D-S证据推理的应用
合集下载
D-S证据理论在认知无线电中的应用
Ａｂ ｔ ａ ｔ Ｔｈ ｎ ｅ ｔｉ ｎｏ ｍａｉ ｎ ｉ ｏ ｎ ｔ ｅ ｒ ｄ ｏ ｎ ｔ ｏ ｋ ｃ ｎ ｌ ａ ｏ ｓ ｒ ｕ ｎｌ ｅ ｃ ｎ ｐ ｒ ｒ ａ ｃ ｆｃ ｏ ｅ ａｉ ｅ ｓｒ ｃ ： ｅ ｕ ｃ ｒ ｎ ｉ ｆ ｒ ｔ ｎ ｃ ｇ ｉ ｖ ａ ｉ ｅ ｗ ｒ ａ ｅ ｄ ｔ ｅ ｉ ｓ ｉｆ ｎ ｅ ｏ ｅ ｏ ａ ｏ ｉ ｏ ｕ ｆ ｍ ｎ ｅｏ ｏ ｐ ｒｔ ｖ
１ 传 统 的 ＣＲ数 据 融合 方 法
有 限 的 频 谱 资 源 对 无 线 移 动通 信 发 展 的 阻 碍 日益 明显 。
面比较灵 活 ， 推理机制 比较简单。Ｄ Ｓ证据理论 作为一种 不 —
确 定 性 的 推 理 方 法 ， 人 工 智 能 、 测 诊 断 、 测 领 域 、 家 在 检 预 专 系 统 等 方 面 具 有 很 广 泛 的应 用 ， 其 是 在 多 传 感 器 信 息 融 合 尤
渴 望得 到 感 知增 益很 高 的 协作 感 知 方 案 。 由于 Ｄ Ｓ证 据 理 论 在 决 策 系统 中处 理 不 确 定 性 信 息 时能 获 得 令 人 满 意 的 —
性 能 ．使 得 其在 认 知 无 线 电 中的 应 用 会 起 很 重 要 作 用 。 一种 基 于 Ｄ Ｓ证 据 理 论 的 协 作 频 谱 感 知 新 方 案 被 提 出和发 —
地提高检测效率和可靠性 。
ｍ， ｍ ，可 以应 用 Ｄ Ｓ合 成 法 则 得 到 一 个 新 的可 信 度 分 配 和 ： —
ｍ ｍ１ ｍ ， ＝ ２即正 交 和 ：
ｍ（ ： 西） ０
提 高 频 谱 效 率 是 使 用 Ｃ 的最 主 要 动 机 ， Ｒ 因此 ， 用 较 多 使 的频 带 来 传 送 感 知 的原 始 数 据 是 不 可 行 的 。 为 此 ， 们 提 出 人
１ 传 统 的 ＣＲ数 据 融合 方 法
有 限 的 频 谱 资 源 对 无 线 移 动通 信 发 展 的 阻 碍 日益 明显 。
面比较灵 活 ， 推理机制 比较简单。Ｄ Ｓ证据理论 作为一种 不 —
确 定 性 的 推 理 方 法 ， 人 工 智 能 、 测 诊 断 、 测 领 域 、 家 在 检 预 专 系 统 等 方 面 具 有 很 广 泛 的应 用 ， 其 是 在 多 传 感 器 信 息 融 合 尤
渴 望得 到 感 知增 益很 高 的 协作 感 知 方 案 。 由于 Ｄ Ｓ证 据 理 论 在 决 策 系统 中处 理 不 确 定 性 信 息 时能 获 得 令 人 满 意 的 —
性 能 ．使 得 其在 认 知 无 线 电 中的 应 用 会 起 很 重 要 作 用 。 一种 基 于 Ｄ Ｓ证 据 理 论 的 协 作 频 谱 感 知 新 方 案 被 提 出和发 —
地提高检测效率和可靠性 。
ｍ， ｍ ，可 以应 用 Ｄ Ｓ合 成 法 则 得 到 一 个 新 的可 信 度 分 配 和 ： —
ｍ ｍ１ ｍ ， ＝ ２即正 交 和 ：
ｍ（ ： 西） ０
提 高 频 谱 效 率 是 使 用 Ｃ 的最 主 要 动 机 ， Ｒ 因此 ， 用 较 多 使 的频 带 来 传 送 感 知 的原 始 数 据 是 不 可 行 的 。 为 此 ， 们 提 出 人
D-S证据理论在群决策支持系统中的应用
．
ｔｅ ｈ ＧＤ ＳＳ．
Ｋｅ ｗｏ ｄ ： － ｖ ｅ ｃ ｈ ｏ ｙ；Ｇ Ｓ ｖ ｒｓ Ｄ Ｓ Ｅ ｉ ｎ ｅ Ｔ ｅ ｒ ｄ ＤＳ
０ 引 言
ｍ 。 Ｉ 。 ，…ｆ分别为其基本概率分布 值，则合成的新信 任函 ，ｍ Ｉ ｌ ‘
群决策支持系统 （ ＳБайду номын сангаас Ｇ Ｓ是在多个决策系统和多个决策者 Ｄ
一
知识库中的模型进行管理和维护， 最终实现机 器的智能化处
