DSmT与DST融合门限改进方法

Dezert-Smarandache理论（DSmT）是一种能够高效实现多源信息融合,成功处理强冲突证据源的数据融合方法,而Dempster-Shafer理论（DST）在证据源冲突低时的融合效果好,运算代价低。将两种技术结合,在冲突距离函数变化率较低时采取DST证据理论,反之采用DSmT融合算法是一种提高信息融合效率的可行方式。研究人员对DSmT和DST二者的单点值转换门限方法已做了探讨,针对单点值门限方法的不足,提出了将冲突距离函数作为判别依据来确定转换门限的方法。该方法有很强的适应性,根据不同的证据组合,能划分是单点值门限还是多点值门限。     

DSl T：面向传感网信息融合的证据推理方法

无线传感器网络信息融合技术是近期的研究热点和难点,其面临的主要挑战包括：对高冲突信息的处理以及算法轻量级的要求．从降低计算量和处理冲突信息2方面考虑,提出一种基于逻辑表达的证据推理方法DSlT ．通过对信息的逻辑表达保留了信息中的冲突部分,提出基于逻辑运算的证据组合规则,能较好地适应高冲突证据间的融合;通过定义新的焦元,有效地减少了焦元组合数目,从而大大降低了计算量．采用算例分析和真实场景实验2种方法分别对DSlT 推理方法进行验证：算例分析表明DSlT能显著提升高冲突信息融合性能,同时在执行3维证据融合运行时间对比中,DSlT 比DSmT 减少了81.08％;在以图像传感器网络交通信息采集为背景的真实场景实验中,通过将本方法与DS T , DSmT等典型融合方法进行比较,进一步表明了该方法的有效性和先进性,也展示出该方法在无线传感器网络信息融合领域的较大应用潜力．     

DSmT框架下的自适应通用分配法则

针对Dempster-Shafer证据理论（DST）及Dezert-Smarandache证据理论（DSmT）均无法处理不确定信息的问题,定义了辨识框架中的不确定因子,通过深入分析比较DSmT框架下的各个冲突分配法则（PCR）,提出了一种基于PCR2的自适应通用分配法则（AUPR）,并根据声纳的数学模型构造了一组新的声纳信度赋值函数（gbbaf）,用以描述声纳获取的不确定和不精确信息,甚至于高冲突信息。最后,以Pioneer 2-DXe机器人为实验平台,绘制了实验场景的各种信度分布图。实验结果充分验证了所提方法的有效性和实用性,为信息融合理论中如何处理不确定信息提供了有力的理论依据。     

DST与DSmT自适应融合算法研究

针对DST与DSmT在不同的冲突情况下,融合效果各有优劣,提出综合利用DST与DSmT进行信息融合。在对不同融合算法进行分析之后,提出将部分冲突信息根据DSmT进行重新分配,剩下的冲突信息根据DST进行归一化,并采用证据相似度作为控制因子,自适应地对两种冲突信息量进行控制,避免了对冲突阈值的预先设置。数值算例表明,文中提出的基于DST与DSmT的自适应融合算法可有效处理各种冲突情况,且收敛速度快,计算量小。     

多源冲突证据的智能融合算法研究

与Dempster-Shafter理论（DST）相比,Dezert-Smarandache理论（DSmT）通过保留证据冲突项作为数据融合的焦元,从而可以很好地解决在证据发生高冲突情况下的信息融合问题。但是因为DSmT算法增加了矛盾焦元,致使推理过程中的计算量加大,更容易产生焦元爆炸的问题。针对上述问题,提出一种结合两者优点的DST-DSmT智能算法。该算法以证据之间的冲突质量作为判断依据,当冲突质量较小时采用DST算法,反之则采用DSmT算法,以期在保证融合效果的情况下,减小计算量。以P2-DX机器人为实验平台,以具体算例验证了方法的正确性和有效性。     

