改进的证据组合方法：距离与不确定度量的权重分配

本文主要探讨了"基于证据间距离和不确定性度量的证据组合方法"，针对Dempster-Shafer（DS）证据理论中的一个关键问题——如何有效地处理冲突证据。Dempster的组合公式在面对不一致证据时存在局限性，即它不能直接融合矛盾的信息。为解决这一问题，研究人员提出了一种创新的证据组合策略。 该方法的核心在于引入了证据间距离和证据的不确定性度量。证据间距离用来衡量不同证据之间的不一致性，这是通过分析证据之间的逻辑关系和特性的差异来实现的，有助于评估证据之间冲突的程度。另一方面，证据的不确定性度量则是评估每个证据自身的不明确性和不确定性，这反映了证据的可信度和精确度。 作者在此基础上扩展了先前文献[7]中关于权重分配的准则，认为证据组合不仅要追求组合后的证据与原始证据之间的距离最小化，以减少冲突，还要关注降低组合后证据的不确定性，确保融合后的结论更为可靠。这种综合考虑使得权重分配更加合理和灵活，避免了简单地采用Dempster组合规则可能导致的过度融合或忽视证据质量的情况。 文中详细阐述了如何根据新的准则设计权重因子的确定算法，以及如何将这些算法应用于实际的证据组合过程。通过比较与文献[7]的权重分配方法，论文指出新方法在处理冲突证据时表现更优，且能更好地适应不同类型的证据组合。 总结来说，这项研究为证据融合领域的信息处理提供了一个改进的框架，特别是在处理复杂和不一致信息时，强调了证据间关系和证据特性的重要性，并通过引入证据间距离和不确定性度量，优化了证据组合的决策过程。这对于提高信息融合系统的准确性和鲁棒性具有重要意义。