基于Pignistic 概率转换和奇异值分解的证据冲突度量方法

郭兴林，孙振晓，周昱瑶，漆莲芝，张谊

（中国工程物理研究院计算机应用研究所，四川 绵阳 621900）

1 引言

DS 证据理论被广泛用于信息融合领域，然而Zadeh[1]指出在证据存在高冲突时，直接使用证据理论进行融合可能得出有悖于常理的结论。针对证据冲突的情况，主要的解决办法分为2 类[2]，一类是对冲突证据进行预处理[3-6]，消除或降低证据间的冲突性；另一类是修改证据合成规则[7-13]，将证据间冲突进行再分配。这2类方法均需要对证据间冲突进行准确度量。

国内外学者针对证据冲突度量进行了大量研究，Jousselme 等[14]给出了集合的相似性定义，采用证据间距离衡量证据冲突度。杨风暴[15]给出了证据一致度、证据冲突度、证据冲突强度、证据冲突/一致度等参数描述证据冲突程度。Liu[16]采用Pignistic概率转换定义了证据间Pignistic概率距离，将其作为证据间冲突度量指标。蒋雯等[17]改进了Jousselme 距离冲突度量方法，将Jousselme 距离和冲突因子联合，取其均值作为新的冲突因子。柯小路等[18]通过构建证据基本概率分配（BPA,basic probability assignment）矩阵，对其进行奇异值分解，利用最小奇异值表示证据间冲突。宋亚飞等[19]在分析证据相关性与冲突关系的基础上，给出了基于证据相关系数的冲突判定准则。包甜甜等[2]采用交叉熵表示证据的散度，通过Hamacher T–余范融合证据距离和证据散度来度量证据间冲突。上述方法在部分冲突场景下具有较好的适应性，一定程度上弥补了经典冲突因子的缺陷，但仍存在一些不足。为此，本文提出了一种基于Pignistic 概率转换和奇异值分解的证据冲突度量方法，能够较好地适应证据融合时可能出现的多种证据冲突场景。……