冲突证据分步合成的合理性及改进合成算法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (11): 35-40.

冲突证据分步合成的合理性及改进合成算法

陈强，卢愿，李彬，黄丹丹

江西理工大学电气工程与自动化学院，江西赣州 341000

出版日期:2015-06-01 发布日期:2015-06-12

Rationality of conflict evidence combination step by step and improved combination algorithm

CHEN Qiang, LU Yuan, LI Bin, HUANG Dandan

School of Electrical Engineering and Automation, Jiangxi University of Science and Technology, Ganzhou, Jiangxi 341000, China

Online:2015-06-01 Published:2015-06-12

摘要/Abstract

摘要： 针对证据分步合成问题，给出了多证据分步合成结果的一般表达式，对分步合成方法理论上的合理性以及合成结果的收敛性进行了研究。针对高度冲突证据的分步合成问题，提出一种将Dempster合成公式与加权平均法混合使用的分步合成算法;根据预设的冲突阈值，选用相应的合成公式。对比仿真结果表明该算法比国内外一些代表性改进方法合成计算过程更为简捷，合成结果的收敛效果更好。

关键词: D-S证据合成, 分步合成算法, 收敛性

Abstract: This paper presents a general math expression of step by step combination results for evidence combination problem, and studies the theoretical rationality of step by step combination method and the convergence of the combination results. The step by step combination algorithm mixing Dempster evidence combination formula and the weighted average method is proposed for combination of severe conflicting evidence. The corresponding combination formula is selection and used according to the preset threshold of conflict. The simulation results show that the proposed algorithm has simpler calculation process and better convergence effectiveness than representative alternative rules.

Key words: D-S evidence combination, step by step combination algorithm, convergence

陈强，卢愿，李彬，黄丹丹. 冲突证据分步合成的合理性及改进合成算法[J]. 计算机工程与应用, 2015, 51(11): 35-40.

CHEN Qiang, LU Yuan, LI Bin, HUANG Dandan. Rationality of conflict evidence combination step by step and improved combination algorithm[J]. Computer Engineering and Applications, 2015, 51(11): 35-40.

[1]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[2]	马倩茹，冶继民. FastICA算法的收敛性与一致性分析[J]. 计算机工程与应用, 2020, 56(2): 35-41.
[3]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.
[4]	贾涵，连晓峰. 发现概率参数自适应调节的布谷鸟改进算法[J]. 计算机工程与应用, 2018, 54(22): 16-22.
[5]	陈禹1，冯翔1，2，虞慧群1. 改进型帝国竞争模型算法的研究[J]. 计算机工程与应用, 2018, 54(12): 206-213.
[6]	罗卫华，吴国成. 变系数时间分数阶子扩散方程的数值解[J]. 计算机工程与应用, 2017, 53(4): 75-78.
[7]	许峰，吴福芳. 自适应协同进化多目标进化算法[J]. 计算机工程与应用, 2016, 52(6): 26-30.
[8]	梅宏标1，洪叶荣2，邹春红1. 利用兴趣度原理的蚁群算法研究[J]. 计算机工程与应用, 2015, 51(23): 42-47.
[9]	熊劲松，高兴宝. 复奇异鞍点问题预条件修正AHSS法的半收敛性[J]. 计算机工程与应用, 2015, 51(15): 1-5.
[10]	陈强，黄丹丹，李彬，卢愿. 一种新的瓦斯监测证据合成方法[J]. 计算机工程与应用, 2015, 51(14): 236-241.
[11]	吴坤安，严宣辉，陈振兴. 一种基于Pareto排序的混合多目标进化算法[J]. 计算机工程与应用, 2015, 51(1): 62-68.
[12]	张艳艳，檀结庆. 双参数五点插值细分法[J]. 计算机工程与应用, 2014, 50(6): 135-138.
[13]	徐鹏1，2，肖建1，周鹏2，李山2. 基于多新息随机梯度永磁同步电机参数辨识[J]. 计算机工程与应用, 2014, 50(6): 255-260.
[14]	刘亮，徐蔚鸿. 模糊Hopfield网络的收敛性与鲁棒性分析[J]. 计算机工程与应用, 2014, 50(23): 73-76.
[15]	吴永华，彭勇，汪刚. 基于群体爬山策略的混合粒子群优化算法[J]. 计算机工程与应用, 2014, 50(1): 45-48.