[发明专利]一种面向有序命题的信息融合新方法

说明书

技术领域

本发明涉及一种信息融合新方法，特别涉及一种面向有序命题的信息融合新方法。

背景技术

对多种信息进行融合，可获得更高质量的信息，能显著提高决策的有效性。信息融合研究具有非常重要的理论意义和应用价值，从20世纪70年代开始至今，世界主要国家竞相开展信息融合研究。随着大数据时代的到来，信息融合研究更成为人们普遍关注的热点。

有序命题类问题有其特殊性，该类问题展现了应用领域问题的纷繁复杂。有序命题类问题是一类十分重要的问题，评价类问题是有序命题类问题的典型代表。日常生活中评价类问题随处可见。例如：耕地的肥力评价，耕地肥力可分为“高肥力，中上肥力，中肥力，中下肥力，低肥力”；学习成绩评价，学习成绩可分为“优秀，良好，及格，不及格”；基金项目评价，将申请的基金项目分为“特优，优，良，中，差”；等等。尽管经典的证据理论是一种“通用”的信息融合理论，但它却不能解决有序命题类问题。

有人曾提出基于物理质心的有序命题融合方法，是迄今唯一能比较有效地处理有序命题类问题融合的方法，较好解决了有序命题类问题，对信息融合领域研究具有重要意义。该融合方法包括两个步骤，一是求出融合结果中最有可能为真之命题的序号g，二是根据处理后的g对命题的不确定性值进行重新分配。但该融合方法存在诸多问题。为简便计，称该基于物理质心的融合方法为老方法。

通过下述例子可看出老方法存在的诸多问题。

例1.

两个基本支持函数，μ：(0.65,0.2,0.1,0.05)，ν：(0.7,0.15,0.1,0.05)，其权重分别为，Ω_μ＝0.5和Ω_ν＝0.5.μ和ν的初始融合结果ω′为(0.675,0.175,0.1,0.05)。老方法先采用物理学求质心的方法计算出ω′的质心G^old(ω′)＝1.525，然后构造最终的融合结果ω.

分别按和计算对应的ω^Floor、ω^ceiling：

①、对应

ω^Floor＝(0.8083333333333,0.1333333333333,0.04583333333333,0.0125)

②、

ω^Ceiling＝(0.3375,0.5791666666667,0.06666666666667,0.01666666666667)

③、组合ω^Floor、ω^ceiling得到

ω＝(0.5611458333333,0.3673958333333,0.0567708333333,0.014687500000)

从μ、ν两者相容(一致性很好)，及其取值特征可知：融合的最终结果ω的分明性应被明显增强，即ω的最大值ω(s₁)＝ω₁应明显大于max{0.65,0.7}；但由老方法得到的最大值却小于max{0.65,0.7}，这几乎与人们的直觉完全相悖。其主要原因有二：其一是，质心计算不准确；其二是，融合未与μ,ν间的相容性挂钩。

例2.

两个基本支持函数，μ＝(0.25,0.25,0.25,0.25)，ν＝(0.25,0.25,0.25,0.25)，其权重分别为Ω_μ和Ω_ν，且Ω_μ＝Ω_ν＝0.5.老方法：计算出的质心为G^old(ω^old)＝2.5，对μ、ν构造的融合结果为ω＝ω^old＝(0.104166,0.395833,0.395833,0.104166)。

有序命题类问题是一个分类问题，通常基本支持函数应明确表达被分类对象应隶属的类别，至多允许对下标相邻的命题赋予相同的信任值。从本质上看，μ＝(0.25,0.25,0.25,0.25)和ν＝(0.25,0.25,0.25,0.25)都是表达无知的，那么两个无知经过融合，怎么会变成有知呢？无论是μ，还是ν都不知道被考察对象O′究竟应属于哪一类，一经融合就得知O′以等可能性0.395833隶属于第二类或第三类，这是毫无道理的。就是说，老方法根本无法解释两个“无知”经融合为何变为“有知”，即增大命题2、3真值的依据。