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。     

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。     

证据冲突:丢弃,发现或化解?

组合可能冲突的信息是智能推理中重要的研究内容,其中,证据理论是一种典型的不确定性智能推理方法。在证据理论中,用以融合和更新证据信息的推理组合规则是其理论基石。Dempster组合规则通过合取运算来构造信息结构,得到了广泛的应用。然而,当证据冲突比较大、证据源不完全可靠或辨识框架不完备时,Dempster组合规则得到的结果并不符合常理。为此,改进组合规则和处理证据冲突,成为证据理论中一个重要的研究课题。将全面回顾和比较国内外现有的主要推理组合方法,基于不同的冲突处理机制,建立相应的理论框架,涵盖绝大多数推理方法,从理论上对证据推理方法的研究,进行一个全面的总结,并剖析各种组合方法的优缺点和相互关系,指出最新的研究趋势。     

Evidence fusion procedure based on hybrid DSm model

Dezert-Smarandache（DSm） theory, a new information fusion theory, is widely applied in image processing, multiple targets tracking identification, and other areas for its excellent processing ability of imperfect information. However, earlier research on DSm theory mainly focused on one sort of questions. An evidence fusion procedure is proposed based on the hybrid DSm model to compensate for a lack of research on the entire information procedure of DSm theory. This paper analyzes the evidence fusion procedure, as well as correlative node input and output information. Key steps and detailed procedures of evidence fusion are also discussed. Finally, an experiment illustrates the efficiency of the proposed evidence fusion procedure.     

修正的DSmT证据编码方法

计算量是影响Dezert Smarandache理论(DSmT)应用的重要因素之一,也一直是DSmT的研究热点。计算编码由于其证据表示和信度计算的合理性,得到了广泛的认可。计算编码在编码转换时简单有效,但在解码转换时需要进行全部可能元素查找,需要大量查找计算,降低了计算编码的执行效率。文章提出了一种修正的DSmT证据〖JP3〗编码方法,该方法将焦元关系转换为唯一的位置属性并事前存储于数据库中,减小了在解码过程中的查找计算量,修正方法在不改变合成结果的前提下更加有效。算例也验证了修正方法在合成结果上的正确性和计算量上的高效性。     

信息融合中的伪证据处理

由于种种原因 ,信息融合在实际应用中往往会受到伪证据的影响。阐述了Dempster Shafer证据推理的特点。基于Dempster证据组合 ,提出了一种针对已经参与融合的伪证据 ,通过对附加证据的融合 ,减弱其影响的一种方法。仿真结果表明 ,该方法可以有效地减弱伪证据对信息融合结果的影响。     

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…     

New weighting factors assignment of evidence theorybased one vidence distance

1.INTRODUCTION Dempster Shafertheoryiswidelyusedinmanyfields suchasinformationfusionanddecision making[1,2].Anditisaverysimpleandstraightforwardwayofex tendingclassicalprobabilitytheory.However,Demp ster’scombinationoperatorisapoorsolutionforthe managementoftheconflictbetweenthevariousinfor mationsourcesatthenormalizationstep.Severalau thorshavecriticizeditandsomehaveproposedother solutions[3,4].InRef.[4],Lefevrehaspointedout thatthecoreofalotofmodifiedmethodistheassign mentoftheconfli…     

基于K-L信息距离的证据冲突特征识别与应用

证据冲突是多证据融合中各种合成方法的主要制约问题,本文引入K-L信息距离函数描述证据间的冲突特征,通过构造距离矩阵定义独立证据在整个系统的冲突程度,实现对证据冲突的系统化识别.模拟实验表明：K-L信息距离的有效冲突识别,能完善D-S理论合成规则的应用约束,对正常冲突证据合成得到优化收敛结果,对高度冲突隔离证据的特征分析提取价值信息.     

