两种新的DS合成法则仿真近似算法

DS合成法则计算时间复杂度是影响DS理论广泛应用的主要原因之一,介绍了几种著名的近似算法,并分析了它们的优劣性,指出了这些方法的存在的问题。给出了两种新的仿真近似算法,这两种新方法不需要预先限定焦元的个数,计算过程直观、方便,结果合理。仿真试验结果表明,这两种方法的计算结果和Bayesian方法非常接近,但不存在Bayesian方法的不合理之处。对几种算法作了进一步分析研究,给出了三种算法间的关系。     

DEMPTER-SHAFER合成法则的悖论

针对证据推理理论中的Ｄｅｍｐｔｅｒ－Ｓｈａｆｅｒ证据合成法则构造出了三条悖论，为该法则的应用划出了一些禁区.     

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。     

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。     

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。     

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。     

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D-S证据理论的灰色定权聚类综合后评价方法

结合灰色定权聚类评估模型和D-S证据理论对项目综合后评价方法进行研究.应用差异信息序列熵理论,根据指标所蕴含信息量的多少确定聚类指标的权重;根据所得到的灰色定权聚类系数矩阵并把该矩阵经过适当转换, 把每一个聚类对象作为影响后评价结果的一条证据,考虑到证据推理中零绝对化问题存在的可能性, 给出了解决办法;利用Dempster合成法则, 得到了辨识框架中各子集的信度函数,根据信度函数最大值确定项目综合后评价的结果.可以充分利用定权聚类中所得到各聚类对象所属灰类的信息,减少了直接使用聚类系数最大化方法确定评价对象所属灰类造成的信息损失, 最后通过一个算例说明了该方法的实用性和有效性。     

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。     

一种基于规划系统的计划识别混合求解方法

基于智能规划领域中机器人动作规划的思想,给出了一种求解计划识别问题的混合方法。首先讨论了规划及计划识别系统的一阶谓词逻辑知识表示,然后建立了一种基于智能规划的计划识别模型,并提出了一种计划序列的生成算法,再结合D-S证据理论来实现计划识别的不确定性推理。最后以一个例子说明了采用该方法进行规划推理和计划识别的过程,表明了使用该方法求解计划识别问题的可行性。     

基于焦元距离的冲突证据组合规则

由于Dempster-Shafer理论(Dempster-Shafer theory, DST)组合规则归一化计算导致冲突信息的不合理分配,使得处理高冲突证据时常常得到违背直觉的合成结果,因此在很大程度上制约了它的应用。提出了一种基于焦元距离的冲突证据组合规则,首先通过定义焦元距离的概念来获得证据源的权重因子,并引入了焦元置信指派的数学期望和方差关系来定义证据焦元的信任度和相似度,通过分析局部冲突产生的原因,利用冲突焦元提供的信息将冲突信息进行局部分配。实验结果表明,新的组合规则不但可以有效地解决高冲突证据融合问题,而且在最差的融合顺序下也能得到合理的融合结果。     

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。     

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…     

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。     

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     

一个证据推理模型及其在专家意见综合中的应用

表达为概率分布的专家意见的综合是许多决策过程的基本问题 ,也是在贝叶斯概率框架内难以处理的问题 .本文基于 Depster-Shafer证据理论研究了这类问题的一种处理方法 .首先提出了一个特别的证据推理模型及相应的推理算法 ,然后基于该模型描述了专家意见综合问题的建模和求解方法.     

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。