证据理论合成规则的改进

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．该文提出了一种证据理论合成的改进方法，该方法不仅能处理相互冲突的证据，把支持证据冲突的概率按各个命题的平均支持程度加权进行分配，还能根据证据携带的信息量决定聚焦的权重，使合成结果符合实际情况．     

D-S证据理论在证券投资中的应用

D-S证据合成公式要求待合成的证据是相互独立且证据之间不能有较强的冲突,否则合成结果将有悖常理,因此,冲突证据合成前往往要进行修正.该文提出了一种基于修正系数学习的修正方法,同时将证据理论引入证券市场,将每个专家的预测意见视为证据,将不同专家预测意见的综合视为证据合成问题,然后用该文提出的修正方法对冲突专家意见进行修正,以取得较好的合成效果,从而为证券投资者提供有价值的参考信息.     

D-S证据理论中冲突问题的解决方法

针对传统D-S证据理论中冲突证据合成存在的问题,提出一种基于数学模型修正证据源的冲突证据合成方法.在不改变Dempster组合规则的前提下,逐一比较识别元素的基本概率分配值和平均基本概率分配值,结合数学模型修正基本概率分配.仿真结果表明,该方法在处理冲突证据合成时有效、可行.     

证据合成的一般框架及高度冲突证据合成方法

针对D-S证据理论在合成高度冲突证据时会得到有悖常理的无效结果的问题,提出了有效解决冲突须同时修正证据源和合成规则的原则,并给出了证据合成的一般框架;在此框架下,提出了一种新的证据合成方法。该方法首先对证据源进行两级可靠性度量处理,然后再按照合成规则进行合成,最后采用基于Pignistic概率距离计算的权重把冲突系数分配给各焦元,实现对合成结果的合理修正。实验结果表明:该方法能有效地解决高度冲突证据的合成问题,与其他合成方法相比,该方法合成效果更好。     

基于距离融合的多冲突证据合成研究

冲突证据合成作为研究热点,由于发现Dempster-Shafer合成可能导致悖论,至今仍然没有统一的解决方法.本文提出了一种新的冲突证据合成方法.融合系统中各证据的重要程度可能不同,新方法首先通过融合多证据距离,从而可以更加准确地得到证据距离,进一步通过相关算法转化证据距离为证据权值,权值反映了证据的重要程度,根据权值,对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,对重新概率分配的证据进行合成,得到合成结果.通过具体的算例比较,说明新方法在合成冲突证据方面具有一定的优越性.     

基于明考夫斯基距离的冲突证据合成方法

提出了一种新的证据预处理的冲突证据合成方法.融合系统中各证据的重要程度可能不同,直接利用公式合成可能得到与实际相悖的结论.利用明考夫斯基距离,根据系数的不同分别得到绝对距离、欧式距离和切比雪夫距离,三个距离表示有一定差异,通过融合三个距离得到证据距离,从而可以较准确表示证据的关系.利用证据距离进一步转化为表示证据权重的权值,利用权值对证据进行预处理,从而可以把冲突证据的合成问题进行转化,再通过改进的合成公式,对预处理后的证据进行合成,得到合成结果.最后通过同其它算法的算例比较,说明新方法的在合成冲突证据的方面的优越性.     

基于贴近度的新证据距离表示方法

冲突证据合成之前,确定证据的冲突程度是必须的。为了更加准确表示证据的冲突程度,提出了一种新的证据距离表示方法。通过改进的最大最小法公式,得到证据距离。通过具体的冲突证据实验,冲突证据得到的证据距离最大,从提出的算法得到的证据距离判断冲突证据,和实际结果一致。新的证据距离可以很好地表示证据间冲突程度,可以进一步处理用于冲突证据合成。     

证据理论合成规则的一点修正

讨论了证据理论合成规则期望满足的基本性质．通过实例分析了证据理论合成规则中存在的问题,并提出了一种解决问题的新的融合方法．该方法能处理相互冲突的证据,并能根据证据携带的信息量决定聚焦的权重．算例表明,该方法能根据需要将证据的权重聚焦到集合中更小的子集,又能根据需要向上回到集合中更大的子集,以解决不一致证据的问题,它还能根据子集的基数大小决定聚焦的权重,使组合结果更具有直观合意性     

有效处理冲突证据的融合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观相悖的结果的问题,该文提出了一种有效处理冲突证据的融合方法。该方法综合了Dempster-Shafer证据理论所具有的收敛性好及加性融合方法所具有的可靠性高的优点,首先通过对证据进行冲突检验,然后对冲突证据进行加性合成,消除证据之间的冲突。仿真试验结果表明该算法能更好地排除干扰,得出符合实际的组合结果,与典型算法相比,该方法在收敛性和可靠性方面体现了优越性。     

有效处理冲突证据的融合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观结果相悖的问题,该文提出了一种有效处理冲突证据的融合方法。该方法综合了Dempster-Shafer证据理论所具有的收敛性好及加性融合方法所具有的可靠性高的优点,首先通过对证据进行冲突检验,然后对冲突证据进行加性合成,消除证据之间的冲突。仿真试验结果表明该算法能更好地排除干扰,得出符合实际的组合结果,与典型算法相比,该方法在收敛性和可靠性方面体现了优越性。     

