基于Haenni方法的证据冲突原因分析

由于Dempster组合规则所存在的不足,在组合冲突信息时,会得出与直觉相反的结论。针对Zadeh悖论,Haenni给出了反驳,但冲突产生的原因分析不够全面。鉴于此,本文在他们的基础上,总结出冲突产生的原因,它不仅与传感器受干扰有关,与识别框架不完整也有关系,其中识别框架不完整还包括框架中的元素不详尽,出现了新目标和在两两证据进行推理过程中目标丢失导致的潜在冲突。     

基于改进冲突度量的多证据直接融合算法

针对Jousselme证据距离函数不能较好描述证据局部冲突和不能对高冲突证据进行准确冲突度量的不足,该文首先提出改进的Jousselme证据距离函数,该函数基于能够较好描述证据之间局部冲突情况的非重合度对Jousselme证据距离函数进行改进,使其冲突度量结果随非重合度取值及其取值范围的变化按适当比例进行变化;其次,基于冲突系数和新改进Jousselme证据距离函数共同构建改进的融合冲突度量函数。在此基础上,对焦元权系数计算式进行改进,并依此对局部多维冲突信息进行按比例分配。理论及应用分析结果表明,新算法是一种适用性广泛且抗干扰性能好的证据融合算法。

     

基于均衡信度分配准则的冲突证据组合方法

本文针对目标综合识别中冲突信息的组合问题,以Dempster组合规则为基础,提出了一种基于均衡信度分配准则的冲突证据组合方法 ;并根据证据间的相似性程度来确定组合顺序.通过仿真实验测试,证明本方法比现有算法具有更强的稳健性.     

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pignistic概率距离的冲突证据合成方法

Dempster Shafer证据理论在数据融合中有着广泛的应用.但当证据之间高度冲突时,应用DS证据合成公式往往会得出错误的结果.在现有的证据合成改进方法中,均使用冲突系数k来度量证据之间冲突的程度.最新的研究表明:影响证据冲突的因素不仅仅是冲突系数k,还和证据的pignistic概率距离等因素有关.在原有的冲突系数k之上,引入pignistic概率距离,提出了一种新的冲突证据合成方法.仿真结果表明:当证据之间的冲突小时,合成结果近似于D-S证据合成公式,当证据之间的冲突较大时,这种方法在公式模型上比其他方法完善,冲突证据的合成结果更加合理.     

基于证据相似性度量的冲突性区间证据融合方法

基于证据相似性度量,该文提出一种冲突性区间证据融合的新方法。首先,定义了扩展型Pignistic概率转换,将区间证据转换为区间型Pignistic概率。利用区间模糊集的归一化欧式距离,求取区间型Pignistic概率之间的相似性,以此确定两两证据间的相似度矩阵,从中获取区间证据的置信度。然后,基于该置信度对原始的区间证据进行加权平均得到新的区间证据,利用Demspter区间证据组合公式对其进行融合。该方法可以有效地减弱高冲突性区间证据在组合规则中的作用,从而减小融合后所得区间证据的宽度,最终可降低决策中的不确定性。最后通过多个典型算例验证了经冲突处理后再对区间证据进行融合,要比直接融合能够产生更为合理和可靠的结果。     

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。     

基于聚类赋权的冲突证据组合方法

针对高度冲突证据组合失效的问题,着重考虑证据之间相互关系与证据本身特性的结合,提出了一种基于聚类赋权的冲突证据组合方法。首先,构建相似系数对证据进行聚类分析,通过类容量确定类间权重反映类间差异。然后,引入信息熵获取各证据的类内权重,综合类间权重和类内权重得到证据的修正权重。最后,根据该权重修正冲突证据,使用证据理论组合规则完成对修正证据的最终合成。数例验证结果表明,所提方法能够合理地修正证据,并且组合结果相比其他方法具有更好的聚焦效果。     

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。     

基于相关系数的证据冲突度量方法

当证据高度冲突时,使用D-S组合规则将会得到不合常理的结果,因此,针对证据组合规则的改进成为一个重要的研究课题,在选择合适的证据组合方法之前,确定证据之间是否冲突、冲突程度如何,是个至关重要的问题,为了更加准确地描述证据间的冲突,在分析证据相似度与证据冲突关系的基础上,基于证据相关系数提出了一种新的证据冲突度量方法,理论分析和数值计算表明该方法可有效表示证据之间的冲突程度,相关系数越大,证据间冲突就越小,与其他方法相比,该方法更具全面性和合理性。     

基于D-S证据理论的多传感器数据融合

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。     

基于D-S证据理论的网络表示融合方法

随着网络表示学习技术的发展,在网络结构信息的基础上,越来越多的研究者考虑融入额外辅助信息来提升网络表示效果.针对现有网络表示学习方法中对于多属性特征融合缺乏冲突判别与评价指标的问题,本文在已有研究基础上,提出一种基于D-S证据理论的网络表示融合方法.本方法首先通过SVM算法给出不同属性信息对融合表示结果的支持度,然后利用证据组合规则计算网络表示学习中的融合评价指标,并依据混淆矩阵考虑各类别在节点分类中的局部可信度.在3类数据集上的仿真实验表明：本方法对于检测网络表示融合中的冲突,提高表示融合效果具有一定的指导意义.     

一种基于冲突重新分配的D-S证据合成方法

D-S证据理论是一种处理不确定性问题的有效推理方法,但证据合成存在高度冲突问题。考虑到直接利用公式合成可能得到与实际相悖的结论,故分析了D-S合成方法及其改进方法的不足,引入冲突系数和分配系数,给出了具体算法,通过分配系数对基本概率赋值函数进行修正,提出了一种基于冲突重新分百己的合成方法。最后,通过实例比较表明,该方法的合成结果较为理想。     

一种基于均衡交补分担准则的证据组合新方法

 针对Dempster及其改进证据组合公式的不足,提出一种基于均衡交补分担准则的证据组合新方法.首先分析原始Dempster证据组合方法的优势和劣势,然后利用均衡交补信度分配原则合成新的mass函数,最后数值实例对比实验表明新组合方案不但保持了原始Dempster组合方法的优势,而且弥补了其缺陷.     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。     

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。