基于DSmT的移动机器人地图构建及传感器管理

针对智能移动机器人探测未知环境的问题,引入了一种新的信息融合方法DSmT(Dezert-Smarandache Theo-ry),采用栅格地图,并根据声纳在DSmT框架下的数学模型,利用经典DSm模型构造了一组能自动调节误差范围的声纳基本信度赋值函数(gbbaf),以处理未知环境下声纳获取的不确定和不精确信息,甚至于高冲突信息。提出了简单有效的传感器管理方法,完全消除了复杂环境下声波的多次反射和串扰现象。最后,用Pioneer 2-DX机器人分别进行了DSmT和DST(Dempster-Shafer Theory)两种算法的地图构建实验,并绘制了相应的二维基本信度赋值地图。将DSmT与DST构建出的环境地图做比较,充分验证了DSmT及提出的传感器管理方法在未知环境下的有效性,为处理动态高冲突信息提供了有力的理论依据。     

Dezert-Smarandache理论组合规则性质分析

在Dezert-Smarandache理论(DSmT)中组合规则众多,其性能直接影响DSmT的最终融合结果。为此,对组合规则的性质进行研究,提出一种DSmT组合规则性质分析方法,从合成性质、时序性质和工程可用性质3个方面对DSmT的组合规则性质进行描述。实验结果证明,该方法提出的3类性质能较全面地反映组合规则的特性。     

DSm组合规则的改进及其在直觉模糊集上的拓展

DSmT在组合结果中保留了冲突焦元,一方面提高了组合冲突证据能力,另一方面造成了冲突信息的积累,促使分配给主焦元的信度不合理地减小,导致组合信息的不确定性增加,不利于决策。针对DSm T存在的缺陷,提出了一种新的基于冲突再分配的组合规则。为进一步提高DSmT处理冲突、模糊和不精确信息能力,研究了DSm T在直觉模糊集上的拓展,将传统的信度赋值函数替换为直觉模糊信度赋值映射,并讨论了直觉模糊拓展后的信度组合规则。数值实例验证了所提方法的有效性。     

基于预处理模式的D-S证据理论改进方法

D-S证据理论是决策融合的主要方法之一,但典型的D-S理论不大适应高冲突证据组合.本文提出一种基于预处理模式的方法,在利用Dempster组合规则进行证据组合之前,将冲突焦元的基本概率赋值部分转移到焦元并集,采用证据之间的冲突额度来确定证据组合顺序.由于该方法将冲突化解为不确定的知识表示,可以处理冲突证据的组合问题.     

基于冲突再分配DSmT的多尺度融合边缘检测算法

由于实际景象地物特征复杂,单一尺度边缘检测算子提取的边缘与噪声点测度差异小,因此将导致细小地物与噪声相互掺杂,边缘提取不准确的现象。针对此问题,提出了一种基于冲突再分配DSmT的多尺度融合边缘检测算法。首先提取图像多尺度边缘测度,接着提出双向指数映射基本置信指派构造方法构造多尺度边缘测度基本置信指派,然后采用冲突再分配DSmT组合规则对多尺度边缘置信指派进行融合,最后根据融合后的边缘置信指派图通过双阈值法确定边缘像素。通过对可见光和合成孔径雷达（SAR）图像的仿真实验表明,该算法相比单一尺度的Canny算子在边缘提取过程减小了误检和漏检边缘点数目,在抑制噪声的同时,大量保留了景象细节信息。     

D-S证据理论的改进算法在时-空信息融合中的应用

研究基于D—S证据理论的时-空信息融合,即多传感器多测量周期的信息融合,给出了三种时-空信息融合的方法：集中式、分布式无反馈和有反馈的融合算法。采用这些传统的时-空信息融合方法时,最终的融合结果会产生概率分配过分集中的现象,而且证据冲突时还会产生有悖常理的结果。本文在传统证据理论的合成公式的基础上给出了一个有效的合成规则,并由此提出了改进的融合方法。证据冲突的概率按照各个命题的平均支持程度加权进行分配,从而提高了融合结果的可靠性与合理性。     

多传感器冲突信息的加权融合算法

针对在多传感器目标识别系统中,DS规则对高冲突信息融合结果不合理的问题,提出了一种新的加权融合算法.在多源证据信息融合时,首先根据两证据距离大小来确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量作为证据的权重向量,然后确定各证据的相对折扣因子,并修正证据信息,最后用DS规则融合.通过实验仿真对比分析了多种方法的融合效果,表明了新方法可以较好的解决高冲突信息融合的问题.     