基于综合冲突度量的高冲突证据融合算法

为提高冲突证据的合成效果,针对已有基于改进Jousselme证据距离函数的冲突度量算法进行研究,提出基于非包含度和改进Jousselme证据距离函数共同度量证据冲突的综合冲突度量算法,并依此计算证据权重;在此基础上基于焦元被其他证据中同一焦元的共同支持度对焦元可信度计算式进行改进,并将上述改进结果应用于优化两两证据合成顺序的局部冲突信息再分配算法中。将新算法和已有相关算法进行算例与仿真实验比较分析,结果表明,在证据之间存在高冲突情况下,所提新算法的正确目标识别概率高于已有其他证据融合算法,且对于一般证据,新算法也具有较满意的证据融合效果,新算法是一种具有较高灵活性和较强抗干扰性的证据融合算法。     

基于冲突证据距离的DS合成方法研究

为了解决现有对于高度冲突证据的合成方法存在的问题与不足,提出了一种新的合成方法.新方法以相似性质的冲突程度和相似系数为基元,利用改进的KL来计算得到证据距离,通过证据距离和中心证据的关系建立权值,权值反映了证据的重要程度,在已有的基本可信度分配函数中加入权值进行修正.最后通过改进的方法,得到合成结果.通过算例比较,表明新方法的合成结果更为理想,更加符合实际情形.     

一种基于不确定度的证据冲突识别方法

从高度冲突证据对D-S证据理论的应用约束出发,针对几种常用冲突度量方法存在的问题,定义了描述证据自身特征的不确定度,将证据冲突涵义从证据间不一致扩展到证据内外,给出基于不确定度的证据冲突多元度量,并为增强冲突的识别效果提出最大差异度的冲突处理方法.验证分析得出:本文给出的度量方法能够有效表征证据间的冲突程度,最大冲突差异度的处理实现了证据冲突识别的显著化,在证据冲突度量与识别中具有很好的普适性和有效性.     

一种基于证据相似性的证据分类策略

证据分类策略是一种有效的冲突证据推理融合方法,但是在实际应用中会产生大量重复分类,而且分类门限根据主观经验确定,缺乏依据.为了降低分类数,提高证据分类策略的准确性,提出一种基于证据相似性的证据分类策略.首先以证据推理中得到的初始证据作为理想证据,通过衡量各个证据与理想证据的证据距离,按照证据的相似性将系统内证据分为2类证据集,然后继续按照以上的分类策略分类,直到不可再分.最后对分类结果采用Dempster组合规则合成,衡量各个分类的可信度,对合成结果加权平均组合.通过算例对该策略进行了验证,结果表明:基于证据相似性的证据分类策略可以有效降低分类数.     

一种改进的证据推理组合规则

提出了一种新的证据理论组合规则，综合考虑了支持信息和冲突信息对合成结果的影响。在求出各个证据之间局部冲突之后，利用各个证据的可信度得到系统的全局冲突；以全局冲突作为参量定义了一个冲突证据有效性系数，该系数反映了冲突信息对最终融合结果的影响。算例验证结果表明，新的组合规则能够有效地处理证据中的冲突信息，得出合理的融合结果。     

基于秩相关系数的证据合成方法

针对传统Dempster-Shafer证据合成方法合成冲突证据时,会出现相悖结论的问题,提出了基于秩相关系数的冲突证据合成方法。方法利用证据冲突信息,通过秩相关系数得到证据间的相关程度,通过算法步骤顺序求解证据距离以及权重系数,根据权重系数对证据进行重新概率分配后,完成证据预处理过程,最后用改进的合成规则,完成再分配证据的合成。具体的证据实证验证了算法在合成冲突证据方法具有最优结果,且和推理一致,可以很好地用于证据合成。     

D-S证据理论在多传感器故障诊断中的改进及应用

为了解决在多传感器信息融合处理故障诊断过程中,传统证据理论对含有冲突证据的处理结果与实际相悖的问题,介绍了传统D-S证据理论的基本构架,分析了其在处理含有高冲突的证据融合过程中将高信任度分配给小可能故障源的不足,提出了一种新的基于模糊成员函数和证据平均距离的证据调整方法,该模糊成员函数充分考虑了专家知识对基本概率分配函...     

一种有效的加权冲突证据组合方法

为了有效融合高度冲突的证据,提高证据高度冲突时融合结果的可靠性和合理性,给出了一种新的加权证据组合方法。该方法根据证据之间的关联特性,通过计算证据体间的相对距离获得系统中各传感器证据的权重。首先引入一个证据体间的距离函数,根据多证据体的距离,得到系统中各传感器证据体之间的相似度和各证据的支持度,依据支持度的大小进一步可得到各证据的可信度,以此作为各证据的权重,对证据的基本概率指派进行加权平均,最后利用Dempster组合规则融合加权平均后的证据。与其他方法相比,该方法在系统存在伪证据(干扰)时能有效迅速地识别出目标。     

基于证据熵多源组合规则的风力发电机组故障诊断方法

针对证据理论在风力发电机故障融合诊断中存在的高冲突问题,提出一种基于证据熵的多源融合组合规则.由风力发电机历史故障特征数据模糊化获取原始证据,根据多类传感器实时数据重要性的不同,采用信息熵原理得到各证据的重要性参数即权重,对加权修改后的证据进行Dempster融合得到最终结果,最后基于决策准则作出故障诊断.风力发电机故障诊断实例表明,本方法在一定程度上降低了证据之间的冲突性,提高了故障诊断的准确率.