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.     

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。     

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.     

一种解决D-S理论证据冲突的有效方法

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。针对有效融合高度冲突的证据,提出了一种新的有效加权冲突证据组合方法。该方法通过引入一个证据体距离函数,利用证据之间的相对距离确定了证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合。与其他方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标,实例表明了该方法的有效性。     

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。     

能量修正和决策集约简的证据理论优化算法

为了同时利用证据焦元的基本概率赋值和焦元的基数信息解决DS(Dempster Shafer, DS)证据理论高冲突问题,并考虑数据融合的抗噪声和干扰能力,提出采用基于焦元信息能量的先验信息比值演变函数对证据源和组合规则进行修正的算法。为了进一步降低〖JP2〗算法计算量,利用多元素焦元信任值向单元素焦元分配以及决策集约简方法,进一步优化算法性能,提高算法大数据量适应能力。实验结果验证了优化算法的正确性和有效性。     

基于云模型和证据理论的装备管理绩效评价

针对部队装备管理绩效影响因素复杂,评价过程具有模糊性、不确定性等特点,提出了基于云模型和改进证据理论的装备管理绩效评价方法。首先,构建了装备管理绩效评价指标体系,采用组合赋权法确定指标权重;然后,借助云模型对评语信息进行建模,构造基本概率分配函数,再引入Jousselme距离,通过计算证据可信度和可靠度得到证据的复合权重,以此作为权重系数对证据源进行修正;最后,采用改进的证据融合规则进行各指标基本概率分配融合,得到综合评价结果。通过实例分析验证了指标体系的科学性和算法的有效性,为部队装备管理绩效评价提供了参考。     

基于证据理论和直觉模糊集的群决策信息集结方法

针对多属性群决策信息集结问题,利用D S证据理论和直觉模糊集的相关方法,提出基于直觉模糊熵的属性权重确定方法,并将专家对属性的直觉模糊评价信息转化为Mass函数形式,将专家关于方案集的多属性证据信息进行了修正和合成;为了便于度量任意两个专家之间评价证据的冲突程度,提出基于证据冲突度的专家权重确定方法,并将所有专家关于方案集的证据信息进行修正和综合集成。结合算例验证了方法的有效性和合理性。     

区间值信念结构下冲突证据组合

区间值信念结构下证据理论在信息融合、决策分析中有着广泛的应用前景.针对区间值冲突证据组合出现反直观结果问题,提出一种新的证据组合方法.从整体角度构建证据间Pignistic概率距离的最优化模型,通过得出的相对权重来修正证据, 使之符合Dempster组合规则可用范围,然后组合. 算例分析表明所提方法是合理有效的.     

基于证据理论的目标识别方法

当目标识别系统中传感器信息高度冲突时,仅利用D-S组合规则无法有效融合。提出一种基于证据理论的目标识别方法,该方法首先定义了冲突系数,在此基础上设计了目标识别方法。当冲突较小时,直接利用D-S组合规则进行融合识别;反之,根据冲突的具体情况对证据先折扣再融合识别。通过目标识别仿真实验与其他识别方法进行了比较,实验结果表明所提方法提高了抗干扰能力,具有较快的收敛速度。     

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。     

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。     

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。     

基于改进时域证据融合的目标识别

为了实现防空反导目标识别,根据证据折扣理论和证据可靠性评估的思想,提出了一种改进的时域证据组合方法。首先,提出了具有时域信息累积的信息融合模型;然后,通过基于信任度和虚假度的方法对累积的时域信息进行预处理,用可信度衰减模型和基于Einstein算子改进的冲突因子分别进行实时可靠性和相对可靠性评估;最后,基于Dempster准则和证据折扣准则对证据进行合成。仿真分析表明,该方法能够充分利用历史信息,体现了时域信息融合的动态性,能够有效处理信息冲突,具有较强的抗干扰能力。     

证据融合的聚焦与冲突处理研究

针对Dempster组合规则存在的缺陷，即：在融合高度冲突的证据时会产生违反直觉的结论，无法处理完全不一致的证据，而且不能根据命题子集基数向下聚焦，提出了一种结合修改组合规则与修改证据源两种不同冲突处理策略的证据融合方法，采用基于Jousselme证据间距离指标的加权平均法对原始证据进行修正，并给出新的组合规则对修正的证据进行多次组合。与当前代表性方法相比，该方法在根据子集基数向下聚焦、收敛趋势以及冲突证据的处理方面都有好的表现。     

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…     

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。