基于DS證據(jù)理論的決策融合算法研究.pdf

1、決策融合，作為一種應用在目標跟蹤、模式識別、醫(yī)學圖像和地球科學等的新興學科，能夠綜合傳感器獲取的多種不同信息所存在的冗余性和互補性，獲得更佳的系統(tǒng)決策性能。證據(jù)理論是一種典型的決策方法，具有對不確定性的良好度量和合理描述方式，被廣大學者所熟知。
　　論文從以下幾個方面深入研究基于證據(jù)理論的決策融合算法。
　　首先，詳細論述了證據(jù)理論的基本理論和DS合成公式的原理及性質(zhì)。其中，針對多傳感器監(jiān)測環(huán)境下經(jīng)常出現(xiàn)的沖突悖論問題進行了

2、重點分析，并將沖突悖論的產(chǎn)生原因歸結為不精確的證據(jù)體獲取方法和證據(jù)沖突問題。
　　其次，研究了證據(jù)體的獲取方法。討論了3種經(jīng)典方法，針對其需要先驗知識的低實用性，引入灰關聯(lián)提出一種基于斜率關聯(lián)度的證據(jù)體獲取算法，旨在增強證據(jù)體的獲取精度。在此基礎上，利用同一傳感器中不同特征對證據(jù)體的貢獻不同，提出一種基于加權系數(shù)的證據(jù)體獲取算法。仿真結果表明，兩種方法算法獲得的證據(jù)體都能較好地體現(xiàn)對不同命題的支持度，命題的支持度差異更明顯，利于系

3、統(tǒng)決策與識別判斷，且后者效果更佳。
　　再次，研究了證據(jù)沖突的解決方法。探討了12種常用解決方法，并利用實驗選用效果最好的加權證據(jù)合成法作為對比算法。通過明氏距離和折扣因子的引入分別提出一種基于明氏距離的證據(jù)合成算法和一種基于折扣處理的證據(jù)合成算法。仿真結果表明，兩種算法不僅能夠合理且有效地管理證據(jù)沖突，還能獲得利于系統(tǒng)判決的融合結果；與加權證據(jù)合成法相比，均增強了合成結果的有效性和可靠性，且后者效果更佳。
　　最后，在上述