基本概率赋值不确定性的广义度量及在证据组合中的应用

D–S证据理论中一个关键问题是度量传感器给出的基本概率赋值(BPA)的不确定性大小, 它的准确度量对 于评估信任结构传递的信息量至关重要. 本文首先提出了改进的归一化投影方法(iNP), 然后基于iNP提出了一种新 的投影不确定性(PU)广义度量方法, 理论证明和实验仿真说明了PU满足非负性、有界性、不变性、单调性、不反直 观性、较高的敏感性和较低的计算负担等性质, 这些性质保证了PU可以有效对BPA的不确定性广义度量. 与现有的 不确定性度量方法相比, 所提出的方法对证据的变化更为敏感. 最后, 基于PU方法给出了一种新的证据组合方法, 通过数值实例和实际应用, 说明了本文所提方法的有效性和合理性.     

基于不确定性度量的证据组合方法

针对Dempster组合规则不能有效组合冲突证据,已有的基于证据间距离的改进组合方法计算复杂度较大的情况,提出了一种证据加权平均组合方法。首先以邓勇等人的组合方法为例计算了基于证据间距离的改进组合方法的计算复杂度,分析了造成计算复杂度较大的原因;然后通过引入证据的不确定性度量概念来描述证据的不确定性并以此为基础定义证据的权重;最后给出算法步骤。理论分析和数值算例表明,该方法能有效融合冲突证据,收敛速度快且降低了计算复杂度。     

基于前景理论和证据推理的区间灰数多属性决策

针对不确定背景下的多属性决策问题,提出基于前景理论和证据推理的区间灰数多属性决策方法.首先,考虑区间灰数在区间内取值概率不相等的特性,提出一种改进的区间灰数距离公式,在此基础上,以方案的正负理想解为参考点,计算属性值与正负理想解之间的距离集.其次,将决策者的风险心理因素引入区间灰数多属性决策中,结合前景理论构建基于区间灰数距离的前景价值函数.再次,通过证据推理算法和区间数可能度大小比较规则对方案做出排序.最后,通过算例分析验证所提方法的有效性.     

一种新的基于证据权重的D-S改进算法

D-S(Dempster-Shafer)证据理论是一种有效的不确定性推理方法,但在组合高冲突证据时,D-S证据理论得到的结果却往往有悖常理。为了解决冲突证据的合成问题,考虑到不同的证据在合成过程中的重要程度不同,提出了一种新的基于证据权重的D-S改进算法。该方法首先引入一个度量证据体间相似度的证据距离函数,建立相应的证据距离矩阵,求出系统中各证据到证据集的平均欧式距离,然后通过信任函数来获得描述各证据重要程度的权重系数并对证据源进行修正,最后利用D-S组合规则对修正后的证据进行合成。通过算例的分析以及与其它改进算法的比较,验证了新方法的有效性和优越性。     

一种基于证据理论的数据融合新算法研究

从决策级层次出发,给出一种新的基于证据理论的多传感数据融合算法.从传感器的重要度和各证据的可信度两方面综合考虑对融合结果的影响,并根据传感网络的实际应用情况给出了反映传感器重要度及证据可信度的融合系数,引入未知项,使新的算法能更好地实现多传感器的数据融合.通过举例与分析表明新算法能较好地解决证据冲突引起的失效问题.     

决策距离修正下的弱决策证据合成方法

针对含弱决策的证据融合在低冲突情况下仍出现反直观结果的问题,提出一种决策距离修正下的证据合成方法.首先,给出弱决策证据定义,提出一种名为决策距离的新度量方法,可表述单证据的决策,通过融合Jousselme距离可更有效地描述弱决策证据与其他证据间的差异;然后,根据检测弱决策证据和一票否决证据是否同时存在,提供两种不同的修正系数,可有效扩大多数证据与其他证据修正系数的差距,削弱一票否决证据的影响;最后,对证据源修正并合成.实验结果表明,该合成方法能较好地解决弱决策证据融合问题,融合结果收敛快,决策更可靠,不确定性小,是对现有研究的良好补充.     

