一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)及方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)及方法，該系統(tǒng)包括數(shù)學(xué)建模模塊，用于根據(jù)產(chǎn)生問(wèn)題的可能結(jié)果的集合建立辨識(shí)框架，得到多源證據(jù)的概率分配；共同信息量分析模塊，用于實(shí)現(xiàn)對(duì)證據(jù)間的共同信息含量進(jìn)行數(shù)學(xué)度量；證據(jù)沖突測(cè)量模塊，用于根據(jù)計(jì)算得到所述證據(jù)間的相關(guān)性，得到證據(jù)間的沖突程度。本發(fā)明所述技術(shù)方案，能夠準(zhǔn)確對(duì)證據(jù)沖突進(jìn)行衡量和判斷，得到證據(jù)間的沖突程度，進(jìn)而選擇證據(jù)合成規(guī)則以完成不確定信息的融合。
【專(zhuān)利說(shuō)明】
-種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種證據(jù)沖突測(cè)量方法。更具體地，設(shè)及一種基于相關(guān)度函數(shù)的證據(jù) 沖突測(cè)量系統(tǒng)及方法。
【背景技術(shù)】
[0002] D-S (Dempster-Shafer)證據(jù)理論是一種不精確推理理論，具有處理不確定信息的 能力。D-S證據(jù)理論作為一種有效融合信息不確定性的方法已廣泛應(yīng)用于信息融合中。但 在D-S證據(jù)理論實(shí)際應(yīng)用中，常常面臨各種不確定證據(jù)間的沖突問(wèn)題，證據(jù)沖突程度的高 低直接影響到證據(jù)合成規(guī)則的使用，傳統(tǒng)的D-S證據(jù)理論無(wú)法處理高沖突的證據(jù)合成，在 證據(jù)沖突嚴(yán)重的情況下就需要使用改進(jìn)的證據(jù)合成方法去進(jìn)行證據(jù)合成，運(yùn)樣如何判斷和 衡量證據(jù)間沖突的大小就成為證據(jù)合成的關(guān)鍵影響因素。
[0003] 目前D-S證據(jù)理論研究中還沒(méi)有統(tǒng)一的方法來(lái)衡量證據(jù)沖突，當(dāng)前學(xué)者們一般計(jì) 算沖突系數(shù)，用W衡量證據(jù)的沖突，但實(shí)際中沖突系數(shù)k對(duì)沖突的判斷存在誤差。
[0004] 因此，需要提供一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)及方法，W此精確得到 證據(jù)間的沖突程度，進(jìn)而選擇合適的證據(jù)合成規(guī)則W完成不確定信息的融合。

【發(fā)明內(nèi)容】
陽(yáng)〇化]本發(fā)明的目的在于提供一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)及方法，解決基 于D-S證據(jù)理論的信息融合應(yīng)用中證據(jù)沖突度量問(wèn)題。
[0006] 為達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案：
[0007] 一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)，所述該系統(tǒng)包括
[0008] 數(shù)學(xué)建模模塊，根據(jù)產(chǎn)生問(wèn)題的可能結(jié)果的集合建立辨識(shí)框架，得到多源證據(jù)的 概率分配；
[0009] 共同信息量分析模塊，實(shí)現(xiàn)對(duì)證據(jù)間的共同信息含量的數(shù)學(xué)度量；
[0010] 證據(jù)沖突測(cè)量模塊，根據(jù)計(jì)算得到所述證據(jù)間的相關(guān)性，得到證據(jù)間的沖突程度。
[0011] 優(yōu)選的，所述數(shù)學(xué)建模模塊中，實(shí)現(xiàn)多源證據(jù)的基本概率分配的多源證據(jù)BPA的 計(jì)算公式為：
[0012] m.j(Si) = Pi(l-m.j(0))
[0013] 式中，Si為證據(jù)支持的一個(gè)可能結(jié)果，m ,(0)為提出問(wèn)題可能發(fā)生結(jié)果本身的不 確定性，計(jì)算公式為：
[0014]
