[发明专利]一种基于Dempster-Shafer框架的分类方法

说明书

本发明公开一种基于Dempster‑Shafer框架的分类方法，判别分类方法包括辨别框架、质量函数、证据理论的组合规则、后验概率、模糊集合论、两个BBA之间的BJS差异、PPT、PPT的单例形式、识别属性框架、成员计算、单个生成概率、培训样本分布、测试样品的分布、BJS散度判别、群体辨别概率、加权积分机制和构造BPA，该方法的准确性在统计上优于11种方法的性能，决策结果更加可靠、稳健，模型有效、合理，此外，引入BJS散度的方法对数据变化也具有很高的敏感性，为实际应用提供了方便，预计WFIG‑DSF在数据融合应用中尤其突出，它关注来自不同传感器源的数据，并考虑测试样本本身和训练样本分布之间的差异，以便做出更好的决策。

技术领域

本发明属于基于Dempster-Shafer框架的加权模糊个体生成和群体判别分类相关技术领域，具体涉及一种基于Dempster-Shafer框架的分类方法。

背景技术

在D-S理论中，识别框架被定义为不相容基本命题的完整集合，每个框架的子集称为命题。D-S理论是多源信息的组合规则，具有综合多个传感器的基本结果作为输出的功能。

发明内容

本发明的目的在于提供一种基于Dempster-Shafer框架的分类方法。

为实现上述目的，本发明提供如下技术方案：

一种基于Dempster-Shafer框架的分类方法，判别分类方法包括辨别框架、质量函数、证据理论的组合规则、后验概率、模糊集合论、两个BBA之间的BJS差异、PPT、PPT的单例形式、识别属性框架、成员计算、单个生成概率、培训样本分布、测试样品的分布、BJS散度判别、群体辨别概率、加权积分机制和构造BPA。

优选的，所述辨别框架流程如下：

让Θ表示一个相互排斥的集合，该集合可以包含无限个元素，如Θ＝{θ₁，θ₂，…，θ_j，…，θ_N}，其中θ_j是辨别框架Θ的要素或事件，N是元素个数，j＝1，2，…，N，由Θ的所有子集组成的集合称为质量函数，定义如下

表示空集；{θ_i，θ_j}指示θ_i或者θ_j事件发生，对于一个系统，无论它处于任何状态，我们都可以使用2^Θ中的元素来表示它；

优选的，所述质量函数流程如下：

设m是从集合2^Θ在Θ下[0，1]的质量函数映射，焦点元素A表示标识框架Θ的任何子集，m定义为

基本概率分布函数表示由证据建立的信任的初始分布，事件a的基本概率分配函数记录为m(A)，用于表示证据对A的信任程度，m(A)通常也称为质量函数，它是根据检测获得的数据构建的，或者是由人们根据经验给出的；

优选的，所述证据理论的组合规则流程如下：

设E₁和E₂是识别Θ框架下的两个证据，这两个证据对应的BPAs是m₁和m₂。A_i和B_i是焦点元素。Desmpter的组合规则定义为

其中

K值表示证据来源之间的冲突程度，在大多数情况下，对于不同的证据，由于数据来源不同，将获得两个或多个不同的BPA，此时，为了计算信任函数和似然函数，需要将两个或多个BPA合成为一个BPA；

优选的，所述后验概率流程如下：