基于证据价值的冲突证据合成方法

证据理论作为一种不确定性推理,广泛应用于人工智能、信息融合等方面。针对高冲突证据在组合过程中易产生各种与事实相悖的结论,提出了基于证据价值的冲突证据合成方法。此方法首先定义了证据价值的标尺,借用欧氏距离的概念计算证据自身价值,并规则化作为权重,然后引入未知项,修正证据源,再利用D-S合成公式对证据进行合成。实例分析表明,此方法在处理冲突证据时是有效、可行的。     

基于证据推理规则的信息融合故障诊断方法

本文针对不确定性故障特征信息的融合决策问题,给出基于证据推理(evidence reasoning,ER)规则的故障诊断方法.首先基于故障特征样本似然函数归一化的方法求取各传感器(信息源)提供的诊断证据;从传感器误差以及故障特征对各故障类型辨别能力的差异出发,给出获取诊断证据可靠性因子的方法;给出双目标优化模型训练得到诊断证据的重要性权重,最后利用ER规则融合经可靠性因子和重要性权重修正后的诊断证据,利用融合结果进行故障决策.该方法继承了Dempster-Shafer证据理论处理不确定性信息融合问题的优点,同时克服了它在实际应用中无法区分证据可靠性和重要性的不足,使得所获诊断证据更为客观、可信.最后,通过在多功能电机转子试验台上的故障诊断实验,验证了所提方法的有效性.     

基于改进的D-S证据理论的智慧灌溉决策分析

本文提出了一种基于改进的D-S证据理论的智慧灌溉决策方法.对土壤湿度、气孔导度以及作物水分胁迫指数(CWSI)三个决策因子,通过三角形隶属度函数为作物的灌溉状态分配基本概率,利用D-S证据理论对灌溉时机进行综合决策.当灌溉决策因子的基本概率出现冲突时,利用改进的D-S证据理论,通过证据间距离的方法来替换因子中冲突部分.仿真结果表明,该方法能够降低灌溉决策的不确定性.     

基于证据冲突度的多传感器冲突信息组合方法*

针对Dempster组合规则在多传感器冲突信息融合方面的不足,提出了改进的证据冲突的定义及基于冲突系数和Jousselme距离的证据冲突度的计算公式,给出了一种新的基于证据冲突度的证据加权融合方法。该方法首先利用证据冲突度构造证据相互支持度矩阵,进而计算证据的权重,最后利用Dempster规则对加权修正后的证据进行融合。数值实例表明：该方法可以有效融合高冲突信息,与Dempster组合规则和几种典型的加权证据融合方法相比,具有更快的收敛速度,而且收敛效果更好。     

关于Vague集模糊熵的度量分析

提出了Vague集模糊性主要来自3个部分,分别为未知信息、不确定信息及它们的交叉模糊信息,通过分析现有方法,给出一种新的Vague集模糊熵度量方法,并改进了它的公理化定义和证明了它的正确性。通过实例分析,指出它同时考虑了Vague集的未知性、不确定性和两者之间的交叉模糊性,从而证明所给出Vague集模糊熵的定义是更加合理的。     

一种证据不确定性度量方法及其应用

证据的冲突是导致证据理论融合结果不理想的重要因素,对证据冲突的处理一直是证据理论中要解决的关键问题。通过对多义度、不一致度和非特异度进行线性组合,提出一种新的证据不确定性度量方法。新方法能够更全面地涵盖证据体中所包含的不一致和非特异性两类不确定信息,使得证据不确定性度量结果所包含的信息更为完整。在此基础上,采用指数函数构造权重,对证据体进行预处理,然后采用DST、PCR2和PCR5进行融合。算例结果表明融合结果合理,新的证据不确定性度量方法有效。     

