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.     

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。     

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.     

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.     

一种新的处理冲突证据的合成方法

为了有效融合高度冲突的证据,提出一种新的可变参数的基于平均证据距离的组合方法,在预处理中采用贝叶斯近似法;在计算加权平均证据时,采用一种新的变系数的距离权重分配算法;在计算证据合成时,提出并采用单集自迭代定理。应用实例表明提出的合成法则可以更有效和快速地解决冲突证据合成问题。     

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。     

基于反馈证据冲突度的概率转换

概率转换是不确定推理中的有效决策方法之一。首先,对现有概率转换公式进行分析,给出两类统一的概率转换公式。针对现有概率转换公式的给出过程较为主观,概率转换方法缺乏严密性的缺陷,提出基于反馈证据冲突度的概率转换方法。再利用遗传算法,求解最小反馈证据冲突度的转换概率。最后,将本文概率转换方法与现有的概率转换方法进行比较,结合仿真分析表明所提方法的有效性。     

基于Einstein算子的证据冲突度量方法

为了有效度量融合证据之间的冲突,在分析冲突因子和典型证据冲突度量方法不足的基础上,提出了一种基于Einstein算子的证据冲突度量方法。首先,利用证据向量度量思想给出证据之间的差异度矩阵,并定义对数形式的差异因子;然后,引入模糊集相似关系定义证据之间的相关系数;最后,综合考虑证据之间的差异性和相关性,利用Einstein算子定义一种新的证据冲突度量因子。仿真实验结果表明:该方法不但可以有效度量证据之间的冲突程度,而且对冲突证据的融合具有良好的收敛性。     

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。     

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…     

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。     

Object detection based on combination of local and spatial information

A method of object detection based on combination of local and spatial information is proposed.Firstly,the categorygiven representative images are chosen through clustering to be templates,and the local and spatial information of template are extracted and generalized as the template feature.At the same time,the codebook dictionary of local contour is also built up.Secondly,based on the codebook dictionary,sliding-window mechanism and the vote algorithm are used to select initial candidate object windows.Lastly,the final object windows are got from initial candidate windows based on local and spatial structure feature matching.Experimental results demonstrate that the proposed approach is able to consistently identify and accurately detect the objects with better performance than the existing methods.     

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.     

基于利益冲突视角的互惠激励效应研究

为研究两个时期中企业主的互惠性偏好对员工的动态激励效应,从利益冲突角度构建了互惠性管理者与员工策略选择的两阶段序贯博弈模型.结果表明,在动态策略坏境中,互惠依然具有显著的激励作用,管理者的互惠性偏好会迫使员工的最优策略选择发生局部的收敛,从而一定程度上替代契约的功效,并且在一定条件下,委托人的收益将大于理性条件下的收益水平.     

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。