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。     

多源目标识别中冲突证据的融合策略研究

随着防空反导作战环境的日益复杂,快速准确地进行真假目标识别显得尤为重要。针对多源目标决策级识别中冲突证据融合问题,在综合分析现有改进证据理论方法的基础上,引入新的冲突度量系数,提出了一种通过在融合流程中增加智能判断环节,以冲突系数为判断依据,对具有不同冲突系数证据选择不同组合规则进行证据组合的融合方法,并给出了策略的流程图。最后进行了实例验证,结果表明新策略能对不同未知信度和不同识别框架冲突证据进行快速有效的融合。     

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。     

一种基于相似性测度的证据合成公式

针对经典D-S规则融合冲突证据时会出现结果有悖于常理的问题,提出一种基于相似性测度的证据合成公式。利用相似性测度构造证据源可信度,进而得到焦元可信度。将焦元可信度作为冲突信度分配系数以改进合成公式,利用改进的合成公式对证据源进行数据融合。算例结果表明,该方法能有效解决冲突性证据的融合问题,较之以往方法具有收敛性强和可靠性高的优点。     

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.     

基于兰氏距离的改进冲突证据合成方法

针对Dempster理论在合成冲突较大证据时出现与实际结果相悖的问题,首先根据各证据之间的相似度系数判断证据之间是否存在冲突,对存在冲突的3条以上证据,计算证据之间的兰氏距离并构建相似矩阵;然后,根据相似矩阵的特征值确定证据的重要性系数,并通过重要性系数对BPA函数进行转化;最后,用Dempster方法进行合成。仿真结果表明:该改进冲突证据合成方法可以有效处理冲突证据,避免了一票否决的问题,比其他几种典型的合成方法有更快的识别速度,同时降低了识别结果的不确定性。     

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.     

基于专家系统的弹道导弹目标识别方法

传统Dempster-Shafer(D-S)算法及其改进算法中,一般将冲突证据与不冲突证据统一融合,无论融合过程中冲突证据所占权重多小,这都将降低融合效率。针对这个问题,引入专家系统理论,面向信息融合中证据冲突的问题,将冲突证据与无冲突证据分组,构建了基于专家信任度的弹道导弹目标识别模型和专家知识库模型,从工程上设计了弹道导弹目标识别专家知识库系统,提出了两种专家知识权重确立方法,并通过实例以及仿真,验证了算法的可行性。     

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。     

基于多源先验数据的装备测试性评估方法

针对基于装备多源先验数据融合过程中可能存在数据冲突的问题,提出一种基于多源先验数据的装备测试性评估方法.针对装备设计、生产和制造过程中可能存在的测试性虚拟-实物试验数据、测试性预计信息和专家经验信息等先验数据,将其折合成先验分布参数形式.通过基于兰氏距离和邓熵改进的D-S证据理论来进行数据融合,得到最终测试性评估结果.通过实例分析发现,提出的方法较基于传统Bayes理论和经典D-S证据理论的测试性评估方法而言,其精度更高.     

基于Z-number和改进DS证据理论的风险评估方法

针对任务风险难度量、评估信息不确定性强等问题,提出一种Z-number和改进DS证据理论的风险评估方法。利用Z-number方法描述评估指标,得到各风险等级的初始基本概率分配（basic probability assignment,BPA）;基于信度熵和皮尔逊相关系数改进DS证据理论克服悖论问题进行信息融合,确定风险的最终等级;接着,基于信息融合结果引入Joussleme距离求解专家可信度。最后,以重装空投任务为例,验证本文所提风险评估方法的合理性,并对比分析不同改进DS证据理论方法得到的结果,验证所提方法的有效性和准确性。     

改进的证据组合算法编队情报信息融合技术

分析了经典证据组合算法在处理冲突信息融合中的不足,引进了证据信息容量,对经典证据组合算法做了改进,解决了证据极端冲突下经典D-S证据融合算法的不合理性,证实了它确实能够提高证据冲突处理能力,基本满足海上编队情报处理信息融合的可靠性要求,并把该改进算法应用于编队情报信息融合,融合效果较好.     

基于AHP-PCR5的多传感器目标识别

目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。     

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。     

一种改进的保障信息融合模型

针对D-S证据理论难以处理高冲突证据信息,而DSmT理论融合效率不高的问题,在分析D-S证据理论和DSmT理论优缺点的基础上,提出将两种算法组合使用的思想,并据此设计了保障信息融合模型。模型以证据信息间的冲突程度为依据,实现了融合算法的自动选择。仿真验证表明,混合模型在有效实现高冲突证据融合的同时,兼顾了融合算法的效率,具有较好的工程应用前景。     

基于证据理论的多源信息目标识别

目标识别系统中多源传感器信息高度冲突时,利用DS规则直接融合得出的结果不合理,针对该问题,提出了期望证据融合算法。多个证据融合时,根据两证据间的矛盾信息大小确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量归一化后得到各证据的权重系数,进而求出期望证据,并用DS规则迭代融合。通过数字仿真对多种方法进行了比较分析,表明期望证据法在传感器信息高度冲突时依然可以得到较为理想的融合结果。     

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。     

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。