在现代自动化数据处理和决策支持系统中,冲突证据的处理是一项关键挑战,尤其是在集成多个传感器和信息源时。现有的证据理论在处理不确定性、不完备性和冲突性证据时往往存在不足。本文由赵静、关欣、衣晓和刘海桥等人提出了一种新的不确定性度量方法,旨在解决证据理论在融合冲突证据方面的局限性。
首先,作者对现有的不确定性度量方法进行了深入分析,特别关注了基于信息熵和区间距离的度量。他们指出,这些方法在处理模糊、不确定信息时可能存在计算复杂度高或对极端情况处理不敏感等问题,并提供了相关证明来阐述这些缺陷。他们注意到,信息熵虽然能够量化信息的混乱程度,但在衡量冲突证据的精确度时可能存在局限性;而区间距离度量虽然直观,但在某些情况下可能无法准确反映证据间的差异。
针对这些不足,作者引入了定积分的概念,提出了一种新的区间距离度量公式。他们证明了这个新公式在理论上的合理性,即它能够更精确地衡量证据间的冲突程度,同时考虑了证据的连续性和强度。这种创新性的度量方式提高了对冲突证据的处理精度。
基于新的区间距离度量,作者进一步发展了一种不确定性度量方法,它不仅考虑了证据的冲突性,还兼顾了证据的可信度和完备性。这种方法提供了一套改进的冲突证据组合规则,以及一个清晰的算法流程,使得在面对冲突证据时,决策过程更为有序和有效。
为了验证新方法的有效性和可行性,作者通过实际算例进行了深入的分析。这些例子展示了改进后的不确定性度量方法在实际问题中的应用,如决策支持、故障诊断等场景,结果显示其在减少决策误差和提高决策效率方面优于传统方法。
此外,文章还提到了与之相关的其他研究工作,例如决策距离修正下的弱决策证据合成、基于证据马尔可夫随机场模型的图像分割,以及基于边界域和知识粒度的粗糙集不确定性度量等,这些都表明了不确定性度量方法在决策科学领域的广泛兴趣和重要性。
这篇论文提出了一个新颖且实用的不确定性度量方法,对于提高自动化系统处理冲突证据的能力具有重要意义,有助于推动证据理论和决策支持系统的进一步发展。对于那些致力于解决复杂环境下的信息融合问题的研究者和工程师来说,这是一篇值得深入研究的重要文献。