基于冲突因子和向量余弦的迭代D―S加权算法.docxVIP

基于冲突因子和向量余弦的迭代D―S加权算法 　　摘 要： 为了扩大D?S方法的适用范围，用传统的冲突因子与Pignistic概率向量余弦共同度量证据间的矛盾程度，将矛盾系数转化为证据的权系数，首轮融合时只用权系数修正证据集，其他融合用替换修正和权系数修正二次修正证据集，采用迭代思想修正融合结果。替换修正充分利用每一次的融合结果，迭代过程使得最终的融合结果更加精确。利用公共算例和随机算例验证后表明所提方法的融合效率高，融合结果更准确，算法收敛速度快，能有效解决问题，扩大了D?S的使用范围。　　关键词： 证据理论； 迭代； 二次修正； 向量余弦； 冲突因子； 权系数　　中图分类号： ?34； TP274 文献标识码： A 文章编号： 1004?373X05?0167?06　　Abstract： In order to expand the application scope of D?S evidence theory， the conflict degree is measured with traditional conflict factor and Pignistic probability vector cosine to convert the conflict coefficient into the weight coefficient of evidence. The weight coefficient is used to modify the evidence set for the first fusion. The replace correction and weight coefficient correction are used to secondly modify the evidence set for other fusions. The iteration thought is adopted to modify the fusion result. Every fusion result is fully utilized by replace correction to make the final fusion result more accurate in iteration process. The verification results of classical example and random example show this algorithm has high fusion efficiency， accurate fusion result and fast convergence speed. It solves the problem effectively and extends the application range of D?S method.　　Keywords： evidence theory； iteration； second correction； vector cosine； conflict factor； weight coefficient　　0 引 言　　Dempster?Shafer证据理论是对Bayes理论的推广。它对命题的判断从原来的“是”和“否”变成了“是”、“无知”和“否”。D?S理论可以有效地解决传感器信息中的“不确定”问题[1]，它能够准确表示、度量以及组合无知区间的信息，推理时也不必事先给出知识的先验概率[2]。故而被广泛地应用在信息融合、模式识别、故障诊断、入侵检测、问题预测、专家系统等许多领域。　　但D?S方法也因一些缺陷而使用受限，本文用例证解释这些缺陷，设是证据集，是融合结果，条证据如下：　　缺陷一：一般冲突，如Zadeh反例：证据集时，证据中融合结果表示支持显然有悖于直观判断。　　缺陷二：出现一票否决现象。例如：证据集时，有条证据的证据集中有条证据的只有一条证据的而融合结果显然这一条证据影响了融合结果。　　缺陷三：焦元BPA分配不公平。如当证据集时，融合结果显然，合成结果有利于对和不公平。　　缺陷四：缺乏鲁棒性。如证据集时，融合结果与Zadeh反例相比，只是稍微改变成为后，融合结果相差甚远。　　以上的问题虽然都会使D?S方法使用受限，但是问题发生的频率不一样。缺陷四是因为乘性原则[3]，这并不表示D?S方法缺乏鲁棒性，只是对于BPA为0的情况处理方式果断，属低频问题。造成前三种问题的主要原因是证据之间存在高冲突并且合成规则对所有证据一视同仁。冲突证据产生的主要原因是多传感器数据采集时的环境干扰，而多传感器数据采集时现场根本无法做到无干扰，因此证据集中出现高冲突证据几乎无法避免