DSmT与DST融合门限改进方法(3)_代写代发论文(医学论文)_sci论文代发_广州论文发表_

式（6）、（7）中u(Xk)表示组成Xk的所有i的并集，It表示所有的未知信息。  2 DSmT与DST的综合应用 DSmT与DST综合应用的思想是找到一个合适的转换门限，在证据源冲突较低时使用DST，以较小的计算代价

　　式（6）、（7）中u(Xk)表示组成Xk的所有θi的并集，It表示所有的未知信息。
　　
　　
　　2 DSmT与DST的综合应用
　　DSmT与DST综合应用的思想是找到一个合适的转换门限，在证据源冲突较低时使用DST，以较小的计算代价获得较好的融合效果；在证据源冲突较大时，转换为DSmT方法进行信息融合，利用其对强冲突信息进行处理。
　　
　　
　　第4期
　　刘永阔等：DSmT与DST融合门限改进方法
　　
　　
　　计算机应用第32卷
　　在文献［4］中所提出的确定门限的方式是在融合系统中先计算证据间的冲突率，如果冲突率大于某一个值，使用DSmT进行融合，如果冲突率低于某个值，就使用DST进行融合。文献［4］通过列举两个例子，发现两个例子的融合结果有一个共同的特点。
　　
　　图片
　　
　　
　　
　　图1 反例比对
　　
　　
　　
　　无论是使用DST还是DSmT，得到的关于m(A2)与m(A1)和m(A3)的曲线的交点都是在ε=0.323附近，k≈0.667。因此得出把k=0.667作为转换门限的值，研究表明这种方法存在如下问题。
　　1）文献［4］给出的例子不具有普遍意义，每个例子的两组证据是相同项的不同排列，如第一个例子的两组证据是由0.99-2ε、0.01+ε、ε组合而来。这样导致合成结果DST.m(A1) 与DST.m(A3)重合，从而DST.m(A1) 、DST.m(A3)这两条曲线与DST.m(A2)只有一个共同的交点。若使用如下证据：
　　m1(A1)=0.9-2ε，m1(A2)= ε，m1(A3)=0.1+ε
　　m2(A1)=0.8-2ε，m2(A2)=0.2+ε，m2(A3)= ε
　　其中0<ε<0.4,合成结果如图1所示，DST.m(A1)和DST.m(A3)两条曲线与DST.m(A2)的交点不止一个，DST.m (A1)与DST.m(A2)交点处所对应的k值为0.680。
　　2）文献［4］的例子得到的是全局上k的最小值，是一个点值门限。事实上对于不同的证据源，门限应该有所差异，不应是一个定值，可能是一个变动的点值，也可能是多个变动的点值，对此将在第3章中进行说明。
　　3 改进的门限确定方法
　　本研究针对上述存在的问题，提出一种新的方法来确定转换门限，即冲突距离判别，记为kd，系统流程如图2所示。
　　将从不同证据源得到的信息送入判别模块，通过计算
　　
　　
　　kd（式（9））的值得到转换门限，当kd的值大于确定的门限时采用DSmT进行信息融合；反之采用DST进行信息融合。
　　图片
　　
　　
　　
　　图2 系统流程
　　
　　
　　引入两组没有特别联系的证据。
　　例1： 
　　m1(A1)=0.9-2ε，m1(A2)= ε，m1(A3)=0.1+ε
　　m2(A1)= 0.2+ε，m2(A2)= 0.8-2ε，m2(A3)= ε
　　其中0<ε<4.0， ε以0.01为步长变化，Shafer的模型成立。应用DST与DSmT对m(A1)、 m(A2)、 m(A3)进行合成，结果如图3所示。
　　图片
　　
　　
　　
　　图3 基本概率比对
　　
　　
　　
　　
　　加入由式（2）得到的曲线k，它表征证据间的冲突程度。为便于观察，去掉关于m（A1）的曲线，如图4所示。 可以看到k（0.6567～0.8200）值的变化并不明显，各个基本概率赋值函数曲线也并不重合，DSmT.m（A2）与DSmT.m（A3）交点处所对应的k值为0.6567，不等于0.6670。在图3中也发现同组证据的交点不止一个，所以单依靠冲突率k确定出门限比较困难。为此，本文提出了冲突距离函数来确定门限。
图片
　　
　　
　　
　　图4 例1的冲突概率比对
　　首先定义一种证据距离：
　　d = ∑ni = 1dA 1 + dA 2 + … + dAn n (8)
　　其中：dA i = 2(m1 -12)(m2 -12)(m1 -m2 )2；m1、m2表示证据1和证据2对某一焦元Ai的基本信任分配值；n为焦元个数。多组证据可以两两合成求得。
　　kd = ∑B,C∈DΘB∩C =m1 (B)m2 (C) · ∑ni = 1dA i n (9)
　　加入kd曲线进行比对，如图5所示，在ε=0.1500(k=0.6775)和ε=0.3010(k=0.6700)两处，kd的曲线出现了拐点。可以发现两拐点之外曲线的斜率比两拐点之间曲线的斜率明显要大，数据见表1。说明在两点之外，ε每变化一个步长就能引起冲突距离函数的剧烈响应。可以认为在两拐点之外的区间应该使用DSmT进行数据融合，在两拐点之内的区间使用DST规则即可得到比较好的结果。对于拐点的寻找，在数学上不难实现，篇幅所限，本文不详述。表1列出了门限数据，表2给出了共40个点处曲线kd的斜率。图片
　　
　　
　　
　　图5 例1的冲突距离函数比对
　　
　　
　　表格(有表名)
　　
　　表1 门限数据表
　　
　　εkkd
　　0.15000.67750.0490
　　0.30100.67000.0173
　　
　　
　　
　　目标拐点的斜率为表中第16(ε=0.1500)和第31(ε=0.3010)个数值。可以发现前15个与后9个数值的绝对值比17至30号数值的绝对值明显要大，虽然曲线kd的拐点不止两个，比如在ε=0.2400(第24个数值)时也出现了拐点，但是可以发现曲线kd在该拐点左右两边的斜率的绝对值相差不大，且均较小，不是目标拐点。而在目标拐点1(ε=0.1500)的左侧和目标拐点2(ε=0.3010)的右侧，可以发现曲线斜率的绝对值明显要大，证据冲突距离函数的响应很剧烈。 (责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）

顶一下

(0)

踩一下

(0)

上一篇：基于蚁群聚类的历史灾害分级方法

下一篇：论《草堂诗余》在明代的传播接受

论文发表,代写代发论文

本站业务范围

推荐论文内容

最新发表杂志目录

DSmT与DST融合门限改进方法(3)

南粤论文网友情链接