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
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...
专利摘要显示，本发明公开了一种改进的D‑S证据理论融合方法及系统，涉及数据融合与信息处理领域，包括：将多维数据按属性划分为独立的信息源，生成计算BPA的基础数据；利用模糊朴素贝叶斯方法和FCM算法构建单一和复合假设的BPA；通过合成规则融合不同属性的BPA，获得综合BPA；将综合BPA转换为Pignistic概率，根据最大值确...
然而,当不同信息源的证据存在高冲突时,传统的D-S算法可能无法给出合理的融合结果。为了解决这一问题,本文在D-S算法的基础上进行了改进。 三、改进的D-S证据理论决策融合算法 1.引入信任度调整机制:通过分析不同信息源的可信度,对各信息源的信任度进行动态调整,降低高冲突证据对融合结果的影响。 2.引入权重因子...
D-S(Dempster-Shafer)证据理论作为一种重要的决策融合方法,能够有效地融合来自不同信息源的数据,提高决策的准确性和可靠性。然而,传统的D-S证据理论在处理复杂决策问题时仍存在一定局限性。本文旨在研究改进D-S证据理论的决策融合算法,并探讨其在实际应用中的效果。 二、D-S证据理论概述 D-S证据理论是一种基于...
于 基于 D-S 证据理论的融合事件检测算法研究的开题报告 一、研究背景与意义 事件检测是信息处理领域中一项重要的工作,在社交媒体、新闻报道、安全监控等领域都有着广泛的应用。事件检测是指对某个主题或事件的相关信息进行自动化的发现和提取,从而获取关于事件的详细信息,这对于用户做出正确的决策和应对突发事件非常重...
基于D- S证据理论的信息融合算法江 涛(国家数字交换系统工程技术研究中心NDSC 郑州450002)摘要 针对现有D-S 证据理论算法在信息融合应用 中缺乏系统性的问题, 提出 了 一种基于 D-S 证据理论的层次式融合算法。 该算法模型采用 多维属性信息的分域、层次融合方式, 利用 初始信息确定高层融合所需的概率分布的近似...
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...
D-S证据理论是一种基于概率论的决策融合算法,通过将不同来源的证据进行融合,得到一个全局决策结果。它能够处理不确定性和不完全性信息,具有一定的容错性和鲁棒性。然而,传统的D-S证据理论在处理复杂问题时仍存在一些问题,如易陷入局部最优解、计算复杂度大等。 三、改进的D-S证据理论决策融合算法 针对传统D-S证...
然而,随着应用场景的复杂性和数据多样性的增加,传统的D-S证据理论在某些情况下可能无法满足精确性和效率的要求。因此,本文旨在研究并改进D-S证据理论的决策融合算法,以提高其在实际应用中的性能。 二、D-S证据理论概述 D-S证据理论是一种用于处理不确定性和不完全性信息的数学框架。它通过定义基本概率分配函数(...