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 Ω \Omega Ω为变量x的所有可能值的穷举集合,设 Ω \Omega Ω中的各元素是相互排斥的,我们称 Ω \Omega Ω为辨识框架。设 Ω \Omega Ω的元素个数为N,则 Ω \Omega Ω的幂集合 2 Ω 2^\Omega 2Ω的元素个数为 2 N 2^N 2N,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 Ω \Omega Ω的子集A(命题),命它对应一个数m$in$[0,1],而且满足:
m
(
ϕ
)
=
0
m(\phi)=0
m(ϕ)=0
∑
A
⊆
Ω
m
(
A
)
=
1
\sum_{A \subseteq \Omega} m(A)=1
∑A⊆Ωm(A)=1
称函数m为 2 Ω 2^\Omega 2Ω上的基本概率分配函数(Basic probability assignment)。
焦元
若 A ⊆ Ω A\subseteq\Omega A⊆Ω,且 m ( A ) ≠ 0 m(A)\neq 0 m(A)=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
Ω
2^\Omega
2Ω
→
\rightarrow
→[0,1]为
B
e
l
(
A
)
=
∑
B
⊆
A
m
(
B
)
Bel(A)=\sum_{B \subseteq A} m(B)
Bel(A)=∑B⊆Am(B) ,
∀
\forall
∀A
⊆
Ω
\subseteq \Omega
⊆Ω
似然函数(Plausibility function)
命题的似然函数Pl:
2
Ω
2^\Omega
2Ω
→
\rightarrow
→[0,1]为
P
l
(
A
)
=
1
−
B
e
l
(
A
ˉ
)
=
∑
B
⋂
A
≠
ϕ
m
(
B
)
Pl(A)=1-Bel(\bar{A})=\sum_{B \bigcap A\neq \phi} m(B)
Pl(A)=1−Bel(Aˉ)=∑B⋂A=ϕm(B) ,
∀
\forall
∀A
⊆
Ω
\subseteq \Omega
⊆Ω
Pl(A)表示不否定A的信任程度。
与信任函数的关系:
P
l
(
A
)
≥
B
e
l
(
A
)
Pl(A)\ge Bel(A)
Pl(A)≥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。