基于余弦相似度和证据距离的证据理论融合新方法

"曹洁和郭雷雷在2013年发表的文章‘一种有效的证据理论融合方法’探讨了Dempster组合规则在处理高度冲突证据时的局限性，并提出了一种新的融合策略。该方法结合了余弦相似度和证据距离，通过计算证据间的联合相似度来确定加权系数，进而对证据进行加权平均处理，最后应用Dempster组合规则进行组合。相较于传统方法，此方法同时考虑了证据的相似性和方向性，从而提高了融合结果的准确性。该研究属于自然科学领域，具体分类为TP391，具有较高的学术价值。" 在证据理论中，Dempster-Shafer框架被广泛用于处理不确定性信息，尤其是证据的融合。然而，当面临高度冲突的证据时，Dempster组合规则可能会导致信息的损失或不合理的融合结果。为解决这一问题，曹洁和郭雷雷的论文提出了一种创新的融合方法。他们引入了余弦相似度函数，这是一种衡量向量间角度的指标，能够评估证据在方向上的相似性。同时，他们还利用了距离函数来量化证据之间的差异，即证据在距离上的相似性。 在他们的方法中，首先计算所有证据对之间的余弦相似度和距离，然后通过这些值来构建联合相似度矩阵。联合相似度反映了证据间的整体相似程度，这有助于识别哪些证据是相互支持的，哪些是冲突的。接着，根据这些相似度值，为每个证据分配一个加权系数，这个系数反映了证据在融合过程中的重要性和影响力。 加权系数确定后，论文中的方法对证据进行加权平均，使得每个证据的影响权重与其相似度成正比。这一步骤可以减少冲突证据对最终融合结果的负面影响。最后，使用Dempster组合规则对加权后的证据进行融合，以得到最终的决策或结论。由于在融合过程中同时考虑了证据的相似性和方向性，这种方法能更准确地处理高冲突证据，从而提供更为理想的融合结果。 该研究对于证据理论的发展和实际应用具有重要意义，特别是在处理复杂、多源且可能存在冲突的信息时。通过改进证据融合策略，可以提高决策系统的稳定性和可靠性，对于信息处理、数据挖掘、智能决策等领域有实际的应用价值。