面向DS证据理论的关联信息融合研究

DS Evidence Theory is widely used in the information fusion system. How to efficiently combine dependent evidence is one of the most challenging and important tasks. Previous methods for dependent evidence combination are mainly focus on the structure level, which ignore the basic nature of dependence. This may cause the unreasonable result and degrade the performance of information fusion system. To address the issue, this project analyzes the intrinsic logic and causes based on the mathematical principles of Evidence Theory, and first divides the causes of dependence into two categories (i.e., interior dependence and exterior dependence), and constructs mathematical models according to different dependence relationships and measures the dependence degree properly. Also, we establish an intelligent multi-level combination model to deal with general dependent situations, and define threshold value of the dependence degree: when dependence degree is less than the threshold, the classical combination rule is adapted; otherwise, the more complicated dependent evidence combination method is adapted. This contributes to the reduction of computation complexity. Finally, applies the proposed methods into the field of reliability analysis and risk evaluation of electric power systems. Through the research in this project, the dependent evidences can be fused effectively, and the performance of the information fusion system will be consumedly improved, which are of great importance to apply Evidence Theory in practical information fusion system.

DS证据理论在信息融合领域应用广泛。如何有效地融合关联信息是证据理论应用中最具挑战性的关键问题之一。现有的关联证据融合方法主要集中在证据结构层次的相关性分析，忽略了对最根本的关联本质的探索，导致融合结果不尽合理，极大影响了融合系统性能。针对这一问题，本项目从证据理论的数学原理入手，首次将关联成因分为系统内部关联和外部感知器关联，并建立描述不同关联情形的数学模型，合理度量关联程度大小。提出从外部关联到内部关联的智能化分层处理融合算法，以全面处理各种关联关系，并确定系统的关联阈值作为判定条件：当关联程度小于设定阈值时，采用经典的融合规则；反之，才选用较为复杂的关联融合算法进行融合，这有利于降低系统的计算复杂度。最后以电力系统的可靠性分析及安全评估为背景，验证并应用所提出的关联证据融合方法。通过本项目研究，可以有效实现关联证据的融合，提高信息融合系统性能，对证据理论的实际应用具有重要意义。

信息融合是目前信息学科研究的热点之一。Dempster-Shafer证据理论由于具有较强的不确定信息表达及处理能力，在信息融合系统中有着广泛的应用。然而，DS证据理论中的经典Dempster组合规则要求融合的信息必须相互独立，这在实际应用中往往难以满足。如果不能有效处理关联证据融合这一问题，将导致实际应用系统无法得到合理的融合结果，甚至出现决策失误，极大地影响了融合系统的性能。本项目针对不同的关联情形，从内部关联和外部关联的角度出发，以关联关系建模、关联程度度量、关联证据融合及决策为线索，提出了一套较为系统的关联证据融合策略：针对由相同证据源更新而得的关联证据，提出推广的相关源证据模型，进一步拓展更新的形式，并将相关源证据在更新过程中存在的重要性程度纳入考虑，拓展经典相关源证据模型的适用范围；针对系统内部的条件规则关联，提出了条件基本信度函数、联合基本信度函数、条件信度表等新概念，在此基础上提出广义Dempster 组合规则，为条件关联的证据融合提供具体的解决方案；针对具有一定量历史数据及样本的复杂不确定性关联情形，提出了基于秩相关系数、综合相关系数、互信息等统计参数模型的关联证据融合方法；针对其他复杂不确定性关联情形，提出基于复杂网络理的关联证据融合方法，通过确定网络中各节点（信息源）间的关联关系及重要性程度，优化选择融合系统的信息源及其权重，得到较好的融合结果。本研究利用证据理论较好的表达和处理不确定性信息的能力，并结合所提出的关联证据融合方法在处理关联关系方面的优势，在故障诊断、决策支持、核电厂人因可靠性分析及设备可靠性等方向上进行应用研究。通过本项目的研究，丰富和完善了关联情形下多源信息融合的理论与方法，拓展了信息融合技术的应用领域和范围，在理论和实践中都具有价值和意义。