[发明专利]一种加权模糊型D-S证据理论框架

摘要

本发明提出了一种加权模糊型D‑S证据理论框架。对于D‑S证据理论在数据融合的应用中BPA获取困难的问题，该框架以D‑S证据理论为基础，首先将待融合数据进行属性划分，然后将生成类方法与判别类方法相结合，分别使用模糊朴素贝叶斯和FCM算法构造模型；在生成BPA阶段，通过定义不确定区域来表达不确定信息，再利用模糊隶属度和样本与质心之间的距离分别获得生成类BPA和判别类PBA，最后通过可信的数学模型得到复合BPA；利用D‑S证据理论的合成公式融合来自各模型的复合BPA，最后通过Pignstic概率转换后得到最终决策。该框架能够高效地完成数据融合任务，融合精度高、平均差小，且能够明确地处理不同类别之间的不确定性。

主权项

1.提出一种加权模糊型D‑S证据理论数据融合框架，其特征在于：一种加权模糊型D‑S证据理论数据融合框架，包含以下步骤：对于一个给定的多源数据集，提取特征信息进行属性划分，在属性划分之后，具有p个属性的测试数据集就被划分并转化为文中的p个独立模型；将生成方法与判别方法相结合，构造BPA函数，具体过程是：先定义不确定区域，生成方法使用模糊朴素贝叶斯方法和FCM算法来计算分配到每个焦元的基本概率，判别方法利用样本到质心的距离的欧几里德距离来构造基本概率函数；使用Dempster合成规则将由不同属性产生的BPA组合起来以获取综合BPA；利用Pignistic概率距离构造证据可信度，作为证据决策依据；具有最大Pignistic概率的假设(类别)被选作测试数据中样本的预测类别。