冲突证据组合中的模型修正新方法

针对经典DS组合规则在证据高度冲突情况下的失效问题,提出了一种改进的证据组合方法.通过引入证据间的距离函数获得证据之间的相似度和各个证据的支持度,并由此求得各个证据的归一化可信度.提出了一种改进的证据冲突检验方法,利用可信度加权平均证据对各个证据源进行冲突检验和修正,以消除证据之间的冲突.最后利用DS规则获得合成证据.数值算例表明,该算法能有效地融合高度冲突的证据,提高了证据组合结果的可靠性和合理性.     

一种新的基于DSmT的合成公式

DSmT是一种有用的不确定推理方法,能较好地解决强冲突情况下的信息融合问题.由于其在组合规则方面存在不足,影响了DSmT的应用.提出了一种新的合成方法,即在保留冲突焦元的基础上对支持证据冲突的概率进行重新分配.仿真分析表明,新的合成公式提高了目标识别的准确性,对于高度冲突的证据,也能够取得理想的合成结果.     

结合贝叶斯近似变换的冲突证据合成方法

为了解决D-S证据理论在处理冲突证据合成问题中存在的不足,改进了证据合成规则,提出了用该规则和贝叶斯近似变换相结合的证据合成方法。首先分析了封闭世界和开放世界假定中识别框架上认知集合间的转换关系,然后根据证据理论和贝叶斯近似变换的基本知识分析冲突产生的影响,最后根据原证据焦元交集和并集的基数关系改进了合成规则,并进行了实例验证。改进的合成规则能更好的保留原来的信息,而且通过与贝叶斯近似变换的结合减少了焦元的数量,结果表明该方法是一种准确有效的冲突证据合成方法。     

一种改进的D-S冲突证据合成方法

产生反直觉结果是D-S证据理论在融合冲突证据时经常出现的问题,为了解决这一问题,提出一种改进的D-S冲突证据合成方法。利用Pignistic概率距离衡量证据间的冲突;同时,引进证据间相似度、支持度、确定度、决策度以及可信度来共同确定证据的权重,合理地分配冲突在各命题的比例;并对存在冲突的证据进行修正处理;最后,利用统一信度函数模型对证据进行合成。通过算例验证并与其他方法进行对比表明,所研究的方法在处理冲突证据时优于其他方法,鲁棒性和收敛性更好。     

一种改进的证据合成方法及其在模糊评估中的应用

针对证据理论在模糊评估中的应用问题,分析了经典D-S证据合成规则和现有改进方法的不足,提出了一种更为适宜的证据合成方法。该方法通过证据间的夹角余弦计算证据间的相似系数,从而获得证据的可信度。通过对证据权重和可信度的对比与融合,确定各证据在冲突概率分配中的权重。通过冲突概率的全局分配对证据进行合成。实例分析表明,该方法不仅能够处理高度冲突证据,还能保证指标间的相对重要性不被可信度所过度地影响,从而提高了模糊评估的可靠性与合理性,降低决策风险。     

一种基于局部冲突再分配的改进DSmT方法

针对DSmT组合规则存在的计算量大、收敛速度慢等不足之处,基于局部冲突再分配的原则提出一种有效的改进DSmT方法。该算法根据证据体的不一致因子和冲突距离共同度量证据源间的冲突程度,并给出识别框架下产生矛盾信息的各焦元的可信度的计算方法;基于冲突信息再分配的原则,将局部冲突信息在涉及到的子集及并集间按照各自所占的比重进行分配;利用算例进行数据分析,同时以多传感器目标识别系统为仿真背景进行仿真实验。数据与实验分析结果验证了所提改进DSmT算法的可行性和有效性。     

基于不可信证据源与冲突重分配的证据合成方法

针对D-S证据理论在高冲突下失效的问题,在比较修正原始证据源和重新分配冲突两种方法的基础上,提出一种新的合成规则,新方法用可信度修正证据的同时,把全局冲突分为两部分,并依据"全局冲突在全局分配、局部冲突在局部分配"的原则对冲突进行细化分配。通过仿真分析,并与其他方法比较,新的合成方法能更好地融合冲突证据,收敛速度快,具有较强的抗干扰能力。     

一种改进的证据理论合成规则

随着证据理论在信息融合领域中的广泛应用,对冲突证据的处理成为证据理论和应用研究热点。提出了一种基于证据重要度和聚焦度的新的合成规则,首先根据各个证据的重要度对冲突证据进行修正,再对冲突进行细化并考虑证据焦元的基数对D-S合成法则的影响,将冲突信息提取后加入组合规则中。通过实验比较和分析,结果说明该方法不仅能够处理一般性冲突问题,也能处理"一票否决"和"鲁棒性"问题。     

一种修正的冲突证据融合方法

对于冲突证据,D-S证据理论无法使用甚至无法得出正确的结果,进而引发了专家学者的研究。针对该问题,提出了一种新的冲突证据融合方法,建立了多传感器综合可信度的计算模型,根据综合可信度得到多传感器的合成结果,采用D-S证据理论对合成结果进行组合,既解决了高冲突问题,又解决了低冲突问题。最后通过仿真验证了该方法的有效性。     

一种应用于数据融合的不确定性推理方法

在对高度冲突的证据进行合成时D-S合成公式存在着不足。为此,引入证据系统的可信度和证据系统中各证据的可信度概念,提出了新的合成公式。最后算例表明,新方法使得合成结果更为理想。     

引入权重因子的证据合成方法

D-S理论是一种有效的不确定性推理方法,但在证据完全冲突或冲突较大时,D-S证据合成公式失效.Yager等学者对此作了改进,但是改进后合成公式又存在着新的问题.考虑到证据在合成过程中的重要程度不同,将权重因子引入到合成公式中,通过权重因子的作用和冲突概率的重新分配,提出了引入权重因子的D-S证据合成方法,新的合成公式提高了证据合成的可靠性和合理性,可得到更为理想的合成结果.     

