基于决策距离测量的DS 证据理论冲突处理方法(可编辑)
基于决策距离测量的DS 证据理论冲突处理方法
第,,卷第,期
计算机应用与软件 ,,,(,
,,,,年,月 ,,,,,,,
,,,,,,;,,,,,,,,,,,,,,,,, ,,,(,,,,
突处理方法
彭会萍 曹晓军
兰州商学院信息
工程
路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理
学院 甘
肃兰州,,,,,,
〔,〕
摘 要
作为不确定性推理的有效工具广泛应用于多传感器信息融合领域 而
在证
距离测量概念求取高度支持的最大传感器连接组剔除互不支持
结果的准确度
关键词 多传感器 信息融合 决策距离
,,,,,,,,,,,,,,,,,,,,,
,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
,,,,,,,,,,, ,,,,,,,,,,
,;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,;,,,,,;,,,,,;,,,,,,,,,,,,,,,,,,,,,,,,
,,,,,,;, ,,,,,,,,;,,,,,,,,
,,,,,,;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,(
,,,,,,,,,,,,,,,,,,,,,,,,,;,,,,,,,,,,,,,,,,,,,,,,,,,
;,,,,,,,,,,,,,,,;,,;,,,,,,,(,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
,,,,,,;,,,,,,,,,,,,;,,;,,,,,;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,;,,,,;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
,,,,,,,,,,,,;,,,,,,,,,,,,,,,,,,,,,,,,,,,,(,,,,,,,,,,,,,,,,,,,,,,,
,,,,,,,,,;,,,,,,,,,,,;,,,,,,,,;;,,,;,,,,,,,,,,,,,,,,,,,,(
,,,,,,,,
,,,,,,,,,,,,,,,,, ,,;,,,,,,,,,,,;,
冲突问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
的
目的
, 引 言
, 冲突问题及其典型的解决方法
,(,
表达不确定和未知等信息融合中的重要概念而且能够处
证据理论首先假设,表示,所有可能取值的一个论
域集合且所有在 ,内的元素是互不相容的则称,为,的识
据理论广泛应用于机器人医疗诊断决策分析等领域的信息融
别框架
〔,〕 , ,
定义, 设 ,是一识别框架则函数,,? 〔,,〕,
为,的所有子集构成的集合满足下列条件
证据独立性要求限制了证据理论的使用范围当证据间高度
,,,
冲突时数据融合结果有悖常理因而可能引起人们不当的决
,
?,,,,
策因此试图处理 , ,
重点 则称,
,为,的基本概率赋值,,表示对命题,的精
确信任程度
〔,〕
之一众多学者在这一方面都做出了卓越的成就形成了一些 定义, 设,,,和,,,是同一识别框架 ,上的两个
, ,
理论体系〔,,,〕 〔,〕 信
任度函数, 和, 分别是其对应的基本概率赋值焦元分别
本文提出一种应用决策距离概念 , ,
突问题的办法该方法通过利用决策距离的概念来确定信息关 为,,,和,,,则
, ,
, , , ,
联紧密的最大传感器连接组剔除信息关联无关的传感器即
提供信息可能错误的传感器以此方法摒弃冲突传感器信息 收稿日期,,,,,,,,,,甘肃省教育厅资助项目,,,,,
,,,
彭会萍副教授主研领域无线通信
第,期 彭会萍等基于决策距离测量的,
,,,
,,,, 较多时合成结果往往有悖常理
? , , , ,
,, ,支持证据冲突的概率按各个命题的平均支持程度加权
, ,,,
?
,,,,, ,, , , , , , ,,
?φ
, ,,, ,, 进行分配的方法
φ 文献
其中,, ,,,,,,( 出的合成公式进行了推广提出了一种把支持证据冲突的概率
? , , , ,
,, 按各个命题的平均支持程度加权进行分配的思想其合成规
, ,,
?
, ,
则为
,
,(,
,,,, , , ,,,,?,
, , ?? , ,
,, ,,, ,
?,,,
,
式能得到理想的数据融合结果但在证据高度冲突时数据融合 , ,, , ,,
?Φ Φ
结果往往有悖常理或甚至得到错误的结论引起这一问题的原 , ,
其中?,
, ,,是命题 ,的平均支持程度,,
? ,
,
,,,,冲 ,,,
? , , , ,
,
,,
, ,,
?
, ,
,,为冲突概率对于证据之间冲突程度较小的情
?? , ,
,, ,,,
? Φ
突概率赋值,,,归一化因子当, ,时,,,
公 ,
? ?
形公式 能够得到比较理想的结果
?
