DS证据理论课件资料.pptVIP

证据理论 证据理论是由德普斯特（A.P.Dempster）首先提出，并由沙佛（G．Shafer）进一步发展起来的一种处理不确定性的理论，因此又称为D－S理论。 证据理论与Bayes理论区别： Bayes理论： 需要有统一的识别框架、完整的先验概率和条件概率知识， 只能将概率分派函数指定给完备的互不包含的假设， 证据理论： 用先验概率分派函数去获得后验的证据区间，证据区间量化了命题的可信程度。可将证据分派给假设或命题， 提供了一定程度的不确定性，即证据既可指定给互不相容的命题，也可指定给相互重叠、非互不相容的命题。 证据理论满足比概率论更弱的公理系统，当概率值已知时，证据理论就变成了概率论。 D-S理论 基本理论 一个具体的不确定性推理模型 举例 小结 基本理论 设D是变量x所有可能取值的集合，且D中的元素是互斥的，在任一时刻x都取且只能取D中的某一个元素为值，则称D为x的样本空间，也称D为辨别框 。在证据理论中，D的任何一个子集A都对应于一个关于x的命题，称该命题为“x的值在A中”。 引入三个函数：概率分配函数，信任函数及似然函数等概念。 概率分配函数 设D为样本空间，领域内的命题都用D的子集表示，则概率分配函数定义如下： 定义1： 设函数M：2D→［0，1］，且满足 M（Φ）＝0 ΣM（A）＝1 A?D 则称M是