理。
证据体的信 任程度，定义基本可信度分配函数公式如下 ：
依据 以上的基本步骤， 通过各个 子系统 来有效进行动态
肌 ，
ｏ： 照 ： （） ｌ ） 小＠ ： ∑ｏ０ ，）
，
（ ４ ）
的决策过程， 并实时管理 。 能化的群决 策支持 系统 已成为 智
摘
要： 针对 以往决策方法 的不足 ，运用 Ｄ Ｓ － 证据理论 融合处理 多个决策 的结果 ，以提 高准确性 与可靠性 ，辅助做 出
科 学化 的决策 ，以完善建立群决策支持 系统。
关键词 ： 证据理论： 群决策支持系统 中图分类号 ：Ｔ １ Ｐ８ 文献标识码 ：Ａ 文章编号 ：１ ７ — ７ ２ （０ ７ １ ０ ６ － ２ ６ １ ４ ９一２ ０ ）－ ０５ ０
ｔ ｓ ｔ ｅ ｅ ｌ ｏ ｆｕ ｅ ｈ ｒ ｓｕ ｔｓ． Ｉ ｃ ｎ ｅｎ ａｎ ｅ ｈ ｖ ｒ ｔ ａ ｈ ｃ ｔ ｅ ｅ ａｃｉ ｄ ｅｌ ａｂｉ ｉ ｆ ｓ ｅ ｔｉ ｃ ｅｃｉ ｉ － ｍ ｔｙ ａｎ ｒ ｉ ｌ ｔｙ ｏｒ ｃｉ ｎ ｆｉ ｄ ｓ ｏｎ ａｋｉ ｇ ａｎ ｎ ｐ ｒ ｃｔ ｎ ｄ ｃａ ｅ ｆｅ
０● ∞迁 曙 理 论 在 群 决 策 支 待 系 统 中 的 应 甩
ｔｅ ｈ ＧＤ ＳＳ．
Ｋｅ ｗｏ ｄ ： － ｖ ｅ ｃ ｈ ｏ ｙ；Ｇ Ｓ ｖ ｒｓ Ｄ Ｓ Ｅ ｉ ｎ ｅ Ｔ ｅ ｒ ｄ ＤＳ
０ 引 言
ｍ 。 Ｉ 。 ，…ｆ分别为其基本概率分布 值，则合成的新信 任函 ，ｍ Ｉ ｌ ‘
群决策支持系统 （ ＳБайду номын сангаас Ｇ Ｓ是在多个决策系统和多个决策者 Ｄ
一
知识库中的模型进行管理和维护， 最终实现机 器的智能化处
理。
证据体的信 任程度，定义基本可信度分配函数公式如下 ：
依据 以上的基本步骤， 通过各个 子系统 来有效进行动态
肌 ，
ｏ： 照 ： （） ｌ ） 小＠ ： ∑ｏ０ ，）
，
（ ４ ）
的决策过程， 并实时管理 。 能化的群决 策支持 系统 已成为 智
摘
要： 针对 以往决策方法 的不足 ，运用 Ｄ Ｓ － 证据理论 融合处理 多个决策 的结果 ，以提 高准确性 与可靠性 ，辅助做 出
科 学化 的决策 ，以完善建立群决策支持 系统。
关键词 ： 证据理论： 群决策支持系统 中图分类号 ：Ｔ １ Ｐ８ 文献标识码 ：Ａ 文章编号 ：１ ７ — ７ ２ （０ ７ １ ０ ６ － ２ ６ １ ４ ９一２ ０ ）－ ０５ ０
ｔ ｓ ｔ ｅ ｅ ｌ ｏ ｆｕ ｅ ｈ ｒ ｓｕ ｔｓ． Ｉ ｃ ｎ ｅｎ ａｎ ｅ ｈ ｖ ｒ ｔ ａ ｈ ｃ ｔ ｅ ｅ ａｃｉ ｄ ｅｌ ａｂｉ ｉ ｆ ｓ ｅ ｔｉ ｃ ｅｃｉ ｉ － ｍ ｔｙ ａｎ ｒ ｉ ｌ ｔｙ ｏｒ ｃｉ ｎ ｆｉ ｄ ｓ ｏｎ ａｋｉ ｇ ａｎ ｎ ｐ ｒ ｃｔ ｎ ｄ ｃａ ｅ ｆｅ
０● ∞迁 曙 理 论 在 群 决 策 支 待 系 统 中 的 应 甩
D-S证据推论理论
火灾的发生是一个伴有光、烟、温升、辐射和气体浓度变化的综合现象，需要利用各种火灾传感器检测和捕捉这些信息，我们可以根据具体的情况，选择两种或两种以上火灾传感器组来检测火灾状况。
本火灾预警报警系统采用了两级传感器信息融合，一级是局部(即象素级)融合，采用经典的自适应加权融合估计算法，克服了单个传感器的不确定性和局限性，获得被测对象的一致性解释与描述。
二级是在全局(即决策层)进行融合，采用证据理论。
Dempster-shafer(D-S)证据理论是概率论的推广，它允许人们对不确定性问题进行建模，并进行推理，能够更加客观的反映事物的不确定性。
在具体设计时，本文分三个模块进行处理，D-S 合成模块、BPA 模块、局部决策模块。
系统的结构示意图如图2-8所示。
