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。     

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。     

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。     

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。     

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。     

车联网环境下基于等距映射的证据推理方法

由于车联网是物联网在现代城市交通网络中的具体应用,车联网的数据融合已成为物联网信息感知领域中一个重要的研究课题.针对传统DS证据理论在证据合成过程中存在冲突证据分配不合理、融合方法收敛效果差以及多BBM的证据推理等问题,提出了一种基于等距映射的证据推理方法(isometric mapping evidential reasoning,IMER).IMER,方法根据多BBM证据体间相似关系求取每一个证据体的低维嵌入向量,并计算出低维证据体相似度,以实现对车联网中多BBM证据体的证据推理.实验结果表明本文方法可以合理地分配冲突证据,同时具有较好的收敛性和有效性.     

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。     

基于可信因子的证据源修正方法

针对高冲突证据在组合过程中产生冲突悖论、一票否决的问题,提出一种基于可信因子的证据源修正方法。首先通过对多源证据的一致性处理,实现冲突证据的判断与修正;接着分析证据源的可靠性和不确定度,在此基础上给出可信因子定义;最后利用可信因子对证据源进行可信运算。对比实验表明,该方法能有效地解决冲突证据组合问题,得到合理的结果。     

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。     

传感器动态可靠性评估与证据折扣

在基于Dempster-Shafer理论的融合目标识别系统中,传感器可靠性评估与证据折扣是应用Dempster组合规则进行多传感器证据组合的关键问题。提出了一种根据传感器当前输出证据与所有传感器平均证据之间的冲突来评估传感器动态可靠性的方法,借鉴冲突处理中Dubois&Prade规则的思想提出了一种证据折扣规则,该证据折扣规则将折扣量按局部冲突的大小分配给涉及各局部冲突的集合的并。仿真和实测数据实验验证了该方案的有效性。     

基于DST-IFS的空中目标敌我属性综合识别

为了实现复杂战场环境下空中目标敌我属性的综合识别,在利用证据权重衡量信息可信度的基础上,提出了一种基于DS证据理论和直觉模糊集相结合(Dempster-Shafer evidence theory intuitionistic fuzzy sets,DST-IFS)的综合敌我识别方法。首先,分析了空中目标综合敌我识别问题,给出了具体的识别流程;然后,针对DS（Dempster Shafer）函数向直觉模糊集转化过程中存在增大信息不确定性的问题,提出了一种信度分配方法用于直觉模糊隶属度和非隶属度赋值,并利用算例验证了信度分配方法的适应性和有效性;接着,〖JP〗给出了基于理想点法（technique for order preference by similarity to ideal solution,TOPSIS）的DST-IFS决策方法步骤;在此基础上,提出了一种基于DST IFS的空中目标综合敌我识别的方法;最后进行了实例分析,验证了该综合敌我识别方法的有效性。