式失效当,值较大时证据高度冲突数据融合结果可能不合常
,,,,,,,的证据的基本信任分配进行平均的方法
,,,,,,提出了一种修改证据模型而不改变
设识别框架 ,,,,,,,两个证据, 和, 的基本信任
, , 合成规则的方法〔,〕其核心为首先将证据的基本信任分配进
分配函数, 和, 分别为
, ,
行平均然后再用
,,,,(,, ,,,,(,, ,,,,
, , , 时将平均证据合成,,,次,,,,,,的方法可以处理冲突问
,,,, ,,,,(,, ,,,,(,,
, , , 题其收敛速度较快但 ,,,,,,方法仅仅是把多组证据进行简
该例中,高度支持,,高度支持,二者对,支持率都
, , 单的平均而未能考虑到各个证据之间的关联性这使得一些偏
差较大的
信息对整个数据融合过程产生严重的干扰在
结论显然不合理其冲突程度,,,(,,,,
,,,基
础上文献〔,〕提出一种基于证据间相似系数的冲突证据
,(, 合成方法这是一种有效处理冲突证据合成的方法但其对冲突
,,,,,,的解决高度冲突证据的可传递置信模型方法 证据的处理过程复杂计算量太大
,,,,,认为导致冲突证据合成结果不合理的主要原因是
由于在未知环境中不可能得到一个有穷且完备的识别框架, ,
应用决策距离测量的概念解
因此必然存在着一些人们无法判断其真假的未知命题而冲突
则冲突的方法
部分正好是由这些未知命题造成的〔,〕将冲突部分配给空集
即可能的新命题由此得到新的合成规则定义为
定义, 假定识别框架,下的两个证据, 和,其相应的
传感器信息融合中其合成规则需要的证据主要是传感器提供
, ,
基本信任分配函数为, 和,焦元分别是, 和,则合成规
的为了检验传感器测量数据的一致性,,,采用置信距离来
, , , ,
则为 比较各传
感器的测量数据〔,,〕而,(,,,,,,,提出一个比较简
明的方法
来检测传感器数据的一致性即决策距离测量在
,,,,
? , , , ,
,,, , , ,, , ,,,的基础上本文利用,(,,,,,,,距离测量代替 ,,,的概率
?
, , ,,,, 距离构造距离矩阵再由此得到关系矩阵从而求出信息相互支
? , , , ,
, , ,
?
, , 持的最大传感器连接组
该合成规则要求识别框架必须开放故在识别框架已知的 ,(, 决策距离测量的概念
情况下不适用也无法做出正确的决策
,,,
定义概率距离 和 作为传感器 和传感器 之间的
, , , ,
,,,,,,的取消正则化过程的方法
,, ,,
一致性检
验〔,,〕表示为
在,
出取 ,,
〔,〕
, ,,, ,,,,,,,,,
消正则化过程的方法 ,,,,,认为人们并不真正知道冲突 ,, , , , ,
?
,,
部分的具体情况则就让它分配在识别框架 ,中而不分配在 ,,
, ,,, ,,,,,,,,,
,, , , , ,
识别框架 ,中的子集上其合成规则定义为 ?
,
,
其中 和 是相应的条件概率 为高斯
定义, 假定识别框架,下的两个证据,和,其相应的基
,,,, ,,,, ,,
, , , , , , , ,
本信任分配函数为, 和,焦元分别是,和,则合成规则为 概率密度
, , , ,
对于,个传感器同时测量某一物体特征时各传感器的概
,,,, , ,
? , , , , ?
, , ,,
? 率距离可
用距离矩阵,来描述
,,, , , ,
, , ,
,,,,,, ,,,
,, ,, ,,
? , , , ,
, , ,,
?
, , , , ,
式中,, ,,,, ,, ,, ,, ,, ,
? , , , ,
, , ,
?
