基于余弦相似度和证据距离的证据理论融合方法

"一种有效的证据理论融合方法，曹洁，郭雷雷，兰州理工大学计算机与通信学院" 本文探讨的是在处理高冲突证据时改进Dempster-Shafer证据理论（也称为证据理论或 Dempster-Smoter 组合规则）的一种新方法。证据理论是一种在不确定性和模糊性环境下处理信息的数学框架，它允许合并来自多个源的证据，即使这些证据可能冲突。 传统的Dempster's组合规则在面对高度冲突的证据时表现不佳，因为它可能会导致信息的消减甚至完全否定。针对这一问题，作者曹洁和郭雷雷提出了一个基于余弦相似度和证据距离的新融合方法。他们首先引入了两个关键概念： 1. **余弦相似度**：这是一种衡量两个非零向量在角度上的相似性的度量，被用来评估证据之间的方向一致性。在证据理论中，这可以帮助识别证据在决策空间中是否指向相同的方向。 2. **证据距离**：这是用于量化证据之间差异的度量，它可以捕捉证据之间的冲突程度。 在新方法中，首先计算系统中所有证据间的联合相似度，这涉及到应用余弦相似度和距离函数。接着，通过联合相似度计算每个证据的加权系数，这些系数反映了证据在融合过程中的相对重要性。最后，使用加权平均来调整各个证据的权重，然后结合Dempster's组合规则对加权后的证据进行组合。这种方法的独特之处在于，它同时考虑了证据的相似性和冲突性，从而得到更准确、更理想的融合结果。 关键词揭示了研究的核心：证据理论、组合规则、冲突证据、余弦相似度和方向相似度。NAC分类号TP391表明这属于计算机科学和技术领域，文献标识码A表示这是一篇原创性研究论文。 该研究提供了一种改进的证据理论融合策略，对于处理不确定性环境下的冲突信息具有重要意义，特别是在多源信息融合、决策支持系统和复杂系统分析等领域。通过结合余弦相似度和证据距离，这种方法可以更有效地集成和处理那些传统方法难以解决的高冲突证据问题。