一种度量广义基本概率赋值冲突的方法

Dempster-Shafer(D-S)证据理论在组合冲突信息时,会得出与直觉相反的结论,为此研究人员提出很多改进方法,但是如何度量证据之间的冲突程度却常常被人们忽视.在分析现有冲突系数的基础上,在推广幂集空间框架下提出了一个冲突距离系数,用来刻画证据之间的冲突程度.进一步提出了合理的冲突度量参数应满足的判定准则,通过两种典型的悖论情况,分析了经典冲突系数和二元组冲突表示方法的不足,说明所提出的冲突系数不但满足判定准则,而且在判断冲突使用Dempster组合规则方面可以达到二元组表示方法的同等效果,甚至在判断冲突使用Dezert-Smarandache theory(DSmT)方面可以超过二元组表示方法的效果.     

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。     

复杂信息系统分布式决策融合模型及应用研究

针对复杂信息系统信源为涉及多个不同专业背景的多源异类、异构信息,融合过程必须将多个异构模型集成起来进行联合问题求解的特点,提出了一种新的复杂信息系统分布式层次化决策融合模型,实现了集成神经网络组与专家系统及改进的分布式D-S证据推理模型的融合、特定领域中理论及经验模型与上述模型的融合,改进的D-S证据推理模型解决了当证据矛盾时导致错误结果的问题。油田剩余油分布及潜力预测的应用,表明提高了预测的精度和可靠性,为复杂融合系统的工程实现提供了重要的提示。     

基于DPCA和改进证据理论的融合式故障诊断

为了利用同一设备的多源特征信息提高故障诊断的准确性,提出了一种基于动态主元分析法（DPCA）和改进证据理论的融合式故障诊断方法。该方法利用DPCA在多个层面对设备故障特征诊断构成多证据体,基于统计误差的证据权威性系数修正基本指派概率,提出了证据的时间权威性换算和冲突度的加权分配方法,改进了证据组合规则。实验结果表明,多信息源证据体的加权融合处理能够明显降低单一信息源诊断间的冲突,在融合可信度提高50%左右的同时不确定性大大降低,并且随着证据权威性的下降,诊断结果基本未受影响,该方法可以有效提高故障诊断的准确率。     

一种改进的证据合成规则

就D-S证据合成规则对于冲突证据合成存在的不足,不少学者基于证据冲突概率再分配思想,提出了相应的修正证据合成规则。针对这些修正合成规则的不足,提出了一种改进的合成规则,该规则在综合考虑证据源可信度和证据支持度的基础上,分析证据集的有效性,合理地实现信息融合。数值实验结果表明,新的合成规则不仅克服了现有规则的不足,而且其结果向合理性方向收敛度好,提高了系统的鲁棒性。     

A method for combining conflicting evidences with improved distance function and Tsallis entropy

For the sake of great ability of handling uncertain information, Dempster-Shafer evidence theory is extensively used in information fusion. Nevertheless, when there exists highly inconsistent evidences, using classical Dempster's combination rule may lead to counter-intuitive results. To address this issue, a new conflicting evidences combination method based on distance function and Tsallis entropy is proposed. Numerical examples are used to illustrate the feasibility and efficiency of the proposed method. Further, an fault diagnosis problem is used as an example to show the effectiveness and superiority of the proposed method. The proposed method outperforms other methods that the proposed method recognize the target by the probability 99.49%, which is higher than other methods.     

DSmT相关证据模型及反问题近似解求法

介绍了一种新的信息融合理论——DSmT（Dezert-Smarandache Theory）。在DSmT下，鉴于实际处理的证据经常是相关证据，提出了一种新的模型表示相关证据。其中两个相关证据各自由一个独立源证据和一个相关源证据正交和合成，相关证据的合成就归结为这两个独立源证据和这个相关源证据的正交和合成。辨识独立源证据是一个反问题，该反问题可能不存在唯一精确解，此时采用了粒子群优化算法求其近似解。     

证据推理中局部冲突部分分配策略

为了解决证据理论中冲突证据合成问题,提出了一种局部冲突部分分配策略。该策略假设证据具有一致可信度,设定一个阈值,将大于该阈值的局部冲突按比例分配给产生该冲突的焦元,并用标准合成规则对证据进行融合,使合成的结果更加可靠。仿真结果表明该策略能有效解决冲突证据合成问题。