基于置信距离的冲突证据融合新方法

"一种新的基于置信距离的冲突证据融合方法" 本文主要研究的是在证据理论框架下，如何更有效地处理高冲突证据的融合问题。传统的Dempster-Shafer (DS)证据理论在处理冲突证据时存在局限性，特别是在面对高度冲突的信息时，其融合效果可能不佳。为了解决这一问题，作者何立志、张翠芳和蒋鹏提出了一种创新的冲突证据加权融合方法。 首先，该方法引入了证据熵的概念，用以评价证据的质量。证据熵是一种衡量证据不确定性的指标，通过对证据熵的计算，可以量化证据的混乱程度或不确定性，从而对证据进行质量评估和预处理。这个步骤有助于识别和处理那些质量较差、含混不清的证据。 接着，文章利用证据间的距离来计算证据之间的相似度和权重。证据距离是评估两个证据集之间差异的一种度量，通过比较证据的相似度，可以确定哪些证据更加接近，更值得信任。这些距离信息被用来为每个证据分配权重，确保在融合过程中，高质量且不冲突的证据得到更多的重视。 在确定了证据的权重后，文章提出的方法对修正后的证据进行加权融合。这种融合策略考虑了证据本身的特点以及它们之间的相互关系，可以更合理地处理冲突，避免简单地将冲突证据相加导致的信息损失或错误决策。 通过数值算例，该方法展示了其在处理高冲突证据融合问题上的优势。与已有的改进算法相比，它具有更快的收敛速度和更小的计算复杂度，这在实际应用中尤其重要，因为它可以减少计算时间和资源的消耗。 这项研究为证据理论提供了一个新的冲突证据融合策略，对于解决多源信息融合中的冲突问题，特别是当信息来源可靠性不一或者存在大量冲突信息时，提供了有效的工具。此方法的应用领域可能包括智能控制、信息融合、计算机视觉和数据融合等，对于提升决策系统的性能和准确性具有重要意义。