资料下载
×
如何降低相似度碰撞的证据融合方法
消耗积分:0 |
格式:rar |
大小:0.99 MB |
2018-12-12
分享资料个
针对相似度碰撞引发证据融合结果错误的问题，提出一种新的证据融合方法。首先，提取证据的焦元序列特征并将其转化为排序矩阵以弥补证据相似度易碰撞的不足；其次，联合证据的排序矩阵和信息熵完成对证据权重的确定；最后，生成归一化证据（ MAE）并使用Dempster融合公式将MAE融合n-1次获得最终的结果。基于在线的鸢尾花数据集对证据平均融合方法、余弦相似度证据融合方法、证据距离融合方法和证据信誉度融合方法进行了花类型识别准确性的F-Score对比，上述四种方法的F-Score分别为0.84、0.88、0.88和0.88，而所提方法的F-Score为0. 91。实验结果表明，所提方法的决策准确率更高，融合结果更加可靠，能为证据决策提供了有效的解决方案。
证据理论是由Dempster和Shafer提出的一种有效的不确定性推理方法被广泛用于最优决策、可靠分析、关系度量、最优计算等领域。然而在现实环境中，由于传感器的故障或信任函数模型的不准确会导致证据之间互相冲突，进而会引起融合结果的反直观现象。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
