共查询到17条相似文献,搜索用时 203 毫秒
1.
2.
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。 相似文献
3.
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. 相似文献
4.
在基于证据理论的融合识别系统中,对证据可靠性进行评估进而对证据进行修正是解决证据冲突的有效途径。在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出的证据之间的关系来对证据可靠性进行评估,充分考虑了传感器的静态可靠性与动态输出。最后将该方法运用于基于证据可靠性评估的融合识别中,算例表明该方法可以有效降低可靠性证据的影响,得到较好的融合效果。 相似文献
5.
多传感器自动目标识别中的冲突证据组合方法 总被引:11,自引:0,他引:11
针对决策级信息融合中的冲突证据组合问题进行了深入的研究。在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法。该方法首先计算证据之间的相似度矩阵,其次计算各个证据之间的可信度,最后采用归一化的可信度对证据进行加权平均,再进行n-1次DS组合。仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果。 相似文献
6.
7.
海上目标战术意图序贯识别技术研究 总被引:3,自引:0,他引:3
针对舰艇指挥决策中的目标战术意图识别问题,根据领域知识的特点,提出了基于特征分量相似度的目标实时状态对意图类的支持程度算法,并用证据理论对时序上支持程度进行融合,形成目标战术意图序贯识别技术。该技术建立了目标实时特征量与已知意图模式特征分量的标准值的相似度计算模型,论述了将该相似度转化成证据理论中基本概率分配函数的方法。最后举例说明了目标战术意图序贯识别的过程。 相似文献
8.
确定模糊密度是应用模糊积分进行融合的核心问题。分析了目前存在的各类模糊密度赋值方法存在的不足,在探索证据相互关系的基础上,提出了证据支持度的概念,并基于证据支持度给出了一种动态模糊密度赋值方法,分析了分类器之间的差异性对证据支持度的影响,引入了影响因子,进一步完善了证据支持度的内涵。实验表明,本文算法较之单支持向量机、基于投票的支持向量机、以基分类器精度作为模糊密度的静态模糊积分支持向量机集成以及一种基于自适应模糊密度赋值的模糊积分方法用于支持向量机集成,分类精度均得到提升。 相似文献
9.
针对多属性群决策信息集结问题,利用D S证据理论和直觉模糊集的相关方法,提出基于直觉模糊熵的属性权重确定方法,并将专家对属性的直觉模糊评价信息转化为Mass函数形式,将专家关于方案集的多属性证据信息进行了修正和合成;为了便于度量任意两个专家之间评价证据的冲突程度,提出基于证据冲突度的专家权重确定方法,并将所有专家关于方案集的证据信息进行修正和综合集成。结合算例验证了方法的有效性和合理性。 相似文献
10.
针对传统Dempster-Shafer (D-S)理论无法有效融合高冲突证据的问题, 提出了基于本征向量和Jousselme距离的证据修改方法。首先, 由决策者结合主观经验根据原始证据的重要性给出判断矩阵, 并利用本征向量法解得主观权重。接着, 由原始证据间的Jousselme距离得到客观权重, 然后, 综合主客观权重对原始证据进行修改。最后, 对修改后的证据体使用D-S理论进行融合。仿真结果表明, 该方法在对高冲突证据进行融合时收敛速度快, 准确度高, 同时具备良好的适应能力, 很好地解决了高冲突证据的融合问题。 相似文献
11.
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。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
Chen Liangzhou Shi Wenkang & Du FengSchool of Electronics & Electrics Engineering Shanghai Jiaotong University Shanghai P. R. China 《系统工程与电子技术(英文版)》2005,16(2)
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… 相似文献
15.
模糊多目标主从冲突决策模型 总被引:2,自引:0,他引:2
应用模糊测试理论和模糊规划理论 ,针对决策约束条件的不确定性和目标的不确定性 ,研究了不确定性 Stackeberg冲突决策的数学模型 ,探讨了模糊平衡解与 Mash平衡解 (或 Nash平衡结局 )的关系 ,给出了解的一致性分析。经过模拟分析验证了模型与方法的可行性 ,为综合效能风险决策提供了实用而有效的决策方法 相似文献
16.
不完备信息条件下基于证据理论的CGF行为决策方法 总被引:1,自引:1,他引:0
针对计算机生成兵力行为决策中遇到的战争迷雾问题, 特别是决策属性中出现的不完备信息情况, 提出基于证据理论的行为决策方法. 首先基于战场决策信息特点分析, 提出精确、模糊、不确定信息的决策属性可信度归一化表示, 然后提出表示备选方案不确定性的执行可信度, 最后根据DS合成法则对多属性可信度信息进行合成. 实验分析说明了该方法的可行性, 以及对于不完备信息处理的有效性. 相似文献
17.
Improvement method for the combining rule of Dempster-Shaferevidence theory based on reliability 总被引:6,自引:0,他引:6
Wang Ping & Yang GenqingNational Key Laboratory of Transducer Technology Shanghai Institute of Micro-System Information Technology ofthe Chinese Academy of Sciences Shanghai P. R. China 《系统工程与电子技术(英文版)》2005,16(2)
1.INTRODUCTION DSisakindofreasoningalgorithmbasedonevidence theory.ItwasputforwardbyDempsterfirst,and developedbyShafer,soitwascalledDSevidence theory.Thealgorithmsolvedtwoproblemsofproba bility:Itcangiveaclearexpressiontoanunknown case,andthesupporttonegativesuppositionofevi dencecanbeexpressedbysomevalueiftheevidence supportsapartofsupposition.DSevidencetheoryis usedtodealwithsomeinexactinformationorinexact informationsometimes.SupposeΩistheaggregateofallprobableele mentsofvariableX… 相似文献