[0015] 式中，Θ為辨識(shí)框架，T為調(diào)節(jié)因子e [0，1]，ΡιΕ [0，1]為支持的可能結(jié)果的發(fā) 生概率。
[0016] 優(yōu)選的，所述共同信息量分析模塊中，證據(jù)間互信息量的計(jì)算公式為
[0017]
[0018] 式中，p(m)為在某一個(gè)一維區(qū)間內(nèi)的樣本個(gè)數(shù)除W所有有意義的樣本個(gè)數(shù)，mi、m2 是所述辨識(shí)框架Θ上的兩個(gè)BPA。
[0019] 優(yōu)選的，所述證據(jù)沖突測(cè)量模塊中，證據(jù)間的相關(guān)性的計(jì)算公式為
[0020]
[0021] 式中，4,,為證據(jù)相關(guān)系數(shù)，I如，1?)表示兩個(gè)證據(jù)的互信息量。
[0022] 優(yōu)選的，所述證據(jù)沖突測(cè)量模塊中，證據(jù)間的沖突判斷闊值為0. 3。
[0023] 一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量方法，所述該方法包括
[0024] 根據(jù)產(chǎn)生問(wèn)題的可能結(jié)果的集合建立辨識(shí)框架，得到多源證據(jù)的概率分配；
[00巧]實(shí)現(xiàn)對(duì)證據(jù)間的共同信息含量進(jìn)行數(shù)學(xué)度量；
[0026] 根據(jù)計(jì)算得到所述證據(jù)間的相關(guān)性，得到證據(jù)間的沖突程度。
[0027] 優(yōu)選的，所述實(shí)現(xiàn)多源證據(jù)的基本概率分配的多源證據(jù)BPA的計(jì)算公式為：
[0028] m.j(Si) = Pi(l-m.j(0))
[0029] 式中，Si為證據(jù)支持的一個(gè)可能結(jié)果，m ,(0)為提出問(wèn)題可能發(fā)生結(jié)果本身的不 確定性，計(jì)算公式為：
[0030]
[0031] 式中，Θ為辨識(shí)框架，T為調(diào)節(jié)因子e [0，1]，ΡιΕ [0，1]為支持的可能結(jié)果的發(fā) 生概率。
[0032] 優(yōu)選的，所述證據(jù)間互信息量的計(jì)算公式為
[0033]
[0034] 式中，p(m)為在某一個(gè)一維區(qū)間內(nèi)的樣本個(gè)數(shù)除W所有有意義的樣本個(gè)數(shù)，mi、m2 是所述辨識(shí)框架Θ上的兩個(gè)BPA。
[00對(duì)優(yōu)選的，所述
[0036] 證據(jù)間的相關(guān)性的計(jì)算公式為
[0037]
[00測(cè)式中，為證據(jù)相關(guān)系數(shù)，I如，m2)表示兩個(gè)證據(jù)的互信息量。
[0039] 優(yōu)選的，所述證據(jù)間的沖突判斷闊值為0. 3。
[0040] 本發(fā)明的有益效果如下：
[0041] 本發(fā)明所述技術(shù)方案與現(xiàn)有技術(shù)相比，有W下優(yōu)點(diǎn)：
[0042] 1、實(shí)現(xiàn)了對(duì)證據(jù)間沖突程度的定量測(cè)量和判斷，有效解決了傳統(tǒng)證據(jù)沖突判斷標(biāo) 準(zhǔn)不夠準(zhǔn)確的問(wèn)題；
[0043] 2、本發(fā)明可適用于具有不確定性、復(fù)雜性的多源證據(jù)沖突測(cè)量；
[0044] 3、本發(fā)明也可適用于國(guó)防科技領(lǐng)域各軍工行業(yè)，并能夠方便地轉(zhuǎn)化為民用技術(shù)， 預(yù)計(jì)此項(xiàng)技術(shù)成果有良好的產(chǎn)業(yè)化前景。
【附圖說(shuō)明】
[0045] 下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】作進(jìn)一步詳細(xì)的說(shuō)明。
[0046] 圖1示出本發(fā)明實(shí)施例中一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)示意圖；
[0047] 圖2示出本發(fā)明實(shí)施例中一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量方法流程圖。
【具體實(shí)施方式】