图2-8 系统结构简图1.局部融合算法在局部融算法中采用自适应加权数据融合算法，不但可以优化传感器的数据，还能够有效剔除环境干扰信号，它的中心思想是根据各个传感器数据误差的大小，分配不同的权数，精度高的数据由于误差小，分配的权数较大，反之较小。
设有n 个传感器来检测某一火灾特征，它们的方差分别为n 22221...,σσσ，各传感器的测量值分别为n x x x ...,21，相互独立， 假定各传感器的加权因予别为n w w w ...,21，那么加权因子引入后，系统的传感器数据融合值为： ∑==ni i i x w x1ˆ （2-23） 式中11=∑=ni i w总均方差为：()[]()()()∑∑====--+-=-=ni nji j i jijii x x xx w w E x x w E xx E 1,1,12222ˆˆ2ˆˆσ （2-24）因为n x x x ...,21彼此相互独立，且是x 的无偏估计，所以：()()0ˆˆ=--j i x x xx E ()n j i j i ...2,1,,=≠ （2-25）则有：()∑∑==--=ni ni i i i w xx w 112222ˆσσ （2-26）上式中的σ是各加权因子i w 的多元二次函数，它的最小值的求取就是在加权因子n w w w ...,21满足归一化约束条件下多元函数极值的求取。
战场目标识别中的D-S证据理论应用
和复杂 化导致对 传统 的数据 和 信号 处理 系统 提 出 了更 高
的要求 。先进 的作 战管 理系 统在控 制 日益 增 多 的复杂 武
器系统 时 ， 须从大量 的可移动 的和活动 的传感器 台站收 必 集数据并加 以融合 。为 了满足实 时防御 系统 的要求 ， 要 需 对数据进行 迅速和有 效的处 理 ， 传统 的数 据处理 常常做 但 不到这一点 。特别是 ， 当所需 要检测 的 目标信号 淹没在 大 量噪声和不相关 信号 与杂波 中时 ， 应用 人工方 法对微弱 目
Ｋｅ ｏｄ ： ｍｃｏｅｓ ｉ ｓ ｎ ｓ ａａｆｓ ｎ ｂ ｃ ｅｏｎｔ ｎ Ｄ ｍ ｓ ｒ ｈｆｒ Ｄ Ｓ ｅｉｅｃ ｈｏｙ ｙｗ ｒ ｓ ｉ ｓｉ ｃ ｉ ａ ；ｄｔ ｕｉ ；ｏｊ ｔｒｃｇｉｏ ； ｅ ｐｔ — ａ （ — ） ｖｄｎｅ ｔ ｒ ； ｒ ｍ ｉ ａ ｉ ｎ ｏ ｍ ｐｓｅ — ｈ ｆ ｒ ｅ ｉ ｎ ｅ ｔ ｅ ｒ ｎ ｌｃ ｔｏ ｆＤｅ ｔ ｒ Ｓ ａ ｅ ｖ ｄｅ ｃ ｈ ｏ ｙ ｉ
ｂ ｔ ｅ ｅ ｂ ｔ ｅｏ ｎｔ ｎ ａｔ ｆ ｌ ｏ ｊｃ ｃ ｇ ｉｏ ｌ ｄ ｉ ｅ ｒ ｉ
Ｌ Ｕ Ｘｉｏ ｄ ｎ，Ｗ Ｕ Ｊ ｎ，Ｌ Ｎ ｅＦｎ Ｉ ａ —ａ ｕ Ｉ Ｘｕ — ｅ （ ｏｔｒｄ ａｅＤｅ ａｔ ｎ ， ｔｌｒ ａ ｅ ｆ Ｌ Ｈｅｅ ２ ０ ３ ， ｈｎ ） Ｐ ｓｇａ ｕ ｔ ｐｒ ｍｅ ｔＡｒｉｅｙＡｃｄ ｍｙｏ Ａ， ｆｉ ３ ０ １ Ｃ ｉａ ｌ Ｐ
架进行 运算 ， 提供 计算 幂元 素 的逻 辑 。ＤＳ推理 用于 多 并 — 传感器数 据融合时 ， 由各 传感 器独 立获得关 于识别 目标 的
ｆｒ ａｈｓｎｏ， ｅＭ ｏｒｅｃ ａａｔｒ ｔｓｃｎｂ ｃｕｒｄ Ｅ ｐｒ ｅｔ ｅｕｔ ｓｏ ａ ｅｂｔｅ ｅ ｂｅｔ ｏ ｅｃ ｅ ｓｒｔ Ｅ ｓｕｃ ｈ ｒｃ ｉ ｉ ａ ｅａｑ ｉ ． ｘ ｅ ｍ ｎ ｓｌ ｈｗｔ ｔｈ ａ ｌ ｌ ｏｊｃ ｈ ｅ ｓｃ ｅ ｉ ｒ ｓ ｈ ｔ ｔｆ ｄ ｉ
的要求 。先进 的作 战管 理系 统在控 制 日益 增 多 的复杂 武
器系统 时 ， 须从大量 的可移动 的和活动 的传感器 台站收 必 集数据并加 以融合 。为 了满足实 时防御 系统 的要求 ， 要 需 对数据进行 迅速和有 效的处 理 ， 传统 的数 据处理 常常做 但 不到这一点 。特别是 ， 当所需 要检测 的 目标信号 淹没在 大 量噪声和不相关 信号 与杂波 中时 ， 应用 人工方 法对微弱 目
