DS证据理论Word文档格式.docx
- 文档编号:20556972
- 上传时间:2023-01-24
- 格式:DOCX
- 页数:11
- 大小:1.04MB
DS证据理论Word文档格式.docx
《DS证据理论Word文档格式.docx》由会员分享,可在线阅读,更多相关《DS证据理论Word文档格式.docx(11页珍藏版)》请在冰豆网上搜索。
形成
dempster的学生G.shafer对证据理论做了进一步发展,引入信任函数概念,形成了一套“证据”和“组合”来处理不确定性推理的数学方法
D-S理论是对贝叶斯推理方法推广,主要是利用概率论中贝叶斯条件概率来进行的,需要知道先验概率。
而D-S证据理论不需要知道先验概率,能够很好地表示“不确定”,被广泛用来处理不确定数据。
适用于:
信息融合、专家系统、情报分析、法律案件分析、多属性决策分析
二.D-S证据理论的基本概念
定义1基本概率分配(BPA)
设U为以识别框架,则函数m:
2u→[0,1]满足下列条件:
(1)m(ϕ)=0
(2)∑A⊂Um(A)=1时
称m(A)=0为A的基本赋值,m(A)=0表示对A的信任程度
也称为mass函数。
定义2信任函数(BeliefFunction)
Bel:
2u→[0,1]
Bel(A)=∑B⊂Am(B)=1 (∀A⊂U)
表示A的全部子集的基本概率分配函数之和
定义3似然函数(plausibilityFunction)
pl(A)=1−Bel(A)=∑B⊂Um(B)−∑B⊂Am(B)=∑B⋂A≠ϕm(B)
似然函数表示不否认A的信任度,是所有与A相交的子集的基本概率分配之和。
定义4信任区间
[Bel(A),pl(A)]表示命题A的信任区间,Bel(A)表示信任函数为下限,pl(A)表示似真函数为上限
举例:
如(0.25,0.85),表示A为真有0.25的信任度,A为假有0.15的信任度,A不确定度为0.6
三.D-S证据理论的组合规则
m个mass函数的Dempster合成规则
其中K称为归一化因子,1−K即∑A1⋂...⋂An=ϕm1(A1)⋅m2(A2)⋅⋅⋅mn(An)反映了证据的冲突程度
四.判决规则
设存在A1,A2⊂U,满足
m(A1)=max{m(Ai),Ai⊂U}
m(A2)=max{m(Ai),Ai⊂U且Ai≠A1}
若有:
m(A1)−m(A2)>
ε1
m(Θ)<
ε2
m(A1)>
m(Θ)
则A1为判决结果,ε1,ε2为预先设定的门限,Θ为不确定集合
五.D-S证据理论存在的问题
(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中m{peter)=1,W2中m{Mary}=1,则归一化因子K=0,D-S组合规则无法进行
(二)难以辨识模糊程度
由于证据理论中的证据模糊主要来自于各子集的模糊度。
根据信息论的观点,子集中元素的个数越多,子集的模糊度越大
(三)基本概率分配函数的微小变化会使组合结果产生急剧变化
在学习笔记
(一)中,对D-S证据理论引入,对D-S证据理论的基本概念和存在的问题进行了学习。
学习笔记
(二)对证据理论的改进方法进行学习,主要学习了Yager的合成公式
一.Yager合成公式
改进中主要引入了m(X),把冲突给了未知命题
二.Yager合成公式改进
为了解决多个证据中有一个证据否定A,则合成结果也否认A,对Yager公式进行改进
例2:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- DS 证据 理论