国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

一種基于改進(jìn)證據(jù)相似度的D-S融合算法

2021-10-15 04:11:38錢建波王旭康馮中存
無線電工程 2021年10期
關(guān)鍵詞:悖論信任沖突

錢建波,王旭康,董 進(jìn),韓 偉,馮中存

(1.江蘇電子信息職業(yè)學(xué)院 現(xiàn)代教育技術(shù)中心,江蘇 淮安 223003;2. 中國(guó)電子科技集團(tuán)公司第五十三研究所,天津 300000;3. 國(guó)網(wǎng)淮安供電公司,江蘇 淮安 223001;4.中國(guó)人民解放軍32703部隊(duì),河北 石家莊 050081)

0 引言

證據(jù)理論(Dempster-Shafer,D-S)是由Dempster和Shafer對(duì)概率推理方法在有限域上進(jìn)行一般化擴(kuò)展得到的理論,能夠?qū)Σ煌燃?jí)的精確度和不確定性進(jìn)行描述,是一種處理不確定信息的有效方法[1-6]。在實(shí)際應(yīng)用中存在沖突證據(jù)時(shí),D-S合成規(guī)則有時(shí)會(huì)產(chǎn)生與常理相悖的結(jié)果,主要包括以下3種:‘1’信任悖論、‘0’信任悖論和信任偏移悖論[7-8]。此外,其聚焦特性會(huì)導(dǎo)致信度過度集中于元素較少的焦元,致使合成的準(zhǔn)確性大幅降低。

解決D-S合成悖論的沖突證據(jù)方法有很多,主要包括修改合成規(guī)則和修改原始證據(jù)源兩大類。

(1) 基于合成規(guī)則修訂方法認(rèn)為D-S證據(jù)理論合成規(guī)則存在不足,需要對(duì)其進(jìn)行修改,主要方法如下:Yager合成規(guī)則[9]、孫全合成規(guī)則[10]和Smets合成規(guī)則[8]等,總體來說,此類方法的優(yōu)點(diǎn)在于一定程度解決悖論問題和提高算法的魯棒性;缺點(diǎn)在于算法復(fù)雜度隨之增加,且缺失D-S合成規(guī)則的交換性、結(jié)合性等優(yōu)良特性。具體來說,Yager合成規(guī)則認(rèn)為沖突證據(jù)不能提供有用信息,將證據(jù)沖突部分的基本概率分配全部分給不確定性的焦元全集,導(dǎo)致可提取的實(shí)際信息較少。孫全合成規(guī)則認(rèn)為證據(jù)具有同樣的可信度,即使證據(jù)間存在著沖突,也是部分可用的,通過計(jì)算證據(jù)中兩兩沖突的平均值定義證據(jù)集的有效性系數(shù),將總沖突按照一定比例分配給各個(gè)合成命題。Smets合成規(guī)則認(rèn)為證據(jù)提供的信息是可靠的,將沖突出現(xiàn)的原因歸為辨識(shí)框架的不完備,將沖突部分賦予空集,沒有遵循空集賦值為 0 標(biāo)準(zhǔn)的原則。

(2) 基于修改原始證據(jù)源的方法認(rèn)為其合成規(guī)則不存在問題,但是應(yīng)對(duì)高度沖突證據(jù)信息進(jìn)行預(yù)處理,再使用D-S證據(jù)合成規(guī)則,主要方法如下:Murphy合成規(guī)則[11]、鄧勇合成規(guī)則[12]等,總體來說,此類方法的優(yōu)點(diǎn)在于很好地解決了悖論問題,也提升了聚焦效果;缺點(diǎn)在于證據(jù)間獨(dú)立性受到一定程度的破壞。具體來說,Murphy合成規(guī)則只是將多組證據(jù)進(jìn)行簡(jiǎn)單的平均,沒考慮到各個(gè)證據(jù)之間的相關(guān)性,沒有對(duì)證據(jù)進(jìn)行實(shí)質(zhì)的分析,未區(qū)分證據(jù)的可靠程度,然而在實(shí)際運(yùn)用中,復(fù)雜的環(huán)境以及個(gè)別干擾會(huì)對(duì)融合產(chǎn)生很大干擾。鄧勇合成規(guī)則是一種基于證據(jù)距離的方法,求出各證據(jù)被其他證據(jù)支持的程度,充分利用證據(jù)間的相關(guān)性,可以處理由于證據(jù)不可靠造成的沖突證據(jù)合成問題,但它不能很好地合成由于知識(shí)不完備而導(dǎo)致的證據(jù)間的較大沖突問題。

綜上所述,現(xiàn)有沖突證據(jù)合成方法各有其優(yōu)缺點(diǎn),對(duì)于規(guī)則的修改往往會(huì)破壞D-S合成規(guī)則本身的一些優(yōu)良性質(zhì),不利于工程應(yīng)用[13-20]。本文通過構(gòu)造參考證據(jù)體、判定異常證據(jù)體,再通過D-S合成規(guī)則對(duì)數(shù)據(jù)進(jìn)行融合,提出了一種基于改進(jìn)證據(jù)相似度的證據(jù)合成規(guī)則方法,較其他幾種改進(jìn)方法而言,本文所提合成規(guī)則在識(shí)別速度和精度方面具有明顯優(yōu)勢(shì)。

