冲突程度的合理量化指标,在此基础上提出了改进的Dempster合成规则,使其既具有经典Dempster合成规则优越的信息聚焦性能,又避免了在冲突证据合成时出现有悖常理的现象。最后通过仿真实验验证了该规则的优越性能。     

异源证据间的一致度分析

提出异源证据间的一致度分析问题,将冲突度分析中的冲突与不冲突拓展为一致度分析中的一致、冲突、不一致不冲突.研究了基于Dempster合成正规化前分配给空集的Mass和证据间博彩许诺距离的证据间的一致度的一般数学形式和实用形式,及基于一致度的Dempster组合规则使用判断.通过典型算例与冲突度分析进行对比,体现了一致度分析对应用Dempster组合规则指示的强鲁棒性与合理性.     

车联网环境下基于等距映射的证据推理方法

由于车联网是物联网在现代城市交通网络中的具体应用,车联网的数据融合已成为物联网信息感知领域中一个重要的研究课题.针对传统DS证据理论在证据合成过程中存在冲突证据分配不合理、融合方法收敛效果差以及多BBM的证据推理等问题,提出了一种基于等距映射的证据推理方法(isometric mapping evidential reasoning,IMER).IMER,方法根据多BBM证据体间相似关系求取每一个证据体的低维嵌入向量,并计算出低维证据体相似度,以实现对车联网中多BBM证据体的证据推理.实验结果表明本文方法可以合理地分配冲突证据,同时具有较好的收敛性和有效性.     

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.     

基于权重系数与冲突概率重新分配的证据合成方法

证据合成方法将来自不同信息源的独立证据信息组合,产生更可靠的证据信息。但在证据完全冲突或冲突较大时,Dempster-Shafer证据合成公式失效。鉴于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数和冲突概率的重新分配,新的合成方法提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。     

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。     

Target recognition based on modified combination rule

1 .INTRODUCTIONThe evidence theory also known as D-S theory isan approach handling of uncertainty .It was firstput forward by Dempster A.P.in 1968 and thenmodified by his student G. Shafer in 1971[1 ~2].This theoryis the extension of Bayesiantheory andfurthermore it can deal with uncertainty caused bythe inaccurate or unknown of knowledge . So ,ithas been extremely wide used in data fusion field.However ,everything has its own weakness .It isinvalid when dealing with highly conflict e…     

多源不确定信息融合中的冲突证据快速合成方法

D-S证据组合规则在处理高冲突信息时,会得出与直觉相反的结论以及证据组合时计算量呈指数增长等问题。针对组合规则的不足,许多改进方法已提出,但各个方法都仍存在其局限性,如Murphy方法在很大程度上解决了冲突证据问题,并未解决计算量指数爆炸问题。基于对Murphy方法深入研究,归纳出相同证据的组合规律,给出了Murphy方法快速表达式,从而提出了一种快速的Murphy组合规则(fast Murphy combination rule, FMCR)。实验表明,新的组合规则在处理高冲突和多源不确定信息融合问题方面都是有效的,在保持Murphy组合规则计算正确性同时,显著地提高了计算速度。     

Improvement method for the combining rule of Dempster-Shaferevidence theory based on reliability

1.INTRODUCTION DSisakindofreasoningalgorithmbasedonevidence theory.ItwasputforwardbyDempsterfirst,and developedbyShafer,soitwascalledDSevidence theory.Thealgorithmsolvedtwoproblemsofproba bility:Itcangiveaclearexpressiontoanunknown case,andthesupporttonegativesuppositionofevi dencecanbeexpressedbysomevalueiftheevidence supportsapartofsupposition.DSevidencetheoryis usedtodealwithsomeinexactinformationorinexact informationsometimes.SupposeΩistheaggregateofallprobableele mentsofvariableX…     

虚拟环境中多Agent决策的冲突证据合成研究

研究了虚拟环境下基于知识融合的多Agent仿真决策中的冲突证据合成,认为传统的Dempster-Shafer证据组合规则导致悖论的主要因素是归一化因子,使结果产生了误差。对该规则进行了形式变换,分解了归一化因子,把Dempster-Shafer分为两项之合,其中第二项含有未知项。文中首次提出了融合误差的概念,引入误差函数项和全局平均支持度,这两项与未知项相关。采用等效的方法,提出了一种改进的证据组合规则,与变换后的Dempster-Shafer规则形式上一致,仅把误差赋给了未知项。理论分析和实验表明,新的合成规则得到了合理的融合结果,产生的误差最小。最后给出了一个高速贴标机的多Agent仿真决策的实例说明新组合规则的有效应用。     

基于改进冲突度量的证据组合新规则

针对DS组合规则对证据之间冲突度量估计比较“保守”的问题,提出了一种新的证据组合规则。新组合规则充分考虑了证据之间所有可能的冲突,从而使得在组合过程中不一致的信息被抑制,而一致的信息则被放大。与DS组合规则相比,根据新组合规则得到的合成证据收敛性更好,因此更有利于下一步的识别判决。数值实验验证了新组合规则的有效性。     

New conflict representation model in generalized power space

The study on alternative combination rules in Dempster-Shafer theory (DST) when evidences are in conflict has emerged again recently as an interesting topic, especially in data/information fusion applications. The earlier researches have mainly focused on investigating the alternative which would be appropriate for the conflicting situation, under the assumption that a conflict is identified. However, the current research shows that not only the combination rule but also the classical conflict coefficient in DST are not correct to determine the conflict degree between two pieces of evidences. Most existing methods of measuring conflict do not consider the open world situation, whose frame of discernment is incomplete. To solve this problem, a new conflict representation model to determine the conflict degree between evidences is proposed in the generalized power space, which contains two parameters: the conflict distance and the conflict coefficient of inconsistent evidences. This paper argues that only when the conflict measure value in the new representation model is high, it is safe to say the evidences are in conflict. Experiments illustrate the efficiency of the proposed conflict representation model.     

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.     

一种新的证据冲突表示方法

D-S证据理论作为一种不确定信息融合技术,被广泛应用于信息融合的各个领域。但是在证据高度冲突情况下常常会导致错误的融合结果,研究人员对证据理论的组合规则的改进和数据模型的修改进行了大量的研究,但是如何去度量或确定证据之间冲突的程度却常常被人忽视。针对这一问题,首先分析了证据理论中经典冲突系数的不足,引入证据距离函数表示证据之间的差异性,结合经典冲突系数一起提出了一种新的证据冲突表示方法,克服了经典证据理论冲突系数的不足,能更有效地度量证据的冲突程度,最后通过算例验证了该方法的有效性。     

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。