, , , , ,
公式,用于两个证据合成时结果比较好但当证据源 ,, ,, ,, ,×,
,,, 计算机应
用与软件 ,,,,年
距离矩阵表明了各传感器的一致性支持程度在,的基 行以
下仿真实验
础上定义关系矩阵,
假设用,,,, 四个传感器观测目标,,,,,
, , , , , ,
, , , ,,
对目标,,,观测的决策值如表,所示
,, ,, ,, ,
,
, , ,
,, ,, ,,
表, 传感器对目标的决策值
,, ,
, , ,
, , ,
,, ,, ,, ,×, , ,(, ,(, ,
,
,当,?ε ,
式中,由概率阈值 决定,, ,, 关系矩阵表
明了 , , ,(, ,(,
ε
,, ,, ,当, ,ε , ,(, ,(, ,(,
,, ,
各传感器之间的支持程度对于传感器 和 它们存在三种支
, , , ,(, ,(, ,(,
,
持关系
?,,,,,说明传感器,和,相互独立
,, ,,
?,,,,,,说明传感器,对,弱支持 需要的证据
,, ,,
设识别框架为 ,将目标,,,置入同一识别框架 ,,
?,,,,,说明传感器,和,相互强支持
,, ,,
,,,,,把,,,,对目标,,,观测的局部决策值转
由以上三种关系可以确定最大传感器连接组融合其中的
, , , ,
换成证据,,,,其基本信任分配函数为,,,,
传感器数据将得到较精确的估计值而与最大传感器连接组独
, , , , , , , ,
如表,所示
立的传感器被剔除与最大传感器连接组弱支持的传感器被怀
疑为出错对其处理的准则为如果可能的话可以得到补偿否 表, 基本信任分配函数
则就放弃当最大传感器连接组确定后可以采用各种最优融 , , ,
合方法合并它们测量的数据得到对被测对象全面一致的估计 ,, ,(, ,(, ,
定义, 距离测量,和 作为检测传感器数据可靠性的
,
,, ,, ,, , ,(, ,(,
一个标准这个距离称为决策距离测量〔,〕表示为 ,, ,(, ,(, ,(,
,
, ,,, ,, ,,,,
,, ,(, ,(, ,(,
,, , , , ,
,
, ,,, ,,, ,,,,
,冲突证据处理
,, , , , ,
由
式,得到焦元,的距离矩阵, 为
,
式中,和 分别为传感器 和 的局部决策值用距离测量值
, , ,
, , , ,(,, ,(,, ,(,,
来代替式 中的, 可以得到 个传感器的
? ,, ,,,,,, ,
,(, , ,(, ,(,
, ,
决策距离矩阵,由,可得到关系矩阵,,中的,由式, ,
,
,, ,,
,(,, ,(,, , ,(,,
,当,,,或, ,γ
,, ,(,, ,(,, ,(
决定其中 为根据经验确定的阈值 ,, ,
,当,?γ γ
,, , , , ,
,(, 多传感器局部决策值的处理及其信息融合 , , , ,
取
,,(,则, ,
γ , , , , ,
感器的局部决策值转换成 , , , ,
因
此可知, 说明证据,与证据
因此人们可以把多传感器系统中的每个传感器对观测目标的 ,, ,, , ,, ,, ,
,, ,, ,, ,,
, 和,
不关联 说明证据, 和,若关联故
局部决策值看作 , , , ,, , ,, , ,
,, ,,
决策距离构造决策距离矩阵,再由,求得关系矩阵,利用 剔除证据,求得证据最大关联组为,, 和,
, , , ,
用同样的方法得到, 和 求得证据最大关联组为,
,中的关系确定每个证据的关联程度剔除不相关联的证据高
, ,
, ,
,,,得到 和 求得证据最大关联组为,, 和,
, , , , , , , ,
, ,
则进行信息融合信息融合过程描述如下 所以得到公共证据最大关联组为,, 和,这样可以剔除
, , ,
,把
,
成规则需要的证据
,信息融合
,计算各个证据两两之间的距离,, ,
由于证据最大关联组中有三个证据因此按照
,,
,建立距离矩阵,根据,确定关系矩阵, ,,,,,,,,, 和
,, ,, ,
,由关系矩阵,确定最大化相关联的证据组 ,其结果再和,合成证据, 和,融合数据见表,
, , , ,
表, 证据, 和, 融合过程 表示焦元交为空
, ,
传感器系统传感器数量多于,个以上故由步骤,得到的最
,, ,, ,,
, , ,
大化相关联证据组的证据数量多于 ,个以上所以按照
,(, ,(, ,(,
准则来确定最先融合其中的两个证据
,,,,,,,,
,, ,,
,,, ,(, ,(,,
,,, ,(, ,(,,
, 实 验
,,, ,(, ,(,,
下转第,,,页
第,期 秦锋等基于词条数学期望的词条权重计算方法
,,,
究〔,〕(中文信息学报,,,,,,,
环境农业计算机经济政治体育军事医药交通教育艺术航天 ,,,,(
〔,〕寇莎莎魏振军(自动文本分类中权值公式的改进〔,〕(计算机工
艺术 , , , , , , , , , , ,, ,
程与设计,,,,,,,
,,,,,,,,(
航天 , , , , , , , , , , , ,,
〔,〕陆玉昌鲁明羽李凡(向量空间法中单词权重函数的分析和构造
表,
〔,〕(计算机研究与发展,,,,,,,,,,,,,,,,(
〔,〕李凡鲁明羽陆玉昌(关于文本特征抽取新方法的研究〔,〕(清华
环境农业计算机经济政治体育军事医药交通教育艺术航天
大学学报自然科学版,,,,,,,
,,,,,(
环境 ,,, , , , , , , , , , , ,
〔,〕柴玉梅王宇(基于,,,,,的文本特征选择方法〔,〕(微计算机信
农业 , ,,, , , , , , , , , , ,
,,,,(
息,,,,,,,
计算机 , , ,,, , , , , , , , , ,
〔,,〕,,,,,,,(,,,,,,,,,,,,,,,,,,,,,,;,,,,,,;,,,,,,,,,,,,,,,,,,,,,,,
经济 , , , ,,, , , , , , , , , 〔,〕(,,,,,,,,,,,,,,,,,,,,,,,,,,
,,
,,,,(
政治 , , , , ,,, , , , , , , ,
体育 , , , , , ,,, , , , , , , 上接第,,,页
军事 , , , , , , ,, , , , , , ,,,(,,,,(,,,,(,,,,(,,,,(,,,,(,
,,,(,,
医药 , , , , , , , ,, , , , ,
,(,,
,′,, ,,(,,
,,,
交通 , , , , , , , , ,, , , ,
,(,,
教育 , , , , , , , , , ,, , , ,′,, ,,(,,,
,,,
艺术 , , , , , , , , , , ,, ,
,(,,
航天 , , , , , , , , , , , ,,
,′,,,,,,,(,,,
最终合成结果为,,,,(,,,,,,,(,,,,, ,
?
