改进的DS证据融合算法：解决雷达跟踪中高冲突多指标评价

本文主要探讨了在雷达跟踪应用中，如何有效地利用DS证据理论进行多指标融合。DS证据理论是一种强大的工具，用于评估和融合算法方案的多个属性或特征，但在实际操作中，经常会遇到部分指标缺失的问题。这导致证据间的冲突加剧，传统的DS证据合成方法在这种情况下可能失效，无法提供准确的综合评价。 针对这一挑战，作者程华等人深入研究了多指标融合过程中由于缺失的三种不同类型信息（可能是数据、参数或者评估标准）所引发的高冲突证据。他们提出了一种创新的方法，即把算法方案的综合评价视为一种群体证据，将单个证据与这个群体证据之间的模糊距离作为证据融合的权重。这种模糊距离的引入考虑了证据间的相似性，有助于权衡不同证据的重要性，从而在高冲突情况下进行更为精细的融合。 通过这种方法改进的DS证据合成技术，能够更好地处理和平衡各种信息，减少冲突，并且更适应实际应用中的复杂性。作者强调，这种基于群体证据模糊距离的DS证据合成方法在雷达跟踪中的算法方案综合评价中表现优秀，能够提供更准确和可靠的结果。 关键词：“DS证据理论”、“多属性融合”、“群体证据”和“模糊距离”揭示了文章的核心关注点，这些概念共同构成了本文的研究框架和技术手段。中图分类号 TP393 表明了文章属于计算机科学与信息技术的范畴，文献标志码 A 指出该文章具有学术价值和可引用性。 本文是一项旨在解决雷达跟踪中算法评价难题的创新研究，它提供了在面临数据不完整性挑战时，如何利用DS证据理论实现高效信息融合的方法，对提高雷达跟踪算法的性能和准确性具有重要的实践意义。