一种有效处理冲突证据的组合方法

为了有效融合高度冲突的证据,提出一种新的基于证据距离的组合方法,首先引入了一个证据体距离函数,之后求出系统中各证据被其它证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,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,与其它方法比较,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。     

一种基于证据距离的D—S改进算法

针对高冲突下Dempster证据组合规则失效的问题,定义了描述证据可靠程度的可信度的概念,提出了一种改进的D-S组合算法。该方法首先通过证据距离,建立相似性矩阵,确定证据可信度,对证据进行预处理,再采用Dempster规则进行组合。通过仿真算例并与其它改进方法进行对比,验证了新算法在高冲突证据的情况下,可以有效地减小冲突对组合结果的影响,同时提高了证据组合的收敛速度,降低了决策风险。     

基于信任度和虚假度的证据组合方法

D-S证据理论在信息融合领域有着广泛的应用,但使用Dempster组合规则对高冲突证据进行合成时可能会得到反直观的结果,在应用中也存在“一票否决”的问题,为解决这些问题,提出一种改进的基于证据信任度和虚假度的证据加权组合方法。首先在证据相关系数的基础上定义了证据信任度,再结合证据虚假度的概念来确定各原始证据的权重,依此权重系数对各证据进行加权平均后利用Dempster组合规则对加权平均证据进行组合。数值算例表明,该组合方法可实现冲突证据的有效融合,与其他方法相比该方法具有更好的收敛性。     

基于改进证据理论的目标识别融合方法

对目标进行识别时,应用Dempster证据组合规则融合冲突证据会产生不合理的结论。针对这个问题,提出一种基于加权马氏距离的证据理论改进方法。使用证据理论前对证据进行预处理,引入加权的马氏距离来度量不同证据被其他证据支持的程度。利用平均证据代替冲突证据,将支持度作为证据的权值,再应用Dempster证据组合规则得出识别结果。通过仿真实验,将该方法与现有方法进行了对比分析,结果表明该方法较其他方法能更有效地融合高度冲突的证据,提高了目标识别的准确性。     

互补证据组合规则

针对Dempster组合规则"一票否决"和现有修正方法主观分配冲突信息的缺点,提出一种全新的证据组合方法.新方法直接利用定义的互补证据进行融合,不再采用Dempster组合规则中的纯乘性策略组合证据,成功解决了"一票否决"问题.并将冲突信息转化为证据权重融入组合规则进行直接融合,不再主观分配其信度.新的组合规则是一类广义的加性集成算子,既满足交换律又满足结合律,既能够直接组合单类证据,也能够基于TBM组合复合类证据.通过多传感器融合识别算例,验证和对比分析了新的组合规则的优势.     

基于证据距离与不确定度的证据组合方法

Dempster-Shafer证据理论是信息融合领域中的一种重要的理论与方法.然而在实际应用中,Dempster证据组合规则无法有效处理高冲突证据组合问题,往往引发反直观结果.针对这一问题,提出一种新的加权证据组合方法.该方法同时利用证据距离和证据不确定度来生成权重进而修正待征组合证据,并取得合理的组合结果.实验结果表...     

基于试探折扣修正的证据组合方法

Dempster-Shafer(D-S)证据理论在不确定性信息处理相关领域具有十分重要的地位,然而对冲突证据进行Dempster规则组合时,常常会出现反直观结果的问题.本文提出了一种新的对证据组合结果质量评价的量化标准,该标准由证据集可信度与组合结果聚焦度构成,并在该标准的基础上提出了一种对证据进行多次试探折扣的修正方法,每次试探折扣由证据的不从属度来构造,实现了证据集可信度与组合结果聚焦度的共同提高,获得最佳聚焦结果,并且还可以通过设置优化目标,灵活控制证据集可信度,获得高质量证据组合结果,以满足各种类型决策的需要.实验结果和相关分析表明,本文方法是合理有效的.     

改进的二元组冲突表示方法

D-S证据理论可以有效表示随机性和模糊性的不确定信息,可以在不需要先验信息的情况下对证据进行组合,这些优点使得该理论被广泛应用于信息融合的各个领域。但是在实际应用中,D-S证据理论中的组合规则无法有效融合冲突信息,为此研究人员在组合规则改进或是数据模型修改两个方面提出了很多改进方法,但却忽视了对冲突本身的研究。首先分析了证据理论中经典冲突系数的不足,而后引入证据距离,结合经典冲突系数提出了一个改进的二元组来描述证据冲突,新的二元组冲突表示可以更好地度量证据之间的冲突,而且对Dempster组合规则的适用性具有指导意义。算例说明了新的冲突表示方法的有效性。     

新的证据冲突衡量标准下的D-S改进算法

 针对传统证据冲突衡量标准存在的不足及高冲突下Dempster证据组合规则失效的问题,通过pignistic变换,定义了新的证据冲突衡量标准,基于此,提出了一种新的D-S改进算法.该方法依据少数服从多数的决策思想,引入了描述证据重要度的权重系数,对证据进行预处理,再采用Dempster规则进行组合.通过仿真算例分析,并与其它改进方法进行对比,验证了新算法在处理证据冲突方面的性能显著改进,加快了收敛速度,同时降低了决策风险.     

