证据理论发展及应用.pptVIP

 主要内容 引言 证据理论是由Dempster首先提出，由他的学生shafer进一步发展起来的一种不精确推理理论，也称为Dempster/Shafer 证据理论(D-S证据理论)，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。 D-S证据理论提供了一种处理多数源不确定信息推理和融合的有效方法，对各自独立的证据加以综合给出一致性结果。 基于“证据”和“组合”来处理不确定性问题的数学方法 具有直接表达“不确定”和“不知道”的能力，从而能够把“不确定知识”和“未知知识这两个概念有效的区分开。 证据理论使用集合来表示命题 什么是D-S证据理论？ 证据处理的数学模型和模型计算步骤 识别框架 识别框架 D-S理论的解决方式:客观与主观的结合。 如何表示人们对一个命题的相信程度？ 基本信任分配函数 基本信任分配函数 信任函数 似然函数 Bel(A)是表示对A为真的信任程度，Pl(A)是表示对A为非假的信任程度，而且Pl(A)≥Bel(A)，所以我们称Bel(A)和Pl(A)分别为对A信任度的下限和上限 信任函数和似然函数 D-S证据理论的精髓 对不同的证据进行结果融合 给定了几个在同一识别框架上基于不同证据的信度函数，即基本概率分配函数，如果这几批证据不是完全相互冲突的，那么我们就可以利用Dempster合成法则计算出另一个信度函数，而这个信度函数根据规则就作为在那几批证据