证据理论中广义基本概率指派生成的新方法
人工智能
2020-04-07 v1
摘要
信息融合过程需要处理大量具有多源、异构、不精确、不可靠和不完整特性的不确定信息。在实际工程应用中，Dempster-Shafer 证据理论因其数据融合的有效性而被广泛应用于多源信息融合。在复杂、不稳定、不确定和不完整特性的环境中，信息源对多源信息融合有重要影响。为了解决多源信息融合问题，本文考虑了从封闭世界到开放世界假设的不确定信息建模情况，并研究了具有不完整信息的基本概率指派（BPA）的生成。本文提出了一种在开放世界假设下基于三角模糊数模型生成广义基本概率指派（GBPA）的新方法。所提出的方法不仅能简单灵活地应用于不同的复杂环境，而且在信息处理中信息损失更少。最后，基于 UCI 数据集的一系列综合实验验证了所提方法的合理性和优越性。
引用
@article{arxiv.2004.02746,
title = {A new approach for generation of generalized basic probability assignment in the evidence theory},
author = {Dongdong Wu and Zijing Liu and Yongchuan Tang},
journal= {arXiv preprint arXiv:2004.02746},
year = {2020}
}