证据理论基础(2).pptxVIP

会计学1 主要内容几个概念证据合成规则基于证据理论的决策基于证据理论的信息融合22023/1/17多源测试信息融合第1页/共45页 几个概念mass函数、信任函数、似然函数①mass函数定义：设函数m是满足下列条件的映射: m: 2Θ→[0，1] (1) 不可能事件的基本置信度是0，即m(Φ)=0 (2) 2 Θ中全部元素的基本置信度之和为1，即 则称m是2 Θ上的mass函数（质量函数），m(A)称为A的基本置信度指派值，表示对A的精确信任。32023/1/17多源测试信息融合第2页/共45页 概念回顾信任函数定义：集合A是识别框架Θ的任一子集，将A中全部子集对应的基本置信度之和称为信任函数Bel(A)，即 Bel：2 Θ →[0，1]4注意：mass函数与信任函数的区别！！！2023/1/17多源测试信息融合第3页/共45页 概念回顾似然函数：设识别框架Θ ，幂集2 Θ →[0,1]映射，A为识别框架内的任一子集，似然函数（似真度函数）Pl(A)定义为对A的非假信任度，即对A似乎可能成立的不确定性度 ，此时有：5Pl (A) 表示A为非假的信任程度，A的上限概率； Bel(ā) 表示对A为假的信任程度，即对A的怀疑程度。证据区间划分示意图2023/1/17多源测试信息融合第4页/共45页 主要内容概念回顾证据合成规则基于证据理论的决策基于证据理论的信息融合62023/1/17多源测试信息融合第5页/共45页 证据合成规则贝叶斯融合方法是将前一次检测得到的后验概率当作下一次检测的先验概率，一次一次叠代。 证据理论无需先验概率，又是如何关联检测结果？（1）两条证据的合成（2）多条证据的合成72023/1/17多源测试信息融合第6页/共45页 证据合成规则—两条证据的合成 假设m1,m2分别是同一识别框架Θ上两条证据基本置信度指派，对应的焦元分别为A1, A2, …, AN 和 B1, B2, …, BM，由基本置信度指派值m1(A1), m1(A2), …,m1(AN)和m2(B1), m2(B2), …,m2(BM)所确定的mass函数可用图2来表示。 将证据联合作用下产生的信任度函数称为原来信任度函数的直和(正交和)：m1⊕m2。8图2 m1和m2的基本置信度指派 (1) mass函数的几何表示2023/1/17多源测试信息融合第7页/共45页 证据合成规则—两条证据的合成两证据直和运算可用图3来描述。大矩形看作总的信任度，每个竖条分别表示证据m1分配到它的焦元A1,A2,…,AN上的信度，横条表示证据m2分配到其焦元B1, B2,…, BM上的信任度，横条与竖条相交的小矩形面积表示同时分配到Aj和Bj上的信度。因此可以说，两条证据的联合作用就是将信度m1(Ai)、m2(Bj)精确的分配给 Ai∩Bj上。9图3 m1与m2的联合作用2023/1/17多源测试信息融合第8页/共45页 证据合成规则—两条证据的合成 显然可以看出，两个证据联合作用后，对于识别框架上某一子集C的总信任度可能包含多个小矩形，可以描述成： 基于上述图解，当C=φ时，将有一部分信任度 分配到空集上，这与信任度函数的定义中要求m(φ)=0是相违背。因此，Shafer提出将这部分信任度丢弃的解决方法，而丢弃之后总的信任度又小于1，所以乘以系数：102023/1/17多源测试信息融合第9页/共45页 证据合成规则—两条证据的合成例1： 对于同一识别框架Θ={a,b,c}，1，2两次检测的基本置信度指派值如图4所示，求两次检测后集合C={a,b}的基本置信度指派值？11图4 示例当C={a,b}时，即A∩B=C2023/1/17多源测试信息融合第10页/共45页 证据合成规则—两条证据的合成证据合成规则（定理1）：设m1和m2分别是同一识别框架Θ上的基本置信度指派函数，焦元分别A1, A2 , …, AN和B1, B2 , …, BM，假设 ，若映射m:2Θ→[0,1]，满足m是基本置信度指派函数，其中⊕表示直和(正交和)运算。122023/1/17多源测试信息融合第11页/共45页 证据合成规则—两条证据的合成证明： 由于已经假设了m(φ)=0，所以下面只须证明132023/1/17多源测试信息融合第12页/共45页 证据合成规则—两条证据的合成 证据合成规则中，系数(1/(l一k))称为归一化因子，表明在合成时将非