基于馬爾科夫建模的證據(jù)組合方法的研究.pdf

1、證據(jù)理論作為一種不確定性推理方法，具有推理機制簡便、靈活等特點，因而在人工智能、檢測診斷和信息融合等眾多領(lǐng)域有著廣泛的應(yīng)用。但是在利用證據(jù)合成公式進行證據(jù)融合時，如果證據(jù)間存在著較大的沖突或不一致，則融合結(jié)果容易出現(xiàn)反直覺甚至是錯誤的現(xiàn)象，這也成為證據(jù)理論在實際應(yīng)用中遇到的主要問題?；诖?，考慮到序貫證據(jù)的序列性具有高效處理沖突的能力，本文提出了一種新的序貫證據(jù)融合方法。
　　本文首先采用Pignistic距離作為證據(jù)間相似性衡量

2、方法，對歷史證據(jù)進行修正，然后從經(jīng)典馬爾科夫鏈中的確定性狀態(tài)描述擴展到不確定性狀態(tài)描述，以寬度為，的滑動窗口對序貫歷史證據(jù)進行采樣，建立馬爾科夫鏈的不確定狀態(tài)證據(jù)模型，并根據(jù)轉(zhuǎn)移概率矩陣，計算證據(jù)代表，最后利用Murphy組合規(guī)則對證據(jù)代表組合l-1次，獲得融合結(jié)果。當(dāng)然本文方法也同樣適用于批量同步融合。通過大量的仿真對比實驗表明，該方法優(yōu)勢明顯，有效地解決了沖突證據(jù)合成出現(xiàn)的問題，并能有效兼顧合成結(jié)果的魯棒性和靈敏性。
　　上述

3、方法是對純數(shù)字證據(jù)的定量融合，與之相對應(yīng)，以自然語言形式的決策是一種定性的融合。針對決策中二元語義加權(quán)平均算子有時不能作出最優(yōu)的決策結(jié)果，本文按照上述對證據(jù)馬爾科夫建模的思路對二元語義進行馬爾科夫建模，提出基于馬爾科夫建模的二元語義決策方法。
　　在實際應(yīng)用上，由于本文提出的基于馬爾科夫鏈的序貫證據(jù)融合方法具有很好的準(zhǔn)確率和魯棒性，正好將其運用到飛機目標(biāo)識別中，文中提取圖像的五種不同特征，并利用改進的組合規(guī)則進行多特征融合，從而提