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.     

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。     

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。     

基于粗糙集与证据理论的决策规则合成方法

如何根据规则进行决策是决策规则应用必须解决的核心问题之一。针对该问题,提出了一种决策规则的合成方法,为根据多条规则进行决策提供了崭新的思路。首先,获取规则,计算支持度、信度等信息;然后,将规则信度转换为可信度分配,综合属性重要性和规则支持度两方面因素,计算可信度分配的权重;最后,运用证据理论对可信度分配进行合成。实验表明,规则合成方法能够对决策规则,尤其是冲突规则进行有效合成,得出可靠的决策。     

基于D-S证据理论的工程投标决策研究

工程投标决策是一类典型的具有不确定性、不完备信息的多属性决策问题。证据理论能够处理“不确定性”和“不完备性”，并能基于合成法则进行信息合成。探讨了不确定信息的定量描述及规范化、信度函数的表达方法等问题，探讨了基于Dempster-Shafer合成法则的证据组合理论，提出了用于求解不确定多属性投标决策问题的D-S证据理论二级递阶推理决策模型。最后实例验证了该方法的可行性、有效性和实用性。     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

一种基于D-S证据理论的控制器设计方法

采用单一传感器的单输入单输出回路控制器在工业控制领域应用非常广泛。由于单一传感器难以准确反映被测量的变化 ,故控制效果往往不能满足要求。采用多个传感器对被控量进行检测 ,必须解决不确定信息的融合问题。提出了一种采用Dempster Shafer证据理论的融合算法的控制器设计方法 ,并提出采用模糊控制方法构造基本概率赋值函数。最后将这种控制器应用于水厂加矾控制系统中     

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。     

一种D-S证据推理的改进方法

D-S证据理论是多传感器信息融合常用的算法,但它无法解决证据的可信度问题。本文根据传感器的局部决策先算出局部决策值,构造整个系统的支持矩阵,然后求这个支持矩阵的特征向量,以此作为各个传感器的可信度。这个可信度就可以作为各个传感器的权值,以此修正D-S证据的融合算法。最后,给出了一个对比仿真实验,证明此算法的在处理错误或大偏差证据的有效性。     

一种基于证据理论和条件规则的目标识别方法

针对多源信息融合识别目标属性的问题,提出了一种将先验条件规则应用于多传感器目标识别方法。该方法根据证据理论(D-S theory)和可传递信任模型(TBM)中证据所对应的信度传递规则,将不同辨识框架之间的条件规则映射成辨识框架的改变,并通过计算pignistic概率,得到利于决策的单命题结论。在此基础上,总结了多传感器融合识别目标的基本步骤,仿真结果说明了方法的有效性。     

Efficient combination rule of Dezert-Smarandache theory

The Dezert-Smarandache theory （DSmT） is a useful method for dealing with uncertainty problems. It is more efficient in combining conflicting evidence. Therefore, it has been successfully applied in data fusion and object recognition. However, there exist shortcomings in its combination rule. An efficient combination rule is presented, that is, the evidence＇s conflicting probability is distributed to every proposition based on remaining the focal elements of conflict. Experiments show that the new combination rule improves the reliability and rationality of the combination results. Although evidences conflict another one highly, good combination results are also obtained.     

基于模糊理论与D-S证据理论的FMEA方法

针对传统故障模式及影响分析(failure mode and effect analysis, FMEA)中主观性较强以及权重分配不够合理的问题,提出基于模糊理论与Dempster-Shafer (D-S)证据理论的FMEA方法。首先,参考软件FMEA方法,将故障被检测度引入到硬件FMEA方法中,并应用模糊理论建立模糊评定等级及对应模糊数。其次,提出基于D-S证据理论的专家赋权法合理分配权重。最后,基于风险优先数(risk priority number, RPN)得出各故障模式的风险排序。案例分析表明该方法可以根据评估偏差量来科学地分配权重,使得评估结果更合理、RPN值更准确、故障模式风险排序更客观。该方法能够满足实际需要,在工程实践中值得推广应用。     

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.     

处理冲突证据的一致性组合规则

在分布式融合系统中,通信延迟等因素会导致融合节点获得证据的顺序不同,使用传统证据组合规则难以得到一致的组合结果。根据组合规则基本性质可知,当组合规则不满足结合性时,证据顺序的不同会导致组合结果的差异。多数冲突证据组合规则,在解决Dempster组合规则冲突悖论的同时失去了结合性;部分冲突证据组合规则以组合结果不确定性为代价保持了结合性,但结果不确定性严重影响了用户决策。从冲突信度保留再分配的角度出发,使用自由Dezert Smarandache(DSm)模型保留先前冲突信度,基于先前冲突信度及当前证据生成权重,通过权重对先前冲突信度和当前冲突信度再分配完成证据组合。提出方法降低了证据顺序对组合结果的影响,在证据乱序情况下能够保持较好的一致性。数值算例验证了该方法的有效性。     

基于粗糙集和D-S证据理论的设备技术状态评估

针对设备技术状态评估中存在着不确定性,建立了基于粗糙集理论和D-S证据理论的设备技术状态评估模型,以提高评估的准确度,降低不确定性。首先利用粗糙集理论的知识约简功能来优化设备技术状态评估指标,其次采用D-S证据理论来组合优化过的指标,最后采用基于基本可信度分配的决策来获得设备的技术状态类别。以汽轮鼓风机为研究对象,详细描述了基于粗糙集理论和D-S证据理论的设备技术状态评估方法,并进行实例计算。实例表明采用粗糙集理论,优化了评估指标,减少了数据收集;采用D-S证据理论,进一步综合各指标,并能计算出评估结果可能存在的不确定性量。     

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。