[發(fā)明專利]一種加權(quán)模糊型D-S證據(jù)理論框架

在審

• 申請(qǐng)?zhí)枺?/td>: 201810557652.3
• 申請(qǐng)日: 2018-06-01
• 公開（公告）號(hào): CN108763793A
• 公開（公告）日: 2018-11-06
• 發(fā)明（設(shè)計(jì)）人: 周世杰;賀雅琪;劉啟和;廖永建;吳春江
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明提出了一種加權(quán)模糊型D?S證據(jù)理論框架。對(duì)于D?S證據(jù)理論在數(shù)據(jù)融合的應(yīng)用中BPA獲取困難的問(wèn)題，該框架以D?S證據(jù)理論為基礎(chǔ)，首先將待融合數(shù)據(jù)進(jìn)行屬性劃分，然后將生成類方法與判別類方法相結(jié)合，分別使用模糊樸素貝葉斯和FCM算法構(gòu)造模型；在生成BPA階段，通過(guò)定義不確定區(qū)域來(lái)表達(dá)不確定信息，再利用模糊隸屬度和樣本與質(zhì)心之間的距離分別獲得生成類BPA和判別類PBA，最后通過(guò)可信的數(shù)學(xué)模型得到復(fù)合BPA；利用D?S證據(jù)理論的合成公式融合來(lái)自各模型的復(fù)合BPA，最后通過(guò)Pignstic概率轉(zhuǎn)換后得到最終決策。該框架能夠高效地完成數(shù)據(jù)融合任務(wù)，融合精度高、平均差小，且能夠明確地處理不同類別之間的不確定性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種加權(quán)模糊型D-S證據(jù)理論框架，屬于信息技術(shù)領(lǐng)域。

背景技術(shù)

D-S證據(jù)理論[1]提供了一種有效的方法來(lái)解決不確定性和來(lái)自多個(gè)來(lái)源的信息的整合。它不需要先驗(yàn)概率或條件概率，對(duì)“不確定”與“不知道”之間的區(qū)別能夠很好的描述出來(lái)，是一種對(duì)概率論的擴(kuò)展。

D-S證據(jù)理論的推理過(guò)程整體是建立在識(shí)別框架基礎(chǔ)上的，其基本思路如下：

(1)建立識(shí)別框架。利用集合論的方法研究課題；

(2)建立初始信任分配。根據(jù)證據(jù)所提供的信息，將總量為1的支持程度分配給識(shí)別框架中的每一個(gè)子集(即命題)作為對(duì)各子集的支持程度，但該支持程度不能再具體地細(xì)分到該子集的真子集上。

(3)計(jì)算所有命題的信任度。根據(jù)因果關(guān)系，若某證據(jù)支持一個(gè)命題，那這個(gè)證據(jù)將同樣支持由這個(gè)命題所得出的結(jié)論，所以一個(gè)命題的總信任度等于他所有前提命題的初始信任度之和。

(4)證據(jù)合成。D-S證據(jù)理論提供了成熟的證據(jù)合成公式，將多個(gè)證據(jù)提供的信息合成，融合后，得到所有證據(jù)對(duì)各命題的總信任度。

(5)決策。根據(jù)證據(jù)合成得到的信任度，以一定的選取規(guī)則作為決策依據(jù)，選擇識(shí)別框架中的某個(gè)命題作為決策。一般情況下選擇信任度最大的命題。

本發(fā)明所提出的加權(quán)模糊型框架就是從如何構(gòu)造BPA的角度出發(fā)，構(gòu)建一種融合精度高、穩(wěn)定性好、能夠處理不確定信息的D-S證據(jù)理論框架。

與本發(fā)明相關(guān)的現(xiàn)有技術(shù)：

BPA的設(shè)計(jì)通常要根據(jù)實(shí)際應(yīng)用中多源數(shù)據(jù)的特點(diǎn)來(lái)設(shè)計(jì)，BPA的構(gòu)造需要基于密度估計(jì)的生成方法和基于距離函數(shù)的判別方法。對(duì)于生成方法來(lái)說(shuō)，BPA可以被簡(jiǎn)單地認(rèn)為是一個(gè)概率函數(shù)，它通常與概率分布、模糊隸屬度或概率函數(shù)相關(guān)聯(lián)；對(duì)于判別方法，通常使用一些相對(duì)性的概念，比如距離、特征或相似性等來(lái)定義BPA。

在國(guó)內(nèi)外的研究中，Yager利用直覺模糊集的概念，用一個(gè)集合將不精確概率直觀地表示出來(lái)。在模糊集合理論中，不精確的隸屬關(guān)系可以用兩種不同的方式表示：區(qū)間值模糊集和直覺模糊集。在DS框架下，與集合相關(guān)的不精確的概率可以用一個(gè)由信念和可信度量定義的區(qū)間來(lái)表示。文獻(xiàn)[2]采用了數(shù)據(jù)的每個(gè)屬性的正態(tài)分布模型來(lái)構(gòu)造了一個(gè)嵌套的BPA結(jié)構(gòu)，避免了證據(jù)之間的高沖突。在文獻(xiàn)[3]中，Masson和Denoeux將D-S理論與信任度劃分相結(jié)合來(lái)解決計(jì)算對(duì)象數(shù)據(jù)中的信任度劃分問(wèn)題。Denoeux在文獻(xiàn)[4]中又提出了一種新穎的分類方法，他結(jié)合了K最近鄰(KNN，K-Nearest Neighbor)算法和D-S證據(jù)理論提出了K-NN-DST規(guī)則。