[0048] 為了更清楚地說(shuō)明本發(fā)明，下面結(jié)合優(yōu)選實(shí)施例和附圖對(duì)本發(fā)明做進(jìn)一步的說(shuō) 明。附圖中相似的部件W相同的附圖標(biāo)記進(jìn)行表示。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，下面所具 體描述的內(nèi)容是說(shuō)明性的而非限制性的，不應(yīng)W此限制本發(fā)明的保護(hù)范圍。
[0049] 如圖1所示，本發(fā)明公開(kāi)了一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)，該系統(tǒng)包 括：數(shù)學(xué)建模模塊1，證據(jù)共同信息量分析模塊2和證據(jù)沖突測(cè)量模塊3。
[0050] 數(shù)學(xué)建模模塊1，依據(jù)D-S證據(jù)理論將多源證據(jù)對(duì)應(yīng)為一個(gè)BPA (基本概率分配函 數(shù)）；證據(jù)共同信息量分析模塊2,利用互信息理論，計(jì)算證據(jù)間的共同信息量證據(jù)沖突測(cè) 量模塊3,基于證據(jù)間的相關(guān)性信息來(lái)判斷證據(jù)的沖突程度。
[0051] 數(shù)學(xué)建模模塊1，用于實(shí)現(xiàn)對(duì)證據(jù)的數(shù)學(xué)抽象：
[0052] 數(shù)學(xué)建模模塊1，在D-S證據(jù)理論約束下，構(gòu)建BPA計(jì)算公式，對(duì)多源證據(jù)進(jìn)行抽 象。首先將問(wèn)題的可能結(jié)果的集合定義為辨識(shí)框架，建立辨識(shí)框架：Θ =怯i，S2……Sj，Si 為證據(jù)支持的一個(gè)可能結(jié)果?？紤]到支持某一結(jié)果的證據(jù)具有不確定性，故而根據(jù)證據(jù)的 來(lái)源/領(lǐng)域給出其支持的可能結(jié)果Si的發(fā)生概率P 1，Pi e [0, 1]，i = 1，2…n，且
Pi信息可通過(guò)各類(lèi)分析處理結(jié)果在概率論中的映射得來(lái)。
[0053] BPA表征A發(fā)生的置信測(cè)度，即命題A發(fā)生的程度，借鑒信息論中賭的概念，提出問(wèn) 題可能發(fā)生結(jié)果本身（證據(jù)本身）不確定性的計(jì)算公式為：
[0054]
(1 ) 陽(yáng)化引式（1)中，T為調(diào)節(jié)因子e [0,1];
[0056] 從而，得到各可能結(jié)果的BPA的計(jì)算公式為： 陽(yáng)057] m.j(Si) = Pi(l-m.j(0))似
[005引即式似實(shí)現(xiàn)了對(duì)多源證據(jù)的數(shù)學(xué)抽象。
[0059] 證據(jù)共同信息量分析模塊2,用于對(duì)證據(jù)間的共同信息含量進(jìn)行度量：
[0060] 計(jì)算證據(jù)間的互信息量是進(jìn)行證據(jù)沖突測(cè)量的必要支撐。信息賭理論能很好地進(jìn) 行事物不確定性的度量，利用信息賭中互信息概念能準(zhǔn)確計(jì)算出證據(jù)間共同信息的多少， 互信息用來(lái)衡量?jī)蓚€(gè)證據(jù)間相互依賴強(qiáng)弱程度，互信息越大，說(shuō)明運(yùn)兩個(gè)證據(jù)包含的共同 信息越多，依賴程度越高。
[0061] 計(jì)算證據(jù)間互信息量的公式為：設(shè)Θ為一個(gè)完備的辨識(shí)框架，mi和m2是在辨識(shí)框 架Θ上的兩個(gè)BPA，則叫和m2的互信息量的計(jì)算公式為： W創(chuàng)
。）
[0063] 式（3)中，p(m)即為在某一個(gè)一維區(qū)間內(nèi)的樣本個(gè)數(shù)除W所有有意義的樣本個(gè) 數(shù)。
[0064] 證據(jù)沖突測(cè)量模塊3,用于對(duì)證據(jù)間的沖突程度進(jìn)行衡量： 陽(yáng)〇化]為了更好地描述證據(jù)之間的沖突程度，我們可W利用兩個(gè)證據(jù)間的關(guān)聯(lián)性來(lái)進(jìn)行 判斷：如果兩個(gè)證據(jù)之間沒(méi)有沖突或者沖突很小，那么它們的關(guān)聯(lián)性就很高，即對(duì)于統(tǒng)一命 題的支持度接近；如果兩個(gè)證據(jù)高度沖突，說(shuō)明兩者之間相似度很低，它們關(guān)聯(lián)性就不強(qiáng)。
[0066] 運(yùn)用證據(jù)相關(guān)度函數(shù)來(lái)計(jì)算證據(jù)間的相關(guān)性，其計(jì)算公式為：
