DS证据理论中的基本概率指派智能化生成及应用研究

DS证据理论在信息融合中应用非常广泛，生成基本概率指派（Basic Probability Assignment, BPA）是应用证据理论的基础。现有BPA生成方法无法有效建立多子集命题的数学表示模型且未能考虑辨识框架不完整这一情况，导致生成的BPA不合理，极大影响了融合系统性能。针对这一问题，本项目首先基于已有样本数据建立辨识框架中的命题表示模型；在合理度量传感器报告与命题表示模型之间的相似度基础上自动生成BPA。本研究提出将BPA生成与冲突处理两个问题结合起来一并处理的思路：提出并筛选有效描述BPA之间冲突的参数，建立基于多参数的BPA冲突表示模型；探索这些参数与导致冲突成因之间的关联关系，使得系统能够判断导致BPA冲突的原因，针对不同的原因提出相应的冲突消解策略以实现BPA的智能化生成。可以有效解决辨识框架不完整情况下BPA生成以及冲突证据融合等问题，对证据理论的应用具有重要意义。

Dempster Shafer证据理论由于具有比概率论更强的不确定信息表示和处理能力，在信息融合领域得到了广泛的应用。但在实际应用中仍然存在计算量大、证据高度冲突时融合结果有误以及基本概率指派（Basic Probability Assignment, BPA）如何生成这三大问题，其中，BPA生成是应用证据理论的基础。现有BPA生成方法无法有效建立多子集命题的数学表示模型且未能考虑辨识框架不完整这一情况，导致生成的BPA不合理，极大影响了融合系统的性能。. 针对这一问题，本项目提出将BPA生成与冲突处理两个问题结合起来一并处理的新思路。基于已有样本数据建立了辨识框架下的命题表示模型；实现了传感器报告与命题表示模型之间相似度的合理度量；以相似度为变量实现了BPA的自动生成；建立了基于多参数的BPA冲突表示模型以综合度量BPA之间的冲突程度；探索了这些参数与导致冲突成因之间的关联关系，使得系统能够根据这些参数自动区分导致BPA冲突的原因；针对不同导致BPA冲突的情况采取了不同的冲突消解策略获得最终输出的BPA，达到了在辨识框架不完整和传感器受干扰等的背景下，系统仍然能够自动生成合理的BPA。为解决证据理论中BPA智能化生成和冲突信息融合等问题提供了有效的新途径，对更好地推广证据理论在信息融合系统中的应用，提高信息融合系统的性能具有重要的意义。. 项目的主要创新点包括：利用命题模糊数交叠部分来表示多子集命题，基于传感器报告与辨识框架命题模型之间的匹配度以生成BPA，这样生成的BPA比现有方法更为合理完善，且物理意义清晰；把BPA生成与冲突证据融合这两个问题有机结合起来一并处理，这是本项目的一大特色；对证据冲突的本质进行研究以及探索各个表征冲突的参数与导致冲突的原因之间的关联关系；建立广义证据理论的模型，提出广义证据理论中的基本概率指派生成方法，解决了辨识框架不完整情况下的BPA生成问题。. 在本项目的执行期内，共发表相关论文53篇，其中SCI收录7篇，EI收录44篇，ISTP收录3篇，并有两篇论文分别获得首届和第三届全国信息融合学术年会优秀论文一等奖和二等奖，两篇论文在FUSION'2012学术年会与国内外同行进行了积极交流。论文已全部标注国家自然科学基金资助。同时，针对研究中所涉及的相关算法，还申请了一项发明专利和软件著作权。