改进的D-S证据冲突度量法：非对称性与证据支持差异表达

本文主要探讨了一种非对称的证据冲突度量方法在D-S（Dempster-Shafer）证据理论中的应用。D-S证据理论是决策级别信息融合的关键工具，其冲突度量是理论的核心要素。然而，现有的冲突度量方法存在对称性问题，即在评估基本概率赋值（Belief Function）与其他证据之间的冲突时，未能充分反映它们之间差异的重要性。这在处理复杂的信息融合场景时可能造成信息处理的偏颇。 作者针对这一不足，提出了一个创新的方法，旨在引入非对称性来增强冲突度量的精确性。他们借鉴了Jousselme距离模型，通过整合包含关系矩阵和非包含度因子，构建了一个新的冲突度量框架。这个矩阵反映了证据之间的支持关系，而非包含度因子则考虑了证据间的相对重要性，从而能够更准确地衡量证据间的相互作用和差异。 这种非对称证据冲突度量方法的优点在于，它不仅考虑了证据间的对立关系，还强调了证据之间相互支持的程度，使得在融合过程中能更客观地识别和处理不同证据的权重。实验结果显示，这种方法在实际冲突度量中表现出更高的精度和有效性，对于提高决策的可靠性具有显著贡献。 关键词包括：信息融合、D-S证据理论、证据冲突、冲突度量以及非对称关系，这些概念共同构成了研究的基础和核心内容。本文的研究对于改进D-S证据理论在处理不确定性和矛盾信息方面的性能具有重要的理论价值和实践意义。这种非对称冲突度量方法为解决信息融合中的冲突问题提供了一种新颖且实用的解决方案。