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。     

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。     

一种简单有效的处理冲突证据的D-S改进方法*

D-S证据理论在决策级信息融合领域有着广泛的应用,但其在合成冲突证据时会出现与直观结论不符的现象。通过深入分析D-S证据理论合成冲突证据时的失效原因,提出了一种简单有效的改进方法。通过主观权重和客观权重的综合得到不同证据的信任度,以此确定冲突证据及对应的折扣度并对其进行折扣度修正,使合成结果快速向正确类型收敛。仿真结果表明,同已有方法相比,本文方法特别适合具有少数冲突证据的情况,其合成结果更加符合直观判断。     

D-S证据理论应用中的一种验证方法

D-S证据理论是一种比概率论确定性弱的不确定性理论,它能将“不知道”和“不确定”两个认知学上的主要概念区别开来,在多传感器数据融合中具有广泛的应用前景。D-S证据理论在实际应用中却存在一个困难,当目标的个数较多时,需要计算的项数太多,容易造成漏项,引起计算错误。提出了一种确定计算项数的算法,作为验证计算结果的必要条件,并通过图解的方法找出需要计算的项。     

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.     

一种基于新的冲突系数的证据组合规则

从焦元为非单元素集合的角度出发,考虑焦元之间存在相等、包含、相交的关系,对焦元mass函数进行细分计算,得到一种新的冲突系数计算方法。将该方法应用到新的证据组合规则之中,并通过数值仿真实验验证了新的证据组合规则的有效性。     

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。     

D-S 证据理论应用中的一种图解方法

D-S证据理论是对概率论的进一步扩充,在多传感器数据融合中,有着广泛的应用.当利用D-S合成公式进行融合时,由于需计算的项数较多且不易直接判定具体该有哪些项,容易造成漏项或错项,引起计算错误.提出了一种直观、简单的图解法,可使需计算的项一目了然.     

基于改进D-S证据理论的滚动轴承故障诊断

针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。     

一种基于证据间距离和信息熵的证据组合方法?

针对改进的基于证据间距离的组合方法,首先计算证据间距离并求出各个证据的支持度和可信度,选取支持度高的作为较可信证据,其次引入证据信息熵,计算修正系数,对这些证据的可信度进行修正,将可信度作为权重,进行证据的加权平均,再利用Dempster组合规则对所有证据进行融合。算例表明,该方法比现有的方法更加有效。     

多属性融合的坦克分队作战效能评估

现代条件下战场情况复杂,影响作战效能的因素众多且具有不确定性,为了获得对作战效能更为准确,可靠的评价,构建了一种新的基于多属性融合的坦克分队作战效能评估模型。结合已有的证据理论改进算法,给出了一种新的解决冲突证据的组合规则,并提出了一种新的组合策略,将其应用于评估模型中定性指标的融合;通过线性与非线性综合加权的方法求得评价的综合分值,得出了最终的评估结果。通过实例表明,该模型符合评估实际,对多属性模型的评估具有一定的借鉴意义。     

基于改进证据理论的多传感器目标识别

由于证据理论融合冲突信息会得出不合理的结论,限制了其在目标识别中的应用.为解决这一问题,提出了一种改进融合方法.研究各证据与其他证据的联系,通过计算证据与其他证据均值的距离,求出此证据受其他证据的支持度.归一化支持度获得证据权值,加权平均原有证据后按Dempster规则融合,作出识别.针对空中目标识别算例,对比验证几种方法,结果显示:该方法能够融合冲突信息,在降低计算量的同时,加快收敛速度,提高了识别快速性和准确性.     

多源验前信息下基于证据理论的ML-Ⅱ融合方法

在复杂新型产品的可靠性评估中,试验的样本量通常较小,而Bayes方法在小样本统计推断中比经典统计方法更为适用.针对可靠性工程中遇到的验前信息的多源性问题,给出了一种基于证据理论的ML-Ⅱ融合方法.在融合过程中考虑了信息源的可信性,减小了可信度低的信息源对评估结果的影响.以电子产品为例,算例实验表明了该方法在有“干扰信息源”存在的情况下的评估结果的有效性和合理性.     

D-S证据理论在潜艇威胁判断中的应用

简要介绍了潜艇威胁判断原理和D-S证据推理基本思想。针对潜艇水下收集目标信息的特点,引入了D-S证据推理系统分析了潜艇威胁判断中的两个关键性环节。判断目标发现本艇与否、判断目标可能采取的攻防决策问题,在把不确定推理应用于潜艇威胁判断研究上作了初步尝试。     

Bayes信息融合方法在雷达故障诊断中的应用

根据雷达系统诊断信息多样化的特点,重点考虑雷达的BIT信息、FMECA信息、FTA信息和案例信息,提出将各类信息根据对故障现象的影响程度进行归一化处理,然后利用Bayes证据理论的方法将归一化后的信息进行融合处理,得到的结果进行故障诊断的方法,该方法可以克服各类故障信息中的量纲不一致性,可以提高诊断的可信度,降低诊断的不确定度,是一个比较理想的方法。