Ｋｅ ｏｄ ： ｍｃｏｅｓ ｉ ｓ ｎ ｓ ａａｆｓ ｎ ｂ ｃ ｅｏｎｔ ｎ Ｄ ｍ ｓ ｒ ｈｆｒ Ｄ Ｓ ｅｉｅｃ ｈｏｙ ｙｗ ｒ ｓ ｉ ｓｉ ｃ ｉ ａ ；ｄｔ ｕｉ ；ｏｊ ｔｒｃｇｉｏ ； ｅ ｐｔ — ａ （ — ） ｖｄｎｅ ｔ ｒ ； ｒ ｍ ｉ ａ ｉ ｎ ｏ ｍ ｐｓｅ — ｈ ｆ ｒ ｅ ｉ ｎ ｅ ｔ ｅ ｒ ｎ ｌｃ ｔｏ ｆＤｅ ｔ ｒ Ｓ ａ ｅ ｖ ｄｅ ｃ ｈ ｏ ｙ ｉ
ｂ ｔ ｅ ｅ ｂ ｔ ｅｏ ｎｔ ｎ ａｔ ｆ ｌ ｏ ｊｃ ｃ ｇ ｉｏ ｌ ｄ ｉ ｅ ｒ ｉ
Ｌ Ｕ Ｘｉｏ ｄ ｎ，Ｗ Ｕ Ｊ ｎ，Ｌ Ｎ ｅＦｎ Ｉ ａ —ａ ｕ Ｉ Ｘｕ — ｅ （ ｏｔｒｄ ａｅＤｅ ａｔ ｎ ， ｔｌｒ ａ ｅ ｆ Ｌ Ｈｅｅ ２ ０ ３ ， ｈｎ ） Ｐ ｓｇａ ｕ ｔ ｐｒ ｍｅ ｔＡｒｉｅｙＡｃｄ ｍｙｏ Ａ， ｆｉ ３ ０ １ Ｃ ｉａ ｌ Ｐ
架进行 运算 ， 提供 计算 幂元 素 的逻 辑 。ＤＳ推理 用于 多 并 — 传感器数 据融合时 ， 由各 传感 器独 立获得关 于识别 目标 的
ｆｒ ａｈｓｎｏ， ｅＭ ｏｒｅｃ ａａｔｒ ｔｓｃｎｂ ｃｕｒｄ Ｅ ｐｒ ｅｔ ｅｕｔ ｓｏ ａ ｅｂｔｅ ｅ ｂｅｔ ｏ ｅｃ ｅ ｓｒｔ Ｅ ｓｕｃ ｈ ｒｃ ｉ ｉ ａ ｅａｑ ｉ ． ｘ ｅ ｍ ｎ ｓｌ ｈｗｔ ｔｈ ａ ｌ ｌ ｏｊｃ ｈ ｅ ｓｃ ｅ ｉ ｒ ｓ ｈ ｔ ｔｆ ｄ ｉ
D-S证据理论方法在目标识别中的应用
维普资讯
●
第 ２ 卷 第 ５期 ２ ２０ 年 １ ０７ ０月
光 电技 术 应 用
Ｅ乙 Ｄ 一臼Ｐ＂ 己 ０ ４ ， ４ Ｗ
、ｂ ． ２． ． ， １２ Ｎｏ ５
Ｏｃｏ ｅ ． ｏ ２ ５ ２ ０ ）５—０ ６ —０ ０７ ４
数据融合不 同层次对应不 同的算法 ， 在决策层 数据 融 合 中 ， ｅ ｓｅ—ｈｒｒ证 据 理 论 （ ｈ — Ｄ ｍｐｔｒ ａ Ｓ ｅ Ｔ ｅＤ Ｓ ｔｅｒ ｆ ｖｄｎｅ是适 合 于多传 感器 目标 识别 的一 ｈ ｙｏ ｉｅｃ） ｏ ｅ 种不精 确推理 方 法 ［＿ ． 满 足 比概 率 论 更 弱 的公 １ 它
Ｚ ＨＯＵ ｎ — ｕ Ｂｉ ｇ ｙ ，Ｌ Ｙｅ Ｕ ，ＬＩＺ ｕ ｎ ，Ｗ Ｕ ｉ ｉｇ ｈ ａｇ Ｈａ— ｎ ｎ
、
（ ｏｔｅｓ Ｒ ｓ ｒ ｎｔ ｕｅ０ Ｅｅｔｏｉ ｅ ｎｌ ｙ， ｉｚｏ ２ ０ ０ ｈｎ ） Ｎ ｒｈａｔ ｅ ａ ｃ Ｉｓｉ ｔ 厂 ｌ ｒｎｃ Ｔ ｃ ｏｏ Ｊｎ ｈｕ １ １０ ，Ｃ ｉａ ｅ ｈ ｔ ｃ ｓ ｈ ｇ
Ｄ—Ｓ证 据 理 论方 法 在 目标 识 别 中的应 用
周炳玉 ， 野 ， 卢 李 壮 ， 海宁 巫
（ 东北 电 子技 术研 究 所 ， 宁 辽 锦州 １ １０ ） ２ ０ ０
摘
要 ：－ 证据组合理论 已经成为不确定性推理 的～ 种重要方法 ， 于该理论 的多传感 器决策层数据融合 已得到广泛应 用 ． ＤＳ 基
ｓ ｓｅ ．Ｔｈ Ｓ ｔ ｅ ｒ ｆｅ ｉｅ ｃ ｎ Ｓ’ ｕｅｏ ｏ ｂｎ ｔ ｎ ａｅ ｉｔｏ ｕ ｅ ．Ｔｈ ｒｇ ａ ａ ｄ ｄ ｃｓ ｎ ｙ ｔｍｓ ｅＤ— ｈ ｙｏ ｖｄ ｎ ｅａ ｄ Ｄ－ Ｓｒ ｌ ｆｃｍ ｉａｉ ｒ ｎ ｒ ｄ ｃｄ ｏ ｏ ｅｐ ｏ ｒ ｍ ｎ ｅｉｉ ｏ ｍｅｈ ｓｏ ａａｆ ｓ ｎｂ ｓｄｏ Ｓｅ ｉｅ ｃ ｏ ｉａｉｎ ｒ ｌ ｒ ｅｃ ｉｅ ．Ｄ— ｈ ｒ ｆ ｖｄ ｎ ｅｉ ｕ ｅ ｏｉ ｔｏ ｆ ｔ ｉ ａｅ ｎＤ— ｖｄ ｎ ｅｃ ｍｂ ｎ ｔ ｅａｅｄ ｓ ｒ ｄ ｄ ｄ ｕ ｏ ｏ ｕ ｂ Ｓ ｔ ｅ ｙｏ ｉｅ ｃ ｓｄｔ — ｏ ｅ ｓ
●
第 ２ 卷 第 ５期 ２ ２０ 年 １ ０７ ０月
