基于Pignistic相似度的改进DS证据理论在航道通航状况评估中的应用

本文主要探讨了在信息技术领域的一个关键问题，即如何改进Dempster-Shafer (DS) 证据理论在面对证据冲突时的决策准确性和评估稳定性。DS证据理论是一种处理不确定性和不完备信息的数学框架，但其在处理复杂证据集中的冲突时存在局限性，可能导致决策不精确和评估结果不稳定。 研究者针对这一问题，提出了一个基于Pignistic相似度与改进DS证据理论的综合评估方法。Pignistic概率转换，源自De Finetti的概率逻辑，被用来量化各类证据间的相似性，这是对传统DS证据理论中基础概率分配的一种扩展。通过这种方法，可以计算出每个证据类别对应的支持度，并引入自适应权重，以反映证据的重要性差异。这种权重调整有助于更好地处理不同证据的可信度问题。 作者还引入了不确定命题的概念，以此为基础设计了一套改进的证据合成规则，旨在解决原有规则在处理不确定性和冲突时的不足。这些新规则能够更有效地整合矛盾的信息，提高决策的可靠性。 在实际应用方面，研究者选取了某航道的实际通航状况作为案例，进行了深入的算例分析。结果显示，该综合评估方法成功地解决了证据冲突，提高了决策的准确性，同时展现出良好的评估稳定性。在面对航道通航条件的复杂性和不确定性时，所提出的评估方法表现出显著的优势。 总结来说，这篇文章的核心贡献在于提出了一种创新的评估策略，它结合了Pignistic相似度的直观性和DS证据理论的严谨性，有效地解决了证据冲突问题，对于提高IT领域的决策支持系统在不确定环境下的性能具有重要意义。这不仅提升了DS证据理论的应用范围，也为多源信息融合和决策支持系统的优化提供了新的思考方向。