DS-证据理论入门文献概论

D-S证据理论入门文献概论

基本概念

证据理论由Dempster首先提出，由Shafer进一步发展起来的一种不精确推理理论。主观Bayes方法必须给出先验概率，而证据理论则能够处理这种由不知道引起的不确定性。证据理论满足比概率论更弱的公理系统，当概率值已知时，证据理论就变成了概率论。

辨识框架

设$\Omega$为变量x的所有可能值的穷举集合，设$\Omega$中的各元素是相互排斥的，我们称$\Omega$为辨识框架。设$\Omega$的元素个数为N，则$\Omega$的幂集合$2^{\Omega }$的元素个数为$2^N$，每个集合的元素对应一个关于x取值情况的命题（子集）。

BPA

对任一个属于$\Omega$的子集A（命题），命它对应一个数m$in$[0,1]，而且满足：

$m(\varphi )=0$
${\sum }_{A\subseteq \Omega }m(A)=1$

称函数m为$2^{\Omega }$上的基本概率分配函数（Basic probability assignment）。

焦元

若$A\subseteq \Omega$，且$m(A)\ne 0$，称A为m的一个焦元。(Focal element)

信任函数（Belief function）

命题的信任函数Bel：$2^{\Omega }$$\to$[0,1]为
$Bel(A)={\sum }_{B\subseteq A}m(B)$ ,$\forall$A $\subseteq \Omega$

似然函数（Plausibility function）

命题的似然函数Pl：$2^{\Omega }$$\to$[0,1]为
$Pl(A)=1-Bel(\bar{A})={\sum }_{B\bigcap A\ne \varphi }m(B)$ ,$\forall$A $\subseteq \Omega$
Pl(A)表示不否定A的信任程度。
与信任函数的关系:
$Pl(A)\ge Bel(A)$

融合规则

Yager的合成公式

优点：通过将冲突赋给m(X),避免的高度冲突证据融合出现的一些问题。
缺点：对冲突的证据完全否定。在证据源多于两个时，合成效果有时候不理想。

孙全的合成公式

优点：采用加权和的形式，利用可信度将冲突进行分配而非全盘否定。