基于距离测度的证据合成方法

为解决经典证据理论无法处理高度冲突证据的不足,提出了一种基于距离测度的证据合成方法。将证据视为空间向量,定义距离测度空间,计算空间中两两证据之间的距离,并通过距离测度矩阵确立证据之间的一致性测度,在此基础上求得辨识框架对各证据的支持度,通过归一化支持度得到证据一致性因子,以此作为冲突概率的分配权重,最后给出改进的证据合成公式。数值算例证明了改进公式既能处理冲突证据,又能合成非冲突证据,与其他合成方法的比较验证了改进合成公式的有效性。     

基于改进修正权重的证据组合方法

针对证据组合过程中修正权重的确定问题,提出了一种综合考虑证据间关联关系和自身不确定度的改进修正权重确定方法,实现了对待组合证据的有效修正。基于对证据信息随机性和不具体性的阐述,得到了证据综合不确定度的度量方法。结合基于改进冲突度的相似性权重和基于综合不确定度的可靠性权重,确定了改进的修正权重。应用Dempster组合规则对修正后的加权平均证据进行有效组合。算例分析结果表明,所提方法能够充分利用证据信息,解决证据冲突,组合结果更为客观、准确,可信度更高。     

基于改进D-S证据理论的认知无线电频谱感知算法研究

针对基于D-S证据理论的认知无线电频谱感知算法在认知节点的感知信息存在较大冲突时会产生与实际情况相悖结果的问题,提出了一种基于改进D-S证据理论的认知无线电频谱感知算法。改进算法采用一种新的加权平均方法平均各个证据,比算术平均法更多地降低了异常证据的影响,同时通过计算证据到平均证据的距离来计算证据权值,解决了权值计算复杂度问题。实验结果表明,在认知节点的感知信息存在严重冲突时,改进算法可有效提高认知无线电频谱感知系统的感知性能。     

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。     

一种区间数-二元联系数转换的模糊决策改进算法

针对准则值和准则权重以二元或三元区间数形式给出的模糊决策问题,提出一种区间数-二元联系数转换改进算法.利用区间数的偏好值和上下限取值范围,将区间数转换为二元联系数.将区间数的偏好值作为联系数的同一度,并将区间数上下限到偏好值的距离作为联系数的差异度,使得转换过程中区间模糊信息中的确定性增大,不确定性减小.在此基础上,使用同一度和差异度重新定义联系数的正负理想解,并确定联系数间的距离公式,进而提出一种改进的基于联系数的TOPSIS模糊决策算法.最后,结合实例表明所提出算法的有效性和合理性.     

基于等信息量转换的区间二元语义多属性群决策方法

针对传统区间二元语义距离计算公式的不足,提出基于离散参数区间二元语义距离公式,构建基于等信息量转换的区间二元语义多属性群决策模型。基于该模型,针对属性权重和专家权重信息完全未知的情形,设计基于极大熵和正理想方案的权重确定模型,给出一种处理区间二元语言评价值的群决策问题求解方法。算例分析表明,所提出的方法可以在一定程度上克服以往基于区间二元语义距离处理方法造成信息扭曲和损失的不足。     

New method for measuring the degree of conflict among general basic probability assignments

There is doubt about Dempster’s rule of combination because of counter-intuitive results when dealing with conflict information in intelligent reasoning.Therefore,many modified combination rules have been presented in the literature on multi-source information fusion and reasoning with uncertainty.However,the issue of identifying conflict among evidence has been ignored.A new parameter measuring conflict evidence called the conflict distance parameter is defined to determine whether there are conflicts in evidence based on the analysis of existing conflict parameters.At the same time,a decisive rule,which a reasonable conflict measure function should satisfy,is put forward.Finally,an analysis of two typical counter-intuitive situations is given,showing that the new parameter can not only satisfy the decisive rule,but can also attain the same effect as a two-dimensional measure when deciding whether to use the Dempster’s rule of combination,and can exceed its effect when deciding whether to use Dezert-Smarandache theory.