[发明专利]一种面向有序命题的信息融合新方法

摘要

本发明公开了一种面向有序命题的信息融合新方法，围绕有序命题类问题，提出了基本支持函数的凸度、扩展无知、基本(或准-基本)支持函数λ*的信息心、信息熵，基本支持函数间的相容性等概念。提出与求质心不同的λ*“信息心”计算新方法，求λ*信息心只涉及λ*的较大信任值，其作用被突出，可理解为较大信任值被赋予了更大的权重。针对有多个最大信任值和/或“近似最大”信任值的λ*，提出了改进的信息熵计算方法，并验证了其有效性。最终提出了整合信息心、信息熵计算，相容性度量，非正整数信息心处理、扩展无知和凸度等的基本支持函数融合新方法，有效解决了有序命题类问题的信息融合问题。

主权项

一种面向有序命题的信息融合新方法，其特征在于，包括如下步骤：/*分别用“/*”、“*/”作起始符和结束符,或由“//”作起始符的一段文字是步骤或子步骤的解释部分.*///“BEGIN”、“END”，“{”、“}”和“[”、“]”，为语句括号./*μ＝(μ1,μ2,...,μn),ν＝(ν1,ν2,...,νn)是任意两个待融合的n元‑基本支持函数，μ、ν的信任值均值分别表示为“μ均值”、“ν均值”，μ、ν的权重分别为Ωμ、Ων.ΔG表示μ、ν之间的相容性程度，Α*、Β*分别表示无知基本支持函数和近似无知基本支持函数的集合，Δ＝Α*∪Β*，γ*＝(γ*1,γ*2,...,γ*n)∈Α*，γ*1＝γ*2＝...＝γ*n＝0.ω′表示μ,ν的初始融合结果，ω表示μ,ν的最终融合结果.*/步骤一、[μ,ν∈Δ或(μ∈Δ且)或(且ν∈Δ)]按照扩展无知、扩展近似无知基本支持函数的概念，判断待融合的两个基本支持函数μ,ν中，有一个或全部属于无知基本支持函数集合和近似无知基本支持函数集合的并集Δ，若是则给出μ,ν相应的融合结果；//在以下步骤或子步骤中，有(且).步骤二、[计算μ,ν之初始融合结果ω′及其信息心]1).ω′(si)←Ωμ×μ(si)×[1+μ(S‾)]+Ωv×v(si)×[1+v(S‾)],]]>对i＝1,2,3,4，//ω′＝(ω′(s1),ω′(s2),...,ω′(sn))，简记ω′为(ω′1,ω′2,...,ω′n)；2).按基本支持函数与准‑基本支持函数之信息心的新计算方法，求ω′./*G(ω′)表示ω′的信息心，信息心计算方法之优劣是融合方法的关键，在融合结果中，信息心系指真值最大之命题的序号、位置或下标.*//*下述语句中，ω′(si)＝ω′i,1≤ρ≤1.5,ω′均值表示的信任值均值.“信息心方法”中，信任值越大越重要，小于ω′均值的信任值被排除.*/步骤三、[G(ω′)为正整数的融合]/*依据μ与ν间的相容性度量以及面向基本和准‑基本支持函数的信息熵新计算方法实现融合.*/如果G(ω′)非正整数，则GOTO步骤四.1).[求相容性程度]按照相容性的定义及其度量方法，求出μ与ν的相容性程度./*G(μ),G(ν)分别是μ,ν的信息心.若μ,ν相容,则融合结果的分明性应明显增强；若μ,ν冲突，则融合结果的分明性应明显减弱.*//*在构造融合结果时，依据相容性程度分成三个正向调整强度，即调整方案分别用首项为1、公差ζ1＝0.2、0.1和0的等差数列(详见步骤三的子步骤2),3),4))，可证明这些调整方案能确保融合结果具有凸性质，公差由实验确定.*/ΔG←|G(μ)‑G(ν)|/(n‑1).2).[0≤ΔG≤1/6？]/*μ与ν的相容性较好，即相容性∈[完全相容,相容性较好]，诸信任值向信息心的汇聚强度最大，调整方案采用首项为1、公差ζ1＝0.2的等差数列.*/如果0≤ΔG≤1/6，则用公差为0.2的等差数列正向调整ω′.3).[1/6≤ΔG≤1/3？]/*正向调整使熵变小，μ与ν间的相容性居中,即相容性∈[相容性较好,相容性较差],ω′的诸信任值向信息心的汇聚强度居中.*///正向调整方案采用首项为1、公差ζ2＝0.1的等差数列.如果1/6≤ΔG≤1/3，则用公差为0.1的等差数列正向调整ω′.4).[1/3＜ΔG？]/*μ与ν间的相容性较差，即相容性∈(相容性较差,完全不相容]，ω′的诸信任值向信息心的汇聚强度最小；调整方案采用首项为1、公差ζ3＝0的等差数列.