面向大量信息源的证据组合

信任函数理论是处理多重不确定信息的有效工具。近年来，该框架下提出了许多证据组合规则，如合取规则、谨慎规则、PCR（比例冲突再分配）规则等。这些规则可适用于不同类型的信息源。然而，当信息源数量很大时，这些规则大多不适用。原因在于复杂性或吸收元的存在（例如，当应用于不可靠证据时，基于合取的规则会面临全冲突mass函数）。本文基于多数信息源可靠的假设，提出一种面向大量信息源的组合规则，名为LNS（Large Number of Sources），其基本思想是：一个信息源与其他信息源共享的共同观点越多，该信息源就越可靠。该规则适用于聚合大量信息源，其中部分信息源不可靠。它将保持合取规则的精神，强化信息源一致同意的焦元上的信念。空集上的mass将保留作为冲突的指示。此外，它可用于提取专家中的主流意见。在合成mass函数上的实验结果验证了该规则能有效用于组合大量mass函数并提取主流意见。