光 电技 术 应 用
Ｅ乙 Ｄ 一臼Ｐ＂ 己 ０ ４ ， ４ Ｗ
、ｂ ． ２． ． ， １２ Ｎｏ ５
Ｏｃｏ ｅ ． ｏ ２ ５ ２ ０ ）５—０ ６ —０ ０７ ４
数据融合不 同层次对应不 同的算法 ， 在决策层 数据 融 合 中 ， ｅ ｓｅ—ｈｒｒ证 据 理 论 （ ｈ — Ｄ ｍｐｔｒ ａ Ｓ ｅ Ｔ ｅＤ Ｓ ｔｅｒ ｆ ｖｄｎｅ是适 合 于多传 感器 目标 识别 的一 ｈ ｙｏ ｉｅｃ） ｏ ｅ 种不精 确推理 方 法 ［＿ ． 满 足 比概 率 论 更 弱 的公 １ 它
Ｚ ＨＯＵ ｎ — ｕ Ｂｉ ｇ ｙ ，Ｌ Ｙｅ Ｕ ，ＬＩＺ ｕ ｎ ，Ｗ Ｕ ｉ ｉｇ ｈ ａｇ Ｈａ— ｎ ｎ
、
（ ｏｔｅｓ Ｒ ｓ ｒ ｎｔ ｕｅ０ Ｅｅｔｏｉ ｅ ｎｌ ｙ， ｉｚｏ ２ ０ ０ ｈｎ ） Ｎ ｒｈａｔ ｅ ａ ｃ Ｉｓｉ ｔ 厂 ｌ ｒｎｃ Ｔ ｃ ｏｏ Ｊｎ ｈｕ １ １０ ，Ｃ ｉａ ｅ ｈ ｔ ｃ ｓ ｈ ｇ
Ｄ—Ｓ证 据 理 论方 法 在 目标 识 别 中的应 用
周炳玉 ， 野 ， 卢 李 壮 ， 海宁 巫
（ 东北 电 子技 术研 究 所 ， 宁 辽 锦州 １ １０ ） ２ ０ ０
摘
要 ：－ 证据组合理论 已经成为不确定性推理 的～ 种重要方法 ， 于该理论 的多传感 器决策层数据融合 已得到广泛应 用 ． ＤＳ 基
ｓ ｓｅ ．Ｔｈ Ｓ ｔ ｅ ｒ ｆｅ ｉｅ ｃ ｎ Ｓ’ ｕｅｏ ｏ ｂｎ ｔ ｎ ａｅ ｉｔｏ ｕ ｅ ．Ｔｈ ｒｇ ａ ａ ｄ ｄ ｃｓ ｎ ｙ ｔｍｓ ｅＤ— ｈ ｙｏ ｖｄ ｎ ｅａ ｄ Ｄ－ Ｓｒ ｌ ｆｃｍ ｉａｉ ｒ ｎ ｒ ｄ ｃｄ ｏ ｏ ｅｐ ｏ ｒ ｍ ｎ ｅｉｉ ｏ ｍｅｈ ｓｏ ａａｆ ｓ ｎｂ ｓｄｏ Ｓｅ ｉｅ ｃ ｏ ｉａｉｎ ｒ ｌ ｒ ｅｃ ｉｅ ．Ｄ— ｈ ｒ ｆ ｖｄ ｎ ｅｉ ｕ ｅ ｏｉ ｔｏ ｆ ｔ ｉ ａｅ ｎＤ— ｖｄ ｎ ｅｃ ｍｂ ｎ ｔ ｅａｅｄ ｓ ｒ ｄ ｄ ｄ ｕ ｏ ｏ ｕ ｂ Ｓ ｔ ｅ ｙｏ ｉｅ ｃ ｓｄｔ — ｏ ｅ ｓ
《改进D-S证据理论的决策融合算法研究及应用》范文
《改进D-S证据理论的决策融合算法研究及应用》篇一一、引言随着现代科技的不断发展，决策融合算法在各个领域得到了广泛应用。
其中，Dempster-Shafer（D-S）证据理论作为决策融合的重要方法之一，已经得到了广泛关注。
然而，D-S证据理论在处理决策信息时仍存在一些局限性，如对冲突信息的处理不够完善、对证据的独立性和一致性要求过于严格等。
因此，本文旨在研究改进D-S证据理论的决策融合算法，以提高决策的准确性和可靠性。
二、D-S证据理论概述D-S证据理论是一种基于信任度的决策融合方法，通过对证据进行分配函数描述和合并过程来达到信息融合的目的。
然而，在应用过程中，D-S证据理论仍存在一些问题。
首先，当存在冲突信息时，传统的D-S证据理论往往无法有效地处理这些信息，导致决策的准确性下降。
其次，D-S证据理论对证据的独立性和一致性要求较高，这在实际情况中往往难以满足。
三、改进D-S证据理论的决策融合算法针对上述问题，本文提出了一种改进的D-S证据理论决策融合算法。
该算法通过引入权重因子来调整每个证据的信任度分配，从而降低冲突信息对决策结果的影响。
同时，该算法还采用了基于相似度的证据关联性分析，以提高证据之间的相互关系信息在合并过程中的作用。
此外，针对不同情况下的实际应用场景，我们提出了更加灵活的调整策略来应对各种不确定性因素。
四、算法实现及性能分析为了验证改进算法的有效性，本文在多个实际应用场景中进行了实验。
实验结果表明，改进后的D-S证据理论决策融合算法能够更好地处理冲突信息，提高了决策的准确性。
同时，该算法能够更灵活地应对不同场景下的不确定性因素，具有较强的实用性和通用性。