[0067]
(4) W側(cè)式（4)中，4,,?,為證據(jù)相關(guān)系數(shù)，I如，1?)表示兩個(gè)證據(jù)的互信息。
[0069] 計(jì)算得到證據(jù)相關(guān)系數(shù)即能表征證據(jù)的沖突量，實(shí)現(xiàn)對(duì)據(jù)間的沖突程度的定量測(cè) 量。
[0070] 定義沖突判斷闊值為0. 3,沖突量大于闊值時(shí)，證據(jù)間相關(guān)度高，沖突越小，此時(shí)可 利用傳統(tǒng)D-S證據(jù)合成法則進(jìn)行證據(jù)合成；反之則沖突越大，此時(shí)傳統(tǒng)方法不在適用，需要 利用新的證據(jù)合成法則進(jìn)行證據(jù)合成。
[0071] 如圖2所示，本發(fā)明還公開(kāi)了一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量方法，該方法 包括
[0072] S1、根據(jù)產(chǎn)生問(wèn)題的可能結(jié)果的集合建立辨識(shí)框架，得到多源證據(jù)的概率分配；
[0073] S2、實(shí)現(xiàn)對(duì)證據(jù)間的共同信息含量進(jìn)行數(shù)學(xué)度量；
[0074] S3、根據(jù)計(jì)算得到所述證據(jù)間的相關(guān)性，得到證據(jù)間的沖突程度。
[00巧]所述實(shí)現(xiàn)多源證據(jù)的基本概率分配的多源證據(jù)BPA的計(jì)算公式為：
[0076] m.j(Si) = Pi(l-m.j(0)) (5)
[0077] 式妨中，Si為證據(jù)支持的一個(gè)可能結(jié)果，πι ,(Θ)為提出問(wèn)題可能發(fā)生結(jié)果本身 的不確定性，計(jì)算公式為：
[007引
(6)
[0079] 式（6)中，Θ為辨識(shí)框架，Τ為調(diào)節(jié)因子e [0, 1]，PiG [0, U為支持的可能結(jié)果 的發(fā)生概率。
[0080] 所述證據(jù)間互信息量的計(jì)算公式為
[0081]
(?)
[0082] 式（7)中，p(m)為在某一個(gè)一維區(qū)間內(nèi)的樣本個(gè)數(shù)除W所有有意義的樣本個(gè)數(shù)， mi、m2是所述辨識(shí)框架Θ上的兩個(gè)BPA。
[0083] 所述證據(jù)間的相關(guān)性的計(jì)算公式為
[0084]
(8)： 陽(yáng)0財(cái)式做中，?巧為證據(jù)相關(guān)系數(shù)，I如，1?)表示兩個(gè)證據(jù)的互信息量。
[0086] 所述證據(jù)間的沖突判斷闊值定義為0. 3,沖突量大于闊值時(shí)，證據(jù)間相關(guān)度高，沖 突越小，此時(shí)可利用傳統(tǒng)D-S證據(jù)合成法則進(jìn)行證據(jù)合成；反之則沖突越大，此時(shí)傳統(tǒng)方法 不在適用，需要利用新的證據(jù)合成法則進(jìn)行證據(jù)合成。
[0087] 綜上所述，本發(fā)明所述技術(shù)方案提供了一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng) 及方法，實(shí)現(xiàn)了對(duì)證據(jù)間沖突程度的定量測(cè)量和判斷，有效解決了傳統(tǒng)證據(jù)沖突判斷標(biāo)準(zhǔn) 不夠準(zhǔn)確的問(wèn)題。適用于具有不確定性、復(fù)雜性的多源證據(jù)沖突測(cè)量。適用于國(guó)防科技領(lǐng) 域各軍工行業(yè)，并能夠方便地轉(zhuǎn)化為民用技術(shù)，預(yù)計(jì)此項(xiàng)技術(shù)成果有良好的產(chǎn)業(yè)化前景。
[0088] 顯然，本發(fā)明的上述實(shí)施例僅僅是為清楚地說(shuō)明本發(fā)明所作的舉例，而并非是對(duì) 本發(fā)明的實(shí)施方式的限定，對(duì)于所屬領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在上述說(shuō)明的基礎(chǔ)上還可 W做出其它不同形式的變化或變動(dòng)，運(yùn)里無(wú)法對(duì)所有的實(shí)施方式予W窮舉，凡是屬于本發(fā) 明的技術(shù)方案所引伸出的顯而易見(jiàn)的變化或變動(dòng)仍處于本發(fā)明的保護(hù)范圍之列。
【主權(quán)項(xiàng)】
