一种信息源可信度预测方法研究

论文摘要

D-S证据理论在处理不确定信息方面有着显著的优势,因此在数据融合领域中得到了广泛应用。但是,D-S证据理论无法对冲突证据进行有效处理,从而影响了融合结果的准确性。此外,在数据融合过程中随着信息源数量的增加,其融合效率将会逐渐降低。针对D-S证据理论中证据冲突以及融合效率不高的问题,本文提出了一种利用预测可信度来解决以上问题的改进方法。本文在对D-S证据理论有关知识以及已有的解决证据冲突问题的方法进行研究的基础上,提出了一种基于预测可信度系数的D-S证据理论合成规则的改进方法。该方法能够解决在数据融合过程中处理大量数据时出现的证据冲突问题,并且可以提高融合效率。首先,为每个信息源分配初始可信度,并引入可信度平衡因子的概念来实现对融合过程中信息源可信度的预测,由此提出了预测可信度系数计算公式；其次,对预测可信度系数计算公式进行转换,得到平衡因子计算表达式,通过大量的样本数据对平衡因子进行训练直至得到一个相对稳定的值；最后,将训练得到的平衡因子带入预测可信度系数计算公式中,并与传统的证据理论合成规则公式进行结合得到基于预测可信度的合成规则,在此基础上给出了完整的基于预测可信度系数的D-S证据理论改进算法。最后,通过Matlab进行仿真实验,详细说明了本文提出的基于预测可信度的D-S证据理论融合方法对多源信息的处理过程。在仿真实验中,主要从预测可信度系数的精确度和数据融合的效率两方面进行分析,并将实验结果与改进前的方法进行比较,比较的结果表明了本文提出的方法在解决证据冲突和提高融合效率方面的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究的背景
• 1.2 国内外研究现状
• 1.2.1 国内研究现状
• 1.2.2 国外研究现状
• 1.3 论文研究内容及目标
• 1.4 本文组织结构
• 第2章 相关技术
• 2.1 D-S证据理论概述
• 2.1.1 D-S证据理论的发展
• 2.1.2 D-S证据理论的应用
• 2.2 D-S证据理论的基本原理
• 2.2.1 识别框架
• 2.2.2 基本概率分配函数
• 2.2.3 信任函数
• 2.2.4 似然函数
• 2.3 D-S证据理论合成规则
• 2.3.1 基本合成规则
• 2.3.2 多证据源合成规则
• 2.3.3 证据合成规则的性质
• 2.4 证据的相关性
• 2.5 D-S证据理论的优点与不足
• 2.6 Pignistic概率基本原理及改进
• 2.6.1 Pignistic概率转换原理
• 2.6.2 Pignistic概率转换改进方法
• 2.7 本章小结
• 第3章 基于预测可信度的D-S证据融合改进算法
• 3.1 问题提出
• 3.1.1 D-S证据理论融合效率
• 3.1.2 证据冲突产生的原因及分类
• 3.1.3 证据源可信度方法
• 3.1.4 可信度方法与其他方法比较与分析
• 3.2 问题分析
• 3.2.1 HCH方法介绍
• 3.2.2 HCH方法存在的缺陷
• 3.3 预测可信度计算方法
• 3.4 预测可信度系数平衡因子训练方法
• 3.5 基于预测可信度的D-S合成规则
• 3.6 基于预测可信度的D-S证据理论融合算法
• 3.7 本章小结
• 第4章 仿真实验与结果分析
• 4.1 实验运行环境
• 4.2 实验结果分析
• 4.2.1 训练预测可信度平衡因子实验
• 4.2.2 基于预测可信度的融合算法性能对比
• 4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