一种面向大量信源的置信组合规则

信念函数理论被广泛用于多源数据融合。在该框架下，根据待组合信源的性质已提出多种证据组合规则。然而，当信源数量庞大时，这些组合规则大多效率不高。这或是由于计算复杂度，或是由于基于合取的规则在应用于不可靠证据时存在如全冲突质量函数之类的吸收元。本文在多数信源可靠的假设下，利用一个简单的思想提出一种面向大量信源的组合规则：信源共享的共同观点越多，这些信源被认为越可靠。该规则适用于聚合大量未必全部可靠的信源，并将保持合取规则的精神，强化信源一致焦元上的置信。空集上的质量将保留作为冲突指标。所提规则称为 LNS-CR（面向大量信源的合取组合规则，Conjunctive combination Rule for a Large Number of Sources），在合成质量函数上进行了评估。实验结果验证了该规则可有效用于组合大量质量函数并提取主要意见。