1 Dempster-Shafer證據(jù)理論

基本概率分配函數(shù)(Basic Probability Assignment,BPA):假定Θ是辨識(shí)框架,映射m:2Θ→[0,1]被稱為Θ上一個(gè)BPA,如果滿足

(1)

式中,m(A)為事件A的信度,體現(xiàn)對(duì)事件A的支持程度;?為空集。

信任函數(shù)(Bel):假定m是Θ上的基本概率分配函數(shù),A為Θ的子集,稱函數(shù)Bel:2Θ→[0,1]為信任函數(shù),若滿足

(2)

式中,Bel(A)為信任函數(shù),表示證據(jù)對(duì)事件A為真的信任程度。

似然函數(shù)(Pl):假定m為Θ上的基本概率分配函數(shù),滿足式(3)的前提下,即Pl為A的似然函數(shù),即

(3)

式中,Pl(A)為似然函數(shù),表示證據(jù)對(duì)事件A為非假的信任程度。

Pl(A)與Bel(A)分別從不同的角度描述對(duì)事件A的信任程度,由于:

(4)

Pl(A)≥Bel(A)。

(5)

事件的不確定區(qū)間如圖1所示。

圖1 事件的不確定區(qū)間Fig.1 Uncertainty interval of events

由圖1可知,[Pl(A),1]為拒絕區(qū)間,[0,Pl(A)]為擬信區(qū)間,而[Bel(A),Pl(A)]為不確定區(qū)間。

D-S規(guī)則:假定m1和m2為同一辨識(shí)框架Θ下的2個(gè)證據(jù),其Dempster合成規(guī)則表示為

(6)

式中,證據(jù)m1和m2均為Θ上對(duì)應(yīng)的BPA;Ai和Bj分別為焦元,同時(shí)X,Ai,Bj∈2Θ;K為證據(jù)m1和m2的沖突系數(shù),表征證據(jù)間的沖突程度,定義為:

(7)

由于D-S合成規(guī)則具有結(jié)合性,因此可以得到多個(gè)證據(jù)的合成計(jì)算公式為:

(8)

式中,

(9)

2 基于改進(jìn)證據(jù)相似度的證據(jù)合成方法

2.1 構(gòu)造參考證據(jù)體

假定m1和m2表征同一辨識(shí)框架Θ={A1,A2,…,AH}上2個(gè)BPA函數(shù),其相容系數(shù)為:

(10)

式中,證據(jù)mi(i=1,2,…,I)支持度表征如下:

(11)

進(jìn)行歸一化后,可得到證據(jù)mi相應(yīng)的權(quán)重系數(shù)為:

(12)

用加權(quán)平均證據(jù)作為參考證據(jù)體,即參考證據(jù)體為:

(13)

2.2 判定異常證據(jù)體

假定原證據(jù)向量與參考證據(jù)體夾角的余弦表示為cos(mi,mΜΑΕ),并將其作為證據(jù)相似度Simi,可知:

(14)

則平均相似度為:

(15)

設(shè)置閾值為Simavg,若Simi≤Simavg,用mMAE替換該證據(jù)體,則有:

(16)

2.3 數(shù)據(jù)融合

一方面基于參考證據(jù)和證據(jù)相似度,綜合判定異常證據(jù);另一方面處理異常證據(jù);最后運(yùn)用所提出的D-S合成規(guī)則對(duì)證據(jù)進(jìn)行融合。

3 算例分析

為驗(yàn)證上述基于改進(jìn)證據(jù)相似度合成規(guī)則的有效性,分別選取D-S方法[2]、Yager方法[9]、孫全方法[10]、Murphy方法[11]和鄧勇方法[12]進(jìn)行對(duì)比研究。經(jīng)多組證據(jù)體數(shù)據(jù)的驗(yàn)證,本文所提出算法具有識(shí)別速度快和融合準(zhǔn)確度高等優(yōu)勢(shì)。下面著重給出其中一組數(shù)據(jù)的驗(yàn)證結(jié)果。

假定Θ={A,B,C}上有5個(gè)證據(jù)體,其BPA值分別分布如下:

m1:m1(A)=0.5,m1(B)=0.2,m1(C)=0.3;

m2:m2(A)=0,m2(B)=0.9,m2(C)=0.1;

m3:m3(A)=0.55,m3(B)=0.1,m3(C)=0.35;

m4:m4(A)=0.55,m4(B)=0.1,m4(C)=0.35;

m5:m5(A)=0.55,m5(B)=0.1,m5(C)=0.35。

由上述證據(jù)體可知,m2與實(shí)際情況有較大的偏差,與其他證據(jù)產(chǎn)生較大沖突,究其原因可能存在外界因素干擾、傳感器本身數(shù)據(jù)信息不可靠或是BPA模型輸出不精確等原因。