*//*因μ,ν间的相容性较差，需进行两次调整，先做正向调整，后做逆向调整；逆向调整，通常循环执行逆向调整子步骤，每次执行都生成一个基本支持函数，当逆向调整子步骤被执行到某次，所生成的基本支持函数的熵值与E(ω′)近似相等，则循环执行终止.*//*综合上述步骤三的子步骤2)、3)、4)可知，先依据相容性程度，即相容性度量结果，选择合适公差的等差数列对ω′进行正向调整，仅当μ,ν间的相容性较差时，才需对ωF进行逆向调整，然而逆向调整需配合面向基本和准‑基本支持函数的信息熵计算方法才能完成.*//*尽管μ,ν间的相容性较差，正向调整诸真值向信息心的汇聚强度较小，但仍可能使熵E(ωF)明显小于熵E(ω′).由此，可能需要执行多个逆向调整子步骤，使E(ωF)最终趋近于E(ω′).*/如果1/3＜ΔG，则BEGIN[第一次正向调整步骤]用公差为零的等差数列正向调整ω′.//正向调整方法使熵减小，正向调整结果存入ωF.第二次逆向调整步骤：/*第二次逆向调整步骤的主要思想：沿着负Y轴方向挤压基本支持函数信任值包络线，使包络线更趋平缓，维持包络线下信任值直方图面积不变，使最终融合结果ω的熵接近ω′的熵，第二次逆向调整步骤，通常由多个逆向调整子步骤组成.逆向调整子步骤使熵增加，多个逆向调整子步骤将生成一个基本支持函数序列：ωF‑1,...,ωF‑i,ωF‑(i+1),...,ω＝ωF‑k；序列中有E(ωF‑i)<E(ωF‑(i+1))，与ωF‑(i+1)对应的包络线比之与ωF‑i对应的包络线更平缓；并有E(ω′)≌E(ω)＝E(ωF‑k).*/END；5).[结束本方法]结束本方法.步骤四、[对ω′进行预处理]/*当G(ω′)为非正整数时，将构造融合结果的最大和次大信任值，为此在一些情况(略)下需要对ω′进行预处理.具体操作略.*/步骤五、[G(ω′)非正整数的融合]//依据相容性度量及面向基本和准‑基本支持函数的信息熵计算实现融合.1).[求μ与ν间的相容性]ΔG←|G(μ)‑G(ν)|/(n‑1).2).[0≤ΔG≤1/6？]/*调整方案与步骤三的子步骤2)不同,在下标两处共分得两份,其和为δ.*//*若或则在处分得在处分得若则在下标和处皆分得δ/2.*//*μ与ν的相容性较好,系指相容性∈[完全相容,相容性较好]；ω′的诸信任值向信息心的汇聚强度最大.*///调整方案采用首项为1、公差ζ1＝0.2的等差数列.如果0≤ΔG≤1/6，则采用公差为0.2的等差数列正向调整ω′.3).[1/6≤ΔG≤1/3？]/*μ与ν间的相容性居中,即相容性∈[相容性较好,相容性较差],ω′的诸信任值向信息心的汇聚强度居中，调整方案采用首项为1、公差ζ2＝0.1的等差数列.*/如果1/6≤ΔG≤1/3，则采用公差为0.1的等差数列正向调整ω′.4).[1/3＜ΔG？]如果1/3＜ΔG，则GOTO步骤五的子步骤6).5).[特殊情况处理]//对步骤五的子步骤2)、3)得到的ω，当出现特殊情况时进行处理6).[1/3＜ΔG？]/*μ与ν间的相容性较差,即相容性∈[相容性较差,完全不相容]，ω′的诸信任值向信息心的汇聚强度最小；调整方案采用首项为1、公差ζ3＝0的等差数列*/如果1/3＜ΔG，则//同步骤三的子步骤4).BEGIN[第一次正向调整]采用公差为零的等差数列正向调整ω′.特殊情况处理.//若ωF出现特殊情况，则对其进行处理，用ωF替代ω.[第二次逆向调整]/*第二次逆向调整的主要思想：沿着负Y轴方向，向下挤压基本支持函数信任值包络线，使包络线更趋平缓，维持包络线下信任值直方图的面积不变，使最终融合结果ω的熵接近ω′的熵.*//*逆向调整步骤，通常由多个子逆向调整步骤组成，逆向调整子步骤使熵增加.逆向调整需要使用信息熵计算新方法.*//*逆向调整子步骤被循环执行,生成基本支持函数序列ωF‑1,...,ωF‑i,ωF‑(i+1),...,ω＝ωF‑k，序列中有E(ωF‑i)<E(ωF‑(i+1))，与ωF‑(i+1)对应的包络线比之与ωF‑i对应的包络线更平缓；当E(ω′)≌E(ω)＝E(ωF‑k)时，上述循环终止.*/。