五、应用案例分析本文以某智能交通系统为例，详细介绍了改进D-S证据理论决策融合算法在交通流量预测中的应用。
通过将多种交通信息作为证据进行融合处理，该算法能够更准确地预测交通流量变化趋势。
同时，我们还探讨了该算法在医疗诊断、机器人智能决策等其他领域的应用潜力。
D-S证据理论在目标识别中的应用
０
ｌ ＋信 任 度 区 间
Ｌ ｛ Ａ； Ｐ ．
—
复特征 据 问 —叫
—
似 真
— — — — — — － 卜 卜 ＿ 拒 绝 证 据 Ｉ
图 １ 证 据 区 间 示 意 图
１ Ｄ — Ｓ证 据 理 论 简 介
１ ． ５ Ｄ — Ｓ合 并 规 则 Ｄ ｅ ｍｐ ｓ ｔ ｅ ｒ 和Ｓ ｈ ａ ｆ ｅ ｒ 在２ Ｏ世纪 ７ ０年代提 出了 Ｄ — ｓ证据 理论 该 证据理论 中的组合规则提供 了组合两个证据 的规则 。设 Ｂ Ｅ Ｌ ， 和 理论在概率的基础上对概率论的概念进行 了扩展 把概率论 中的事件 Ｂ Ｅ Ｌ ， 是 同一个识别框架 ｕ上的两个信任函数 ， ｍ ． 和ｍ ， 分 别是其 对应 扩展成 了命题 ． 把事件的集合扩展 成了命 题的集合 ． 并提 出了基本概 焦元分别为 Ａ ， Ａ ： ， …， Ａ 和 Ｂ。 ， Ｂ ： ， …， Ｂ ， 又设 ： 率赋值 、 信 任函数和似真度 函数 的概念， 建立 了命题 和集合 之间的一 的基本概率赋值 ， 对应关系 ．从而把命题 的不 确定 性问题转化为集合 的不确定性问 ∑ ｍ １ （ ） ｍ （ ＜ １ ｎ ≠ 题。 １ ． １ 识 别 框 架 则： 设 ｕ表示 所有可能取值 的一个论域集合 ．且所有在 『 ， 内的元 】∑ ｍ （ ） ｍ （ Ｂ ， ） 素是互不相容 的．则称 为 的识别框架 可以是有限也可 以无 限． 在专家系统的应用 中是无 限的 。 １ ． ２ 基本概率赋值 ０． Ｃ＝ 西
２ ０ １ ３年
第７ 期
Ｓ Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ ＆Ｔ Ｅ Ｃ Ｈ Ｎ Ｏ Ｌ Ｏ Ｇ Ｙ Ｉ Ｎ Ｆ Ｏ Ｒ ＭＡ Ｔ Ｉ Ｏ Ｎ
Ｏ本刊重稿 。
科技信息
ｌ ＋信 任 度 区 间
Ｌ ｛ Ａ； Ｐ ．
—
复特征 据 问 —叫
—
似 真
— — — — — — － 卜 卜 ＿ 拒 绝 证 据 Ｉ
图 １ 证 据 区 间 示 意 图
１ Ｄ — Ｓ证 据 理 论 简 介
１ ． ５ Ｄ — Ｓ合 并 规 则 Ｄ ｅ ｍｐ ｓ ｔ ｅ ｒ 和Ｓ ｈ ａ ｆ ｅ ｒ 在２ Ｏ世纪 ７ ０年代提 出了 Ｄ — ｓ证据 理论 该 证据理论 中的组合规则提供 了组合两个证据 的规则 。设 Ｂ Ｅ Ｌ ， 和 理论在概率的基础上对概率论的概念进行 了扩展 把概率论 中的事件 Ｂ Ｅ Ｌ ， 是 同一个识别框架 ｕ上的两个信任函数 ， ｍ ． 和ｍ ， 分 别是其 对应 扩展成 了命题 ． 把事件的集合扩展 成了命 题的集合 ． 并提 出了基本概 焦元分别为 Ａ ， Ａ ： ， …， Ａ 和 Ｂ。 ， Ｂ ： ， …， Ｂ ， 又设 ： 率赋值 、 信 任函数和似真度 函数 的概念， 建立 了命题 和集合 之间的一 的基本概率赋值 ， 对应关系 ．从而把命题 的不 确定 性问题转化为集合 的不确定性问 ∑ ｍ １ （ ） ｍ （ ＜ １ ｎ ≠ 题。 １ ． １ 识 别 框 架 则： 设 ｕ表示 所有可能取值 的一个论域集合 ．且所有在 『 ， 内的元 】∑ ｍ （ ） ｍ （ Ｂ ， ） 素是互不相容 的．则称 为 的识别框架 可以是有限也可 以无 限． 在专家系统的应用 中是无 限的 。 １ ． ２ 基本概率赋值 ０． Ｃ＝ 西
２ ０ １ ３年
第７ 期
