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.     

基于信息总不确定度的冲突证据组合修正方法

现有的冲突证据组合修正方法仅从证据距离、模糊度等描述信息不确定性的一个或几个方面对证据体的基本概率分配函数进行修正,对证据的关联性考虑不够充分。该文提出基于信息总不确定度的冲突证据组合修正新方法。该文在笛卡尔乘积的基础上定义提出组合总不确定度的概念,并给出根据融合前各证据体总不确定度预测融合后证据体组合总不确定度值域的方法。对冲突证据,利用各证据体总不确定度与组合总不确定度的比值,求出对证据基本概率分配函数的修正权重,再根据Dempster规则进行加权平均组合。信息融合的算例分析结果表明,与现有方法相比,该方法融合结果的总不确定度更小,更有利于融合结果的后续决策分析与数据应用。     

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...     

D-S证据理论在多传感器信息融合中的改进

详细阐明了多传感器信息融合的一种方法——D-S证据理论，他是一种处理不确定性问题的有用方法，但是D-S证据理论组合规则的一些不足影响证据理论的应用，通过深入分析，针对该方法的不足提出了一种修正的组合方法，这样不仅能够用于组合冲突比较大的证据，而且能够根据各条证据所包含的不同信息量进行自适应加权组合，改进了基本D-S证据理论的组合准则，提高了其融合性能，并通过实例证明了该方法的有效性。     

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。     

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.     

基于D-S证据理论的多模复合制导目标识别

多传感器信息融合已成为现代条件下目标识别的重要手段.研究基于D-s证据理论的多传感器信息融合算法,提出一种基于Dempster-Sharer理论的推广方法以解决融合信息的证据冲突问题,并将其用于红外成像/毫米波复合制导系统,进行目标识别的决策信息融合,结果比较理想,能够有效地化解证据间的冲突问题.     

一种有效处理冲突证据的组合方法

针对证据理论应用过程中,冲突证据的组合问题和基本概率赋值函数难以确定的问题,提出了一种新的冲突证据的组合方法。该方法以修改模型为基础,而不改变Dempster组合规则的结构。首先,在充分考虑焦元属性之间及证据之间的相互关联性基础上,引入证据体距离函数,然后,求出系统中各证据被其他证据所支持的程度,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,再将平均证据代替冲突证据,最后利用Dempster组合规则实现信息融合。通过仿真实验,将该方法与现有方法进行了分析比较,结果表明应用该方法是一种有效可行的证据组合方法。     

基于D-S证据理论的空中目标识别

提出了一种基于D-S证据理论的空中目标识别方法.该方法首先对目标特征进行提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用D-S组合公式进行融合识别.实例验证了算法的有效性.     

基于证据分类的DS证据合成及判决方法

该文介绍了一种基于证据分类策略的修正DS证据合成方法,以解决证据冲突情况下的合成问题,该方法模仿人处理冲突信息时所采用的策略,即首先将证据分类,保证分在同一类中的证据具有较大的相似性,然后依据分类结果中各类证据的个数决定对该类合成结果的信任度并通过加权方法得到最终的合成证据。     

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。     

A new method for constructing fuzzy evidence based on the non-consonant random set

Natural-language information is often mathematically expressed by fuzzy sets. With the random set theory as a bridge, this kind of information can be transformed into fuzzy evidence in Dempster-Shafer (DS) theory. Then Dempster’s combination rule or other combination rules of evi- dence can be used perfectly for fusing natural-language and other information. However, this traditional transformation involves the use of α -cutsets to construct the focal elements which have to be repre- sented as consonant set...     

基于冲突关系网络的证据合成方法研究

针对经典证据理论处理高冲突情况时结果违反常理的问题,在对其原因及各类改进方法进行研究分析的基础上,提出基于冲突关系网络的证据合成方法.该方法从整体着眼,充分考虑直接与间接冲突关系,通过构建网络,利用PageRank算法的思想获取证据权值并进行加权修正,最后利用Dempster组合规则进行融合,既保留了经典理论优良的数学性质,又较好解决了前述问题.算例分析结果表明,该方法能够客观反映冲突证据所携带的不确定信息,具备一定的优越性.     

基于可信度的证据融合方法

为了有效融合高度冲突的证据,在总结邓勇方法的基础上提出了基于预处理模式的改进方法,结合模糊集合理论的贴近度概念给出相似性测度的定义,进一步获得系统中各条证据被其它证据所支持的程度,将该支持度作为证据的权重,对多源证据进行加权平均后再利用Dempster组合规则融合证据信息。数值实验与仿真分析表明,新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。     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

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。     

基于加权IFS证据合成的多源信息融合方法

为权衡信息融合系统对各条证据的可信程度,提出基于直觉模糊交叉熵的证据折扣方法,用于直觉模糊证据合成规则。并根据确定性理论,对直觉模糊决策中的记分函数进行改进,得到基于确定性因子的记分函数形式,用于直觉模糊证据合成结果判定。最后通过与其他算法的对比实验,验证算法在多传感器目标识别应用中是有效的,且具有较高的计算效率。