此结果符合仿真实验的要求而直接利用
结果为,,,,,,,,,,,的确不合常理
, 结 论
应
突信息的处理至关重要如对冲突信息处理不当可能得到不合
常理的
融合结果导致人们做出错误的决策给现实工作带来严
重损失
本文提出的解决冲突问题的方法能够有效处理冲突
图, 分类的性能比较 信息保证信息融合结果的精确度该方法容易在计算机上实
从实验结果可以看出使用修改后的,,,,,分类的精确度 现可以应用于分布式多传感器目标识别系统或决策系统
和召回率都有不同程度的提高这也就说明了包含词条文档的
参 考 文 献
分布情况对分类的性能是有影响的考虑到这一点就能有效地
提高分类的精确度和召回率
〔,〕何友王国宏等(多传感器信息融合及应用〔,〕(,版(北京
电子
工业出版社,,,,(
, 结束语
〔,〕,,,,,(,,,,,,,,,,,,,,,,,,,,,,;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
〔,〕(,,,,,,,,,(,,,,,,,,,,,,,,,,,,,,,;,,,,,,,,,,,,,,;,,,,,
,,,,,, ,,,(
本文利用包含词条的文档在各个类别中的分布情况以及各
〔,〕,,,,,,,,,,,,,,,,,,,,,,,,
个类中文档数的不同来改进,,,,,权重提高了文本的分类精
,,,,,〔,〕(,,,,,,,,,(,,,,,,,,,,,,,,,
,,,,,(
确度下一步将结合其他的分类方法如朴素贝叶斯分类器等测
〔,〕孙全叶秀清顾伟康(一种新的基于证据理论的合成公式〔,〕(电
试该特征选择方法同时研究该特征选择方法对分类算法的依
子学报,,,,,,,
,,, ,,,(
赖性以及在不同的数据集上测试该方法的有效性
〔,〕李弼程王波魏俊等(一种有效的证据理论合成公式〔,〕(数据
,,,,(
采集与处理,,,,,,,
参 考 文 献
〔,〕,,,,,,,,(,,,,,,,,,,,,,,,,,,;,,,,,,,,,,,,,,,;,,,,,,,;,,
〔,〕(,,;,,,,,,,,,,,,,,,,,,,,,,,,,
〔,〕唐焕玲孙建涛陆玉昌(文本分类中结合评估函数的,,,
,,(
〔,〕
王肖霞(冲突证据合成规则的研究〔,〕(太原中北大学,,,,
值调整技术〔,〕(计算机研究与发展,,,,,,,
,,
,,,,(
〔,〕苏金树张博锋徐昕(一种快速文本归类算法的设计与实现
〔,〕( ,,(
软件学报,,,,,,, 滤
,,,,,,,,(
〔,〕陈涛谢阳群(文本分类中的特征降维方法综述〔,〕(情
报学报 波算法〔,〕(电子学报,,,,,(
,,,,,,,
〔,〕,,,,,,,,(,,,,,,;,,,,,,,,,,,,,,,,,,,,,,,,,,〔,〕(,,,,,,,,,,,
,,, ,,,(
,,, ,,,(
,,,,,,,,,,,;,,,,,,,,,,,,,;,,,
,;,,,;,,,,,,;,,,,,,,,,,,,,
,,,,,,,〔,〕(,,,,,,,,,,,,,,;,,,,,,,,,,,,,,,,,,,,,,, 〔,,〕,,
,,,
,,
,( ,,,,,,
,,,,,,,,,,,,,,,,,〔,〕(,,,,,,,,,
,
,,,,,,,,,
〔,〕代六玲黄河燕陈肇雄(中文文本分类中特征抽取方法的比
较研 ,,, ,,,(