王 剑,张志勇,乔阔远
(1.郑州大学 信息工程学院,郑州 450001; 2.河南科技大学 信息工程学院,河南 洛阳 471003)(*通信作者电子邮箱iejwang @zzu.edu.cn)
证据理论是由Dempster[1]和Shafer[2]提出的一种有效的不确定性推理方法[3],被广泛用于最优决策[4-6]、可靠分析[7-9]、关系度量[10]、最优计算[11-13]等领域。然而在现实环境中,由于传感器的故障或信任函数模型的不准确会导致证据之间互相冲突,进而会引起融合结果的反直观现象[14]。
为了能在冲突证据存在的情况下依然获得正确的融合结果,证据的融合公式必须能适应冲突证据的存在[15-16]。Dubois等[17]提出了一种新的证据融合方法,它将证据的交集部分转化为并集部分,以降低证据冲突程度;但该方法在冲突程度高时表现较差[14]。Murphy[18]将所有待融合的证据求平均得出平均证据,然后将平均证据使用Dempster融合方法融合自身n-1次得到组合结果。然而,文献[14]指出:不同证据对融合结果的影响不同,应为不同证据分配不同的权重。为了获得证据权重,一些学者提出了证据之间的相似度,并将相似度转化为证据权重[19]。Cuzzlion[20]通过将证据体映射成几何空间中特殊线段的方式解释了证据距离的几何意义,为证据距离和证据相似度奠定了理论基础。Jousselme等[21]提出了一种基于证据距离的证据相似度计算方法,但没有提出将证据相似度转化为证据权重的方案。Wen等[22]提出了一种简化的、基于向量余弦值的证据相似度计算方法,却忽略了证据中焦元个数对相似度计算结果的影响。Wang等[23]通过修正证据权重改进了Murphy[18]的融合规则,但存在相似度碰撞的缺陷。……