基于馬爾科夫建模的證據(jù)組合方法的研究.pdf

1、證據(jù)理論作為一種不確定性推理方法，具有推理機(jī)制簡(jiǎn)便、靈活等特點(diǎn)，因而在人工智能、檢測(cè)診斷和信息融合等眾多領(lǐng)域有著廣泛的應(yīng)用。但是在利用證據(jù)合成公式進(jìn)行證據(jù)融合時(shí)，如果證據(jù)間存在著較大的沖突或不一致，則融合結(jié)果容易出現(xiàn)反直覺(jué)甚至是錯(cuò)誤的現(xiàn)象，這也成為證據(jù)理論在實(shí)際應(yīng)用中遇到的主要問(wèn)題。基于此，考慮到序貫證據(jù)的序列性具有高效處理沖突的能力，本文提出了一種新的序貫證據(jù)融合方法。
　　本文首先采用Pignistic距離作為證據(jù)間相似性衡量

2、方法，對(duì)歷史證據(jù)進(jìn)行修正，然后從經(jīng)典馬爾科夫鏈中的確定性狀態(tài)描述擴(kuò)展到不確定性狀態(tài)描述，以寬度為，的滑動(dòng)窗口對(duì)序貫歷史證據(jù)進(jìn)行采樣，建立馬爾科夫鏈的不確定狀態(tài)證據(jù)模型，并根據(jù)轉(zhuǎn)移概率矩陣，計(jì)算證據(jù)代表，最后利用Murphy組合規(guī)則對(duì)證據(jù)代表組合l-1次，獲得融合結(jié)果。當(dāng)然本文方法也同樣適用于批量同步融合。通過(guò)大量的仿真對(duì)比實(shí)驗(yàn)表明，該方法優(yōu)勢(shì)明顯，有效地解決了沖突證據(jù)合成出現(xiàn)的問(wèn)題，并能有效兼顧合成結(jié)果的魯棒性和靈敏性。
　　上述

3、方法是對(duì)純數(shù)字證據(jù)的定量融合，與之相對(duì)應(yīng)，以自然語(yǔ)言形式的決策是一種定性的融合。針對(duì)決策中二元語(yǔ)義加權(quán)平均算子有時(shí)不能作出最優(yōu)的決策結(jié)果，本文按照上述對(duì)證據(jù)馬爾科夫建模的思路對(duì)二元語(yǔ)義進(jìn)行馬爾科夫建模，提出基于馬爾科夫建模的二元語(yǔ)義決策方法。
　　在實(shí)際應(yīng)用上，由于本文提出的基于馬爾科夫鏈的序貫證據(jù)融合方法具有很好的準(zhǔn)確率和魯棒性，正好將其運(yùn)用到飛機(jī)目標(biāo)識(shí)別中，文中提取圖像的五種不同特征，并利用改進(jìn)的組合規(guī)則進(jìn)行多特征融合，從而提