基于证据理论的多Agent重复囚徒困境博弈研究

在多Agent系统中,利用证据理论与重复囚徒困境博弈对其中的合作行为进行了研究.为加强Agent之间的合作行为,构建了基于信度函数的综合信任模型.该综合信任度的建立来于两个方面:一是由以前交互历史中观察的直接证据而得到的直接信任度,二是由来自于第三方的推荐证据而得到的推荐信任度.基于综合信任模型,给出了多Agent重复囚徒困境博弈算法,并对所研究的问题进行了仿真.仿真结果表明,基于综合信任度的博弈策略能够有效地加强系统中的合作行为,提高系统的收益.     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

两种新的DS合成法则仿真近似算法

DS合成法则计算时间复杂度是影响DS理论广泛应用的主要原因之一,介绍了几种著名的近似算法,并分析了它们的优劣性,指出了这些方法的存在的问题。给出了两种新的仿真近似算法,这两种新方法不需要预先限定焦元的个数,计算过程直观、方便,结果合理。仿真试验结果表明,这两种方法的计算结果和Bayesian方法非常接近,但不存在Bayesian方法的不合理之处。对几种算法作了进一步分析研究,给出了三种算法间的关系。     

一种基于最优权重分配的D2S 改进算法

为解决高冲突证据下的D-S证据理论失效这一问题,在对已有一些代表性改进方法分析的基础上,提出了一种新的基于最优权重分配的D-S改进算法.在保证证据冲突整体最小情况下,建立证据最优权重分配模型,对原证据模型进行修正.通过实例分析,并与其它改进方法进行对比,验证了该算法在解决冲突证据方面更为有效.     

Dempster-Shafer合成法则悖论的一种消除方法

首先介绍了证据理论及其有关概念和 Dempster-Shafer 合成法则,针对 Dempster-Shafer 合成法则有时可能会产生悖论这一情况,分析了证据理论合成公式悖论产生的原因,并在此基础上提出了一种消除 Dempster-Shafer 证据理论合成悖论的方法;最后用几个实例证明这种方法是有效可靠的.     

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。     

多传感器自动目标识别中的冲突证据组合方法

针对决策级信息融合中的冲突证据组合问题进行了深入的研究。在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法。该方法首先计算证据之间的相似度矩阵,其次计算各个证据之间的可信度,最后采用归一化的可信度对证据进行加权平均,再进行n-1次DS组合。仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果。     

多传感器信息时空融合模型及算法研究

在目标识别中,为了获得观测目标的准确状态,需要同时考虑数据融合的时间性和空间性。提出了一种多传感器信息的时间和空间两级融合的结构模型。首先对同一时刻不同传感器的信息进行空间融合,然后对经空间融合后的时间序列进行时间上的融合。就该模型提出了基于证据理论和模糊积分的融合算法。将该模型和算法应用于目标识别。仿真实验表明,该模型可以提高系统的识别率和可靠性。     

基于本征向量和Jousselme距离的高冲突证据融合方法

针对传统Dempster-Shafer (D-S)理论无法有效融合高冲突证据的问题, 提出了基于本征向量和Jousselme距离的证据修改方法。首先, 由决策者结合主观经验根据原始证据的重要性给出判断矩阵, 并利用本征向量法解得主观权重。接着, 由原始证据间的Jousselme距离得到客观权重, 然后, 综合主客观权重对原始证据进行修改。最后, 对修改后的证据体使用D-S理论进行融合。仿真结果表明, 该方法在对高冲突证据进行融合时收敛速度快, 准确度高, 同时具备良好的适应能力, 很好地解决了高冲突证据的融合问题。     

D-S理论在信息融合中的改进

多传感器数据的信息融合有许多算法,常用的有D S证据理论法,这是一种用于处理不确定性的方法。研究了证据理论组合规则的原理,通过深入分析,针对它的不足提出了一种改进组合方法,这样不仅能够组合冲突度大的证据,而且能根据各条证据所包含的不同信息量进行自适应加权组合。最后通过几个实例证明了该方法的有效性,提高了合成结果的可靠性。