Ｓ Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ ＆Ｔ Ｅ Ｃ Ｈ Ｎ Ｏ Ｌ Ｏ Ｇ Ｙ Ｉ Ｎ Ｆ Ｏ Ｒ ＭＡ Ｔ Ｉ Ｏ Ｎ
Ｏ本刊重稿 。
科技信息
基于D—S证据推理的项目投资综合决策模型与应用
维普资讯
系
统
工
程
２０ ０ ２芷
集 ． 出 现 Ｋ一 １此 时 Ｄ ｍｐｔｒ 合 规则 失 去 意 义 剐 ， ｅ ｓｅ 组
定 义 ２ 证 据 冲突 因 子 （ ｏ ） ｃｉ “ ｌ
一
般 而 言 ， 个 证 据信 息之 间 除 了具 有 相 容性 之 外 ， 存 在 着 一定 的 冲 突性 。为 了度 量 证 据 信 息 间 的 冲 突度 各 还
维普资讯
第２ Ｏ卷 第 １ （ 期 总第 １９期 ） ０
２０ 年 １ ０２ 月
系 统
Ｉ
程
Ｖ ｏ．２ １ ０．Ｎｏ．１
Ｓｙ ｔ ｍ ｓＥｎ ｎ ｅ ｉ ｓｅ ｇｉ ｅ ｒｎｇ
Ｊｎ ２ Ｏ ａ ．． ０ ２
文章 编 号 ： ０ Ｉ４ ９ （ ０ ８ ０ － ０ Ｉ ０ １ ０ ０ ８ ２ ０ ） Ｉ０ ７ － ６
据 ） 不确 信 度 Ｄ ＩＤ ｇｅ ｏ ｎ ｒｎｅ 。基 于 此 ． 文 首 先 给 出 了 Ｄ Ｓ证 据 推 理 理 论 框 架 着 分 析 和 阐述 了提 的 ｏ（ ｅｒｅ ｆ ｇ ｏａｃ ） Ｉ 本 － 接 取指 标 体 系 不 确 信 度 的 五 种方 法 ｛ 后 ． 合投 资 项 目综 台决 策 的 特 点 ． 立 基 于 Ｄ ｓ理 论 的投 资 决 策 模 型 ， 行 最 结 建 — 进 实例 对 比研 究 。
摘
要 ： 对 投 赍 击 策 系统 的 车 确信 因 素 ， 针 阐连 提 取 指 标体 系不 确 信度 的 五种 方 法 ； 并基 于 Ｄ Ｓ证 据 推 －
理 建 立 投 资 项 目决 策模 型 ， 后 以 妾例 作 对 比研 究 验 证 谈 模 型在 不 璃信 投 赍 击 幕 系统 中应 用的 有 效ｒ 最 睦
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实例研究
实例研究
ቤተ መጻሕፍቲ ባይዱ 实例结论
由以上实例可看出 ,每种融合方法得出的结论基本 一致。即: 方案 6最值得投资 ,方案 1最不值得投资。也 不难发现 ,采用 D-S融合方法比不采用该方法进行决策 更利于方案的集中 ,数据融合使得系统的不确定性下降 ,基本概率函数分布趋势更加明显 ,根据同样的决策规 则进行方案比较 ,能够更加充分地利用系统的信息 ,提 高系统辨识目标方案的准确性。
基于 D-S证据推理的项目投资综 合决策模型与应用
我们将投资决策系统的指标体系视为一组证据信 息 , 利用D-S合成推理规则显然是非常合理。 D-S证据 理论应用于投资项目综合决策时 ,由各独立指标所获得 信息产生的特征度量构成了该理论的证据。 通过构造 相应的基本概率分布函数 ,对所有的证据 (包括 Θ)赋 予一定的不确信度 ,利用这些证据合成新的证据。
结合 D-S 证据推理的贝叶斯网络 法在配电网可靠性评估中的应用
配电系统处于电力系统末端，直接与用户相连， 是电力系统向用户供应电能和分配电能的重要环节。 近年来随着人们对配电系统在供电可靠性中地位认识 的提高，配电系统可靠性的研究得到了迅速的发展。
贝叶斯网络对配电网可靠性的估 计
加入D-S证据理论的贝叶斯网络对 配电网的可靠性估计
试验论证
在转子试验台上进行试验验证 ,在其上选择三个不 同的测点 , 表 2 是转子不对中时各测点 BP 网络的诊断 结果。
试验论证
对以上结果进行处理，计算出m(Ai)(基本概率值), Ai表示故障模式，i=1,2,3,4,5,6。计算结果m(Ai）即为 每个样本中第i种故障模式的基本概率值。经归一化处 理后得到的基本概率值如表3所示。
总结