采用上述幾種方法,對(duì)相關(guān)證據(jù)體進(jìn)行合成,其結(jié)果如表1所示。

表1 證據(jù)合成方法融合結(jié)果比較Tab.1 Comparison results of evidence synthesis methods

由表1可以看出,對(duì)證據(jù)體m1~m5分別采用D-S方法和Yager方法進(jìn)行組合規(guī)則融合,2種方法均得出一票否決的結(jié)果。換言之,如果證據(jù)源中有一條證據(jù)完全否決焦元A,不論其他證據(jù)對(duì)焦元A的支持程度如何,上述2種方法所得m(A)值始終為0,這顯然與常理相悖。

此外,對(duì)Yager方法進(jìn)一步分析可知,該方法將沖突證據(jù)的BPA函數(shù)值大部分歸入不確定項(xiàng)m(?)。若忽略沖突本身的信息量,將其全部指派給不確定項(xiàng),雖可以解決D-S合成規(guī)則中歸一化問題,但進(jìn)一步提高決策的難度。隨著后續(xù)支持焦元A的證據(jù)數(shù)目不斷增加,m(A)值仍為0,m(?)值卻在不斷增加,這顯然也與常理相悖。

孫全方法是對(duì)Yager方法的進(jìn)一步改進(jìn),可解決D-S方法、Yager方法中一票否決的弊端。然而由表1可知,后續(xù)證據(jù)體m3~m5對(duì)焦元A支持度越來越多,m(A)值卻沒有得到明顯增加,而不確定項(xiàng)m(?)值也沒有明顯降低,根據(jù)上述融合結(jié)果系統(tǒng)仍然無法做出正確決策。

Murphy方法采用平均證據(jù)組合方法合成證據(jù)源,而鄧勇方法采用加權(quán)平均證據(jù)組合方法合成證據(jù)源,2種方法均能正確識(shí)別目標(biāo)焦元A。由于Murphy方法僅對(duì)各證據(jù)進(jìn)行簡(jiǎn)單平均,未能考慮各證據(jù)間實(shí)際支持程度,使得支持程度低的證據(jù)對(duì)合成結(jié)果的影響較大;此外,該方法直到對(duì)第4個(gè)證據(jù)m4進(jìn)行融合時(shí)才能正確識(shí)別目標(biāo)。盡管鄧勇方法在對(duì)第3個(gè)證據(jù)m3進(jìn)行融合時(shí)能夠識(shí)別出目標(biāo),但證據(jù)可信度不高。

在對(duì)第3個(gè)證據(jù)m3進(jìn)行融合時(shí),本文所提方法即可準(zhǔn)確識(shí)別出目標(biāo);隨著后續(xù)證據(jù)體m4~m5對(duì)焦元A支持度越來越多,m(A)值明顯增加,而且本文方法中不含不確定項(xiàng)m(?)。該方法具有較高數(shù)據(jù)融合準(zhǔn)確度的原因有兩方面:一方面,利用加權(quán)平均證據(jù)代替沖突證據(jù),有效解決一票否決弊端;另一方面,為使證據(jù)更接近一致性證據(jù),對(duì)異常證據(jù)采用加權(quán)平均證據(jù)進(jìn)行替換,因而融合準(zhǔn)確度提高。

4 結(jié)束語

針對(duì)現(xiàn)有D-S證據(jù)理論在處理沖突證據(jù)時(shí)存在的不足,提出了一種基于改進(jìn)證據(jù)相似度的證據(jù)合成規(guī)則方法。仿真計(jì)算結(jié)果表明,較其他幾種改進(jìn)方法而言,上述的改進(jìn)方法能有效地處理含有沖突的證據(jù)組合,解決了一票否決問題,滿足了識(shí)別結(jié)果BPA函數(shù)值和為1的要求;上述方法具有更快的識(shí)別速度,能夠更好地降低識(shí)別結(jié)果的不確定性,且保留了D-S理論滿足交換律、結(jié)合律的良好特性。

猜你喜歡
悖論信任沖突
視神經(jīng)炎的悖論
耶路撒冷爆發(fā)大規(guī)模沖突
海島悖論
“三宜”“三不宜”化解師生沖突
井岡教育(2020年6期)2020-12-14 03:04:32
“帽子悖論”
表示信任
嚶嚶嚶,人與人的信任在哪里……
桃之夭夭B(2017年2期)2017-02-24 17:32:43
從生到死有多遠(yuǎn)
美妝悖論
健康女性(2014年10期)2015-05-12 03:30:07
信任
临邑县| 新巴尔虎右旗| 哈尔滨市| 宜昌市| 咸阳市| 项城市| 台北县| 穆棱市| 婺源县| 鞍山市| 贵州省| 广德县| 西盟| 泰和县| 鸡泽县| 广元市| 共和县| 镇江市| 义乌市| 余江县| 马龙县| 彝良县| 贵定县| 蒙自县| 衡阳市| 三门峡市| 雅安市| 连城县| 黄石市| 四平市| 拜城县| 恭城| 包头市| 阿瓦提县| 武宣县| 肃宁县| 惠州市| 昌吉市| 固阳县| 收藏| 喀什市|