基于证据源预处理的冲突证据组合新方法

针对冲突证据的组合问题,提出了一种新的证据组合方法。通过定义证据间的Jaccard相似度获得各个证据的归一化可信度,在此基础上获得一个标准证据。利用该标准证据对各初始证据进行修正,最后利用Dempster-Shafer(DS)组合规则获得证据组合结果。证据组合过程中既保持了DS规则良好的数学性质,又有效地减小了冲突证据带来的干扰,提高了组合结果的合理性与可靠性。     

冲突证据的目标识别系统的研究

目标识别系统中的不确定性信息常常表现为模糊性和冲突性信息.提出了一种在证据理论框架下实现模糊信息融合的方法.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.该方法采用先验概率加权与实际战场环境模糊加权相结合,最后采用归一化的可信度对证据进行加权平均并进行DS融合.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.     

基于皮尔逊系数的冲突证据合成新方法

提出了一种融合证据源预处理和合成规则修改的冲突证据合成方法.算法得到两两证据源间的皮尔逊系数,每个证据源具有特有皮尔逊系数值和.以具有最大皮尔逊值和的证据源为中心证据源,所有证据源相比中心证据源的比例为该证据源的权值,权值反映了证据的重要程度,从而冲突证据源具有最小的权值.利用权值对原始证据源进行预处理,降低冲突证据的重要性.再通过改进的合成规则,对处理后的证据源进行合成,得到最终合成结果.证据正常与冲突情况下的仿真算例验证了新方法不但在证据合成中具有很高的通用性,而且相比其他方法具有很强的优越性.     

灰关联分析和证据理论在雷达辐射源识别中的应用及改进

针对雷达辐射源识别中灰关联分析和修正的DS证据融合策略的运用进行了研究,探讨了通过灰关联分析来确定证据理论中的基本概率赋值函数的方法,并应用修正的DS证据融合策略对证据冲突情况下的融合算法进行了改进.仿真结果表明该算法是可行而有效的.     

一种基于局部冲突分配的DST组合规则

 冲突证据融合是信息融合中一个非常重要但始终没有很好地解决的问题.本文从选择有效的冲突衡量参数的角度出发,分析了悖论与证据冲突的关系,给出了新的冲突衡量参数,并基于此参数提出了一种新的基于局部冲突分配策略的证据推理组合规则.大量实例表明,提出的证据推理组合规则能够解决现有的证据理论悖论问题,是一种较为通用的证据推理组合规则.     

多传感器信息融合中的证据冲突判决方法

为了提高多传感器信息融合中冲突判决的准确性,提出了用多个证据冲突函数对证据冲突进行判决。首先分析证据冲突机理,指出证据冲突与证据间命题差异和潜在冲突有关,应在多证据组合情况下衡量证据冲突程度。然后给出多个证据冲突函数解决证据组合时冲突判决问题。最后通过仿真验证了该方法的有效性。     

采用聚类分析的冲突证据判定及合成方法

针对D-S 证据理论中高度冲突证据合成时产生反直观结果的问题,从聚类分析的角度提出了一种新的冲突证据合成方法。首先建立余弦相似度空间,利用证据向量之间的夹角余弦定义冲突证据检测因子,进而提出冲突证据判据判定冲突证据,从而实现证据分类;其次引入冲突比例因子决定冲突证据的修正方式,通过绝对相似度对冲突证据进行局部修正,通过相对相似度对证据进行全局修正;最后将修正后的证据带入D-S 公式进行合成。应用实例证明:新方法能够判定并有效合成冲突证据,具有较好的分类精度、收敛速度和稳定性。     

一种基于马氏距离的冲突证据组合方法

D-S证据理论是高层数据融合中一种重要的处理不确定性问题的方法。但在使用D-S证据理论处理高冲突信息时,经常得出与直觉相悖的结论。证据理论不能有效处理高冲突证据的特点极大制约了其应用,当前研究主要对原始证据源进行修改。提出了一种基于马氏距离确权的组合方法,通过合理度量冲突大小,对原始证据源进行加权修正。经过数值分析,新的组合方法在应对敌对干扰等突发高冲突时性能得到明显改进。     

改进的证据组合规则及其在融合目标识别中的应用

针对D-S理论在解决证据冲突时的局限性,提出了一种改进的证据组合规则.该方法充分考虑了证据源信息和冲突证据本身的信息,利用证据间的支持度矩阵,得到各证据的可信度.并以此对证据进行加权平均;在此基础上,将支持证据冲突的概率按各个命题在所有命题中所占的比重进行分配.仿真实验结果表明,该方法在处理冲突证据问题及证据比较一致的问题时,都能得到合理的融合结果.在实际的多传感器融合目标识别中,可以充分利用多个传感器的互补信息,最大程度地降低矛盾冲突因子对识别结果的影响,从而提高了融合识别的可靠性和有效性.