1. 一種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量系統(tǒng)，其特征在于，所述該系統(tǒng)包括 數(shù)學(xué)建模模塊，根據(jù)產(chǎn)生問(wèn)題的可能結(jié)果的集合建立辨識(shí)框架，得到多源證據(jù)的概率 分配； 共同信息量分析模塊，實(shí)現(xiàn)對(duì)證據(jù)間的共同信息含量的數(shù)學(xué)度量； 證據(jù)沖突測(cè)量模塊，根據(jù)計(jì)算得到所述證據(jù)間的相關(guān)性，得到證據(jù)間的沖突程度。2. 根據(jù)權(quán)利要求1所述的證據(jù)沖突測(cè)量系統(tǒng)，其特征在于，所述數(shù)學(xué)建模模塊中，實(shí)現(xiàn) 多源證據(jù)的基本概率分配的多源證據(jù)BPA的計(jì)算公式為： IHj(Si) = Pi(l-nij(0)) 式中，Si為證據(jù)支持的一個(gè)可能結(jié)果，m,(0)為提出問(wèn)題可能發(fā)生結(jié)果本身的不確定 性，計(jì)算公式為：式中，0為辨識(shí)框架，T為調(diào)節(jié)因子G [0，1]，PiG [0，1]為支持的可能結(jié)果的發(fā)生概 率。3. 根據(jù)權(quán)利要求1所述的證據(jù)沖突測(cè)量系統(tǒng)，其特征在于，所述共同信息量分析模塊 中，巧據(jù)巧百倍烏音的if貸公立責(zé)式中，p(m)為在某一個(gè)一維區(qū)間內(nèi)的樣本個(gè)數(shù)除W所有有意義的樣本個(gè)數(shù)，mi、m2是所 述辨識(shí)框架0上的兩個(gè)BPA。4. 根據(jù)權(quán)利要求1所述的證據(jù)沖突測(cè)量系統(tǒng)，其特征在于，所述證據(jù)沖突測(cè)量模塊中， 證據(jù)間的相關(guān)性的計(jì)算公式為式中，4,,?^為證據(jù)相關(guān)系數(shù)，I如，1?)表示兩個(gè)證據(jù)的互信息量。5. 根據(jù)權(quán)利要求1所述的證據(jù)沖突測(cè)量系統(tǒng)，其特征在于，所述證據(jù)沖突測(cè)量模塊中， 證據(jù)間的沖突判斷闊值為0.3。6. -種基于相關(guān)度函數(shù)的證據(jù)沖突測(cè)量方法，其特征在于，所述該方法包括 根據(jù)產(chǎn)生問(wèn)題的可能結(jié)果的集合建立辨識(shí)框架，得到多源證據(jù)的概率分配； 實(shí)現(xiàn)對(duì)證據(jù)間的共同信息含量進(jìn)行數(shù)學(xué)度量； 根據(jù)計(jì)算得到所述證據(jù)間的相關(guān)性，得到證據(jù)間的沖突程度。7. 根據(jù)權(quán)利要求6所述的證據(jù)沖突測(cè)量方法，其特征在于，所述實(shí)現(xiàn)多源證據(jù)的基本 概率分配的多源證據(jù)BPA的計(jì)算公式為： IHj(Si) = Pi(l-nij(0)) 式中，Si為證據(jù)支持的一個(gè)可能結(jié)果，m,(0)為提出問(wèn)題可能發(fā)生結(jié)果本身的不確定 性，計(jì)算公式為：式中，0為辨識(shí)框架，T為調(diào)節(jié)因子G [0，1]，PiG [0，1]為支持的可能結(jié)果的發(fā)生概 率。8. 根據(jù)權(quán)利要求6所述的證據(jù)沖突測(cè)量方法，其特征在于，所述證據(jù)間互信息量的計(jì) 算分井責(zé)式中，p(m)為在某一個(gè)一維區(qū)間內(nèi)的樣本個(gè)數(shù)除W所有有意義的樣本個(gè)數(shù)，mi、m2是所 述辨識(shí)框架0上的兩個(gè)BPA。9. 根據(jù)權(quán)利要求6所述的證據(jù)沖突測(cè)量方法，其特征在于，所述 證據(jù)間的相關(guān)性的計(jì)算公式為式中，,為證據(jù)相關(guān)系數(shù)，I (mi，m2)表示兩個(gè)證據(jù)的互信息量。10. 根據(jù)權(quán)利要求6所述的證據(jù)沖突測(cè)量方法，其特征在于，所述證據(jù)間的沖突判斷闊 值為0.3。
【文檔編號(hào)】G06F19/00GK105989228SQ201510079645
【公開(kāi)日】2016年10月5日
【申請(qǐng)日】2015年2月13日
【發(fā)明人】谷牧
【申請(qǐng)人】北京仿真中心