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。     

基于局部冲突消除的证据合成法则

Dempster-Shafer(D-S)证据理论在信息融合领域得到了广泛的应用。为抑制Dempster证据合成规则产生的有悖常理的证据合成结果,提出了一种基于局部冲突消除的证据合成法则。首先,通过一种基于Vague集和逐层递推算法的证据冲突衡量方法计算了证据之间的冲突程度;进而根据距离法思想对高冲突证据进行局部冲突“中和”;最后,利用Dempster证据合成法则对已预处理的证据进行信息融合。算例结果验证了此种法则的有效性。     

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。     

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.     

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。     

D-S证据理论中的证据组合

Dem pster证据组合规则在 D- S证据理论中将几组相互独立的证据融合 ,得到一组新的证据。Dempster证据组合规则在 D- S证据理论中起着十分重要的作用。在对 Dempster证据组合规则进行分析的基础上 ,提出了一组更加一般化的证据组合规则 ,即证据的逻辑运算及基于相似性加权的证据组合规则。它们具有与Dempster证据组合规则不同的性质和应用背景     

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.     

时域证据融合中的可信度衰减模型

证据理论在时空信息融合领域都有着广泛的应用,时域信息融合表现出明显的序贯性和动态性,在空域进行证据融合时处理证据冲突的方法并不一定适用于时域,时域证据融合中如何确定证据的动态可信度是值得关注的问题。针对此问题,基于Dempster证据组合规则和证据折扣理论,分析了时域证据融合的马尔可夫性,建立了证据可信度衰减模型,在此基础上得到证据动态可信度,以此作为动态折扣因子对证据进行折扣。算例仿真表明,可信度衰减模型可以基本满足时域证据融合的要求,能有效处理时域融合中的证据冲突。     

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。     

基于证据理论的集成神经网络故障诊断方法

以Dempster Shafer证据理论为基础,给出了基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种神经网络初步诊断和证据理论融合决策诊断相结合的集成神经网络故障诊断方法,建立了相应的功能模型。并以变速箱轴承故障诊断为例,详细说明了该方法的具体步骤。结果表明,经过多故障特征信息,诊断结论的可信度明显提高,不确定性明显减小,充分显示了该诊断方法的有效性。     

考虑信息源相关性的多属性应急决策方法

利用证据理论处理多属性应急决策时,通常假设信息源独立,有悖于现实情况.因此,提出考虑信息源相关性的多属性应急决策方法.首先,给出基于证据理论的多属性应急决策问题表示;其次,提出信息源相关程度的计算方法及考虑信息源相关度的证据合成规则,以融合证据信息;再次,给出基于Pignistic概率值的应急备选方案选择方法,扩大各方案之间的信度差异,以实现多属性应急决策的目的.最后,通过算例分析验证该方法在多属性应急决策中的有效性.分析结果表明,考虑信息源之间的相关性不仅使应急决策结果更加客观,同时弱化了证据理论有关信息源独立性的假设,扩大了其在实际应用中的范围.     

证据独立性及其对目标识别的影响研究

证据理论在不确定信息的表达和处理上有独特的优势,而证据独立是很多组合方法应用的前提,但目前没有完全有效的判断方法.针对这一问题,首先研究了证据组合的内涵和证据对识别框架的解释.然后从Smets证据独立性定义出发,分析了Dempster组合规则中的独立性问题,并针对小样本或无样本情形,提出了一种证据独立性判断方法.同时,...     

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.     

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…     

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Lance距离和信度熵的冲突证据融合方法

针对D-S(Dempster-Shafer)证据理论中证据融合可能存在冲突的问题,通过考虑证据之间的关系及其本身的特性,提出一种基于Lance距离和信度熵的冲突证据融合方法。首先,利用Lance距离来度量证据之间的差异和冲突程度,并通过矩阵形式表示证据的可信度,再通过计算信度熵来度量证据的信息量,并以此表示证据的不确定度。其次,综合考虑证据的可信度和不确定度来衡量证据最终融合的折扣系数,并通过折扣系数修正原始证据。最后,采用Dempster合成规则进行证据融合得到最终结果。算例分析结果表明,所提方法较其他方法而言,收敛速度更快,融合结果更准确、可靠。     

多源异构安全信息融合关联技术研究

设计了一种异构安全信息处理系统,融合多源异构的安全信息实现告警的预处理、融合和关联。在告警融合模块中,利用扩展D-S证据理论对异构安全系统提供的动态安全信息合成,有效降低了漏报和误报,在入侵检测信任度赋值中引入更新机制,确保在动态变化的网络中判断的准确度。仿真实验表明,融合方法能够在显著减少告警数量的基础上,有效解决单个安全设备无法解决的误报、漏报问题。     

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。     

D—S证据结合方法用于目标和诱饵的识别

本文以目标和诱饵的识别为背景、详细叙述了Ｄ－Ｓ证据结合方法的原理、融合模型和识别结果；针对两类问题，推导了Ｄ－Ｓ证据结合的几个基本性质。从识别结果可以看出，这是一种识别目标和诱饵的有效方法。     

多空中作战平台协同对抗多目标态势分析方法

为了对多机协同对抗多目标的作战态势进行定量分析,根据多机协同对抗多目标的空战特征,基于神经网络和证据理论,以传感器和武器能力为证据建立敌我双方对抗态势分析识别框架。将学习引入证据合成过程,用神经网络学习对基本可信数修正系数进行优化,使证据合成能够体现证据之间的相干性和主次关系。以无人作战飞机编队对抗敌地对空防御系统为例,对所研究的态势分析方法进行了验证。获得的计算结果与通过策略实际含义分析的结果相一致,具有合理性。