D-S证据理论的应用十分广泛。它是一种更准确 的估计模型。它建立了命题和集合之间的一一对应关 系，把命题不确定问题转化为集合不确定问题。在一 些决策问题的决策，检修问题的判断等领域有着重要 的作用。
谢谢观看
D-S证据推理的应用实例
基于 D-S证据推理的项目投资综合决策模型与应用
D -S 证据推理在机械故障诊断中的应用
结合 D-S 证据推理的贝叶斯网络法在配电网可靠性 评估中的应用
基于 D-S证据推理的项目投资综 合决策模型与应用
项目投资综合决策要处理的信息大都是不精确的、 不完备的、模糊的、甚至是相互矛盾的 ,具有不确信性。 为了有效地进行投资分析和决策 ,需要用形式化的方法 来描述这些不确信信息 ,并进一步探讨不确信推理的方 法。不确信推理一般不强求逻辑上的完备性 ,只是对不 确信信息在误差允许的范围内做出近似推理判断 ,虽然 推理不一定能得到最佳的决策结果 ,但一般能给出专家 级决策结果 ,基本上可以满足应用领域的要求。
D-S证据推理方法的功能
D-S证据推理作为不确信推理的有效方法 ,是一种 决策理论 ,它能够很好地处理具有模糊和不确定信息的 合成问题。与概率决策理论 (如 Bayes理论 )相比 ,它不 但能处理由知识不准确引起的不确信性 ,而且能处理由 不知道引起的不确信性 ,也不用给出先验概率，而是基 于从属关系值 , 使用命题演算作为在 D -S 框架下的推 理过程 。
D-S证据推理的步骤
( 1) 求出各个证据的基本概率赋值 m (i ) ; ( 2) 求解证据的不确信度 m (Θ) ; ( 3) 利用 D-S合成推理规则 ,形成新的信任函数 Bel( A)
,并求解其基本概率赋值 m ( A) ; ( 4) 解决具有相关性和冲突性证据的合成问题。
D -S 证据推理在机械故障诊断中
的应用
在进行故障诊断时 ,可以用多传感器来对不同位置 进行测量, 对每个传感器的测量结果进行初步诊断,再 用 D -S 证据推理对它们进行融合。用 D -S 证据推理 进行决策层融合时 ,一般都要建立相应的质量函数, 难 度很大 ,为避免建立质量函数的麻烦,本文借助了成熟 的 BP 网络技术 ,对每一测点先用 BP 网络进行局部诊 断 ,各测点的诊断结果经过优化处理后建立证据推理模 型 ,进行综合诊断。
D -S 证据推理在机械故障诊断中
的应用
在机械故障诊断中 ,无论传感器的种类和性质如何, 最 终用于故障诊断的总是一些数字诊断指标,一般说来 , 机械 设备的这些诊断指标是具有不确定性的。而且即使对同一 台机器同一种工况下,不同工作循环内测得的振动信号的特 征参数也不完全相同, 有时甚至相差很大。设备状态参数 与诊断指标之间的这种不确定关系, 决定了诊断问题本质 上的不确定性。为了提高诊断的精确性和可靠性,最大限度 地利用各种信息, 解决靠单一传感器获得的单一指标进行 诊断所带来的不确定性, 本例从提高故障诊断精度出发, 提 出了基于多测点的 D -S 证据推理的数据融合方法, 并利用 优化后的神经网络诊断结果来建立证据推理的诊断模型, 利用同源数据进行融合 , 既避免了建立质量函数的麻烦,又 降低了诊断的不确定性 。
试验论证
试验论证
先用优化后的BP网络诊断来建立证据推理模型。 设新人函数Bel1对应于第一册点的诊断结果，信任函 数Bel2对应第二测点的诊断结果，这两个信任函数的 焦点元素都是A1,A2,A3,A4,A5,A6,分别代表完好状态， 不对中，碰摩，不平衡，油膜涡动，油膜震荡六种故 障模式。它们构成了信任函数Bel1,Bel2的共同分边框。 经D-S证据推理融合以后的诊断结果，再与测点3进行 融合，最后得到三个测点的融合结果： m(Ai)={0.996207 0.000260 0.000077 0.001339 0.001446 0.000654} m(θ)=0.000017.