基于改进的 D-S 证据理论在设备故障诊断中的应用

多传感器、多手段检测的信息融合技术在设备检测中的应用日益广泛,而常用的基于D-S证据理论的融合技术除了没有给出可信度的分配方法外,融合结果上还有很多不足之处。探讨了可信度的分配问题,提出了几种改进的融合方法,较好地解决了证据冲突时的否定性、积化性和敏感性问题。     

一种基于重要性权重的证据合成方法及其应用

针对Dempster方法在合成高度冲突证据时结果与直观结论相悖的问题,提出了一种改进的基于重要性权重的证据合成方法,并将其应用到海上目标的识别。首先,根据证据之间的相似性程度判断证据间是否存在冲突,对于有冲突的情形,由基于P距离的权重分配模型得到各证据的重要性权值;然后,对BPA函数进行修正,采用Dempster规则修正后的BPA函数进行合成;最后,利用雷达和舰船的对应关系,将侦察雷达探测到的目标雷达信号载频、脉宽、重频转化为雷达参数的概率分配,并运用改进的证据合成方法进行了目标识别。仿真计算结果证明:该方法能有效处理冲突证据组合,克服了一票否决问题,减小了识别结果的不确定性,并保留了Dempster方法处理非冲突证据组合的良好特性。     

基于改进合成规则的弹头目标综合识别方法

为了提高多传感器弹头目标综合识别能力,提出了一种改进的证据合成规则。通过证据可靠性的AHP评估与分析,计算出证据的权重系数。并通过证据间的夹角余弦计算证据的可信度,得到证据的一致性偏差。根据证据的权重系数及一致性偏差计算其冲突概率分配系数。基于冲突概率的全局分配对多传感器的识别证据进行融合。实例分析表明,该方法能够有效降低弹头目标决策层融合识别的风险,提高弹头目标综合识别的鲁棒性和准确性。     

基于改进D-S证据理论的雷达生存效能

为了综合分析雷达的生存效能,通过调整非关键因素和不确定因素的基本可信度对证据理论中证据合成规则进行了改进,并基于改进D-S证据理论提出了雷达生存效能评估模型.改进后的证据合成规则不仅减小了证据的冲突,而且仍然满足证据的基本可信度之和为1的基本要求,保持Dempster合成规则所具有的可交换性.通过雷达生存效能模型应用的一个实际例子计算表明,证据理论是一种科学的效能评估方法,具有可行性和实用性,改进后的证据合成规则能够较好地分析雷达的生存效能.     

一种改进的证据权重确定方法

针对Dempster方法在合成高冲突证据时存在的问题,分析了现有改进方法的缺点,提出了一种新的改进方法。该方法首先利用证据之间的相似系数求出各证据的初级权重;然后引入权重折扣因子,将冲突证据的权重按折扣因子折算后并入到其他证据的权重中,得到各证据的综合权重;最后对证据加权平均后再利用D-S组合规则进行组合,通过算例比较表明改进后的方法合成结果更加有效。     

基于多源冲突数据聚类的态势估计方法

传统调和式态势估计方法在面对多源冲突数据时融合效果不佳。为此,提出一种基于冲突数据聚类的非调和式态势估计方法。首先利用迭代自组织数据聚类方法(ISODATA)对多源冲突数据进行聚类,然后利用频度和可信度对数据簇的重要性进行评估,最后得到态势估计结果。仿真结果表明,与传统态势估计方法相比,所提方法在融合多源冲突数据时能够得到可信度较高的态势估计结果。     

一种新的权重修正合成方法

传统的证据理论由于自身的缺陷,面对高冲突下的证据组合无法正常融合,或者融合结果不理想。针对这个问题,提出一种修正的证据理论,运用模糊测度和置信距离相结合的方法产生新的权重,对冲突证据体进行加权和修正,从而获得较为理想的融合结果。通过仿真实验证明,该方法能够有效处理冲突证据,并获得更好的融合结果。     

基于投影分解与k最近邻距离的异常证据检测算法

为降低异常证据对合成结果的影响,提出了基于投影分解与k最近邻距离的异常证据检测算法。该算法在对证据集中所有证据进行焦元单一元素投影分解的基础上,重新构造证据的基本概率赋值,然后利用证据之间形成的欧式距离,采用k最近邻距离算法对异常证据进行检测。无线传感器网络应用实验分析表明:该算法可有效地对异常证据进行检测。对检测前后的证据利用证据合成规则进行融合对比结果发现,剔除了异常证据的合成结果并具有良好的峰值性和可分辨性,合成结果有利于融合决策。     

D-S证据理论改进算法提高水下目标识别准确性

D-S证据理论在目标识别中有着广泛的应用,是较好的数据融合方法之一,但在证据高度冲突时,会产生有悖常理的结果。针对此问题,引入传感器的可信度,提出了一种新的改进算法。该算法弥补了D-S证据理论所存在的不足,比其他改进算法融合效果好,此算法应用于水下目标识别,计算结果表明提高了水下目标识别的准确性和有效性。