设m1和m2是由两个独立的证据源(传感器)导出的基本概率分配函数,Bel1和Bel2为识别框架 θ 上的信任度函数,则Dempster组合规则可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数,且焦元集合分别为A1,A2,A3,...,Ai和B1,B2,B3,...,Bj,过程图如下所示: 其中k代表矛盾因子,反映了不同证据之...
最初的融合分为3个层次:像素级融合、特征级融合和决策级融合。D-S方法是决策级融合的重要方法,在数据融合领域应用极为广泛。该方法以D-S理论,即证据理论为基础,核心是Dempste合成规则。 Dempster-Sharer证据理论简源于20世纪60年代Dempster在多值映射方面的工作,他将证据的信任函数与概率空间的一概率的最大、最小...
(一)无法解决证据冲突严重和完全冲突的情况 该识别框架为{Peter,Paul,Mary},基本概率分配函数为m{Peter},m{Paul},m{Mary} 由D-S证据理论的基本概念和组合规则进行解析 可以看出虽然在W1,W2目击中,peter和mary都为0.99,但是存在严重的冲突,造成合成之后的Bel函数值为0,这显然与实际情况不合,更极端的情况如果W1...
D-S证据理论组合正是由组合规则与判定规则组成的,Dempster组合规则作为其核心内容将多传感器的信息进行融合达到判定规则的标准,最终得到融合结果。 2、Matlab实现: 先编写了两个函数:DSfusion表示根据组合规则写的融合函数; DSjudg表示根据判定规则编写的决策函数; 最终使用主函数Dempster.m实现多传感器信息融合。 (1)融...
其中,D-S证据理论有着在无先验信息的状态下,可以很好的表示和处理不确定情况的优点,从而通过对问题进行建模,在融合过程中对数据进行更加优化的处理,提高了融合的准确性,使决策结果更加精确。但若存在冲突证据,运用D-S证据理论进行证据融合就不能达到很好的效果甚至结果有悖常理,所以需要对证据理论进行改进。当前研究...
D-S证据理论是研究数据融合的重要工具[5]。目前D-S证据理论在模式识别[6-7]、图像处理[8-9]等领域已有广泛的应用,但是在审计领域的研究尚不多见。谢盛纹对审计证据的组合进行了研究,但是未给出基本概率分配函数的有效计算方法,也没有给出融合结果的决策规则[10],导致在实际应用中存在一定的困难。本文分析了...
提出一种基于 D-S 证据理论的组合数据融合算法 .先对传感器网络的当前值依据各组数据的标准差进行聚类, 然后对每一类数据组, 用 D-S 证据推理算法进行融合 , 将其结果看成一个虚拟传感器节点数据, 最后通过计算马哈诺比斯距离得出虚拟节点数据向量的异常值, 把它作为加权权重进行加权融合.仿真试验表明:该算法识别...
江西工业贸易职业技术学院,江西 南昌 330038) (1.College of Information Engineering,Nanchang University,Jiang~i Nanchang 330031;2.Jiangxi Vocational Technical Col lege of Industry&Trade,Jiangxi Nanchang 330038) 摘要:介绍了D-S证据融合规则及其在证据冲突下的失效问题,分析了D—S证据融合规则失效产生的原因,并...
本发明属于风机故障监测,具体涉及一种基于d-s证据理论融合多特征信息的风机故障诊断方法。 背景技术: 1、风机设备的振动信号是其内部各零部件运行状态和结构响应的总体表现,在风机壳体上布置传感器采集振动信号,是获取风机运行状态信息的重要途径。通过对振动信号进行分析处理,提取能够准确表示风机设备运行状态的特征,进而...
一种d-s证据理论中基于优化证据距离的证据融合方法,辨识框架表示为θ:{θ1,θ2,…,θn},其中θ1,θ2,…,θn为焦元,辨识框架θ拥有2n个子集(θ1),(θ2),…(θ1θ2),(θ1θ3),…(θ),包括步骤1至步骤7。 步骤1、对所有子集进行分类相似对比,具体的方法包括步骤1.1～步骤1.2。