消除Dempster-Shafer证据理论悖论的新方法

"证据理论悖论消除的一种新方法* (2006年)" 这篇论文主要探讨的是Dempster-Shafer证据理论中的一个关键问题——悖论的消除。证据理论，也称为证据理论或证据推理，是处理不确定信息的一种数学框架，由Dempster和Shafer分别在1967年和1976年提出。它扩展了贝叶斯定理，允许处理不完全或冲突的信息。Dempster-Shafer合成法则（D-S合成规则）是该理论的核心，用于融合来自不同信息源的证据，但有时会遇到悖论，即当两个或多个证据源的证据相互矛盾时，合成结果可能不一致或不合理。 论文中提出的消除悖论的新方法具有普遍适用性，其基本思想是对专家提供的原始概率进行修正，确保专家在相同的焦点集上达成一致。焦点集，是证据理论中的一个重要概念，它代表了专家关注的特定事件或状态集合。通过将专家的决策集中在相同的焦点集，可以减少或消除由于信息冲突导致的悖论。 作者通过具体实例展示了这种方法的有效性和可靠性，证明了修正后的概率分配能够避免悖论的出现。此外，他们还提供了基于计算机的仿真算法，以实现自动消除Dempster-Shafer合成法则悖论的过程。这种算法对于实际应用中的不确定性信息处理具有重要意义，特别是在需要整合多源不确定信息的领域，如人工智能、决策支持系统、数据融合和模式识别等。 关键词涉及“证据理论”、“Dempster-Shafer合成法则”和“悖论”，表明该研究的重点在于解决这些领域的核心问题。该论文属于工程技术类，可能是由国家自然科学基金资助项目和安徽省重点科研项目支持的研究成果。 这篇论文提出了一个新的方法来解决Dempster-Shafer证据理论中的悖论问题，通过修正专家意见和设计仿真算法，提高了在不确定信息处理中的决策质量和一致性。这一贡献对于理论发展和实际应用都具有深远的影响。