基于证据向量差异度的冲突证据融合新方法

"基于证据向量差异度改进的冲突证据融合方法" 这篇论文探讨的是在证据理论（Dempster-Shafer证据理论，简称DST）中的一个关键问题，即如何有效处理和融合高冲突的证据。DST是一种用于处理不确定性和不完整性信息的理论，但在处理冲突证据时，传统的DST可能会导致不合理的融合结果。论文的作者熊秋燕和杨鹤标提出了一种新的策略来解决这个问题。 他们引入了一个名为“证据向量差异度”的概念，这是一个用来量化证据之间差异性的指标。通过这个指标，他们能够更精确地评估证据之间的冲突程度。在修正了冲突系数之后，他们进一步计算了证据集的互信度矩阵和证据权重。这些权重反映了证据的重要性和可信度，有助于在融合过程中给予不同证据适当的考虑。 融合规则是基于这些修正后的冲突系数和权重来设计的。论文中提到的方法不仅能够合理地融合冲突证据，而且在数值算例中表现出优于其他改进方法的性能，具体表现为更快的收敛速度和更高的鲁棒性。这意味着该方法在面对不确定性数据变化时，能够更加稳定和准确地进行证据融合。 这篇论文提出的证据融合方法是对DST的一种创新性扩展，特别关注了高冲突证据的处理，旨在提高决策和推理过程的精度和可靠性。这种方法对于处理复杂系统中的不确定信息，如在人工智能、数据挖掘、软件工程等领域，都有潜在的应用价值。通过改进证据冲突的处理方式，可以为决策支持系统提供更为准确和可靠的输入，从而提高系统的整体性能。