D-S Evidence Theory 证据理论

1 基本概念

设$\Theta$是一个识别框架，或称假设空间

基本概率分配 Basic Probability Assignment, BPA

在识别框架$\Theta$上的BPA是一个$2^{\Theta }\to [0,1]$的函数m，成为mass函数，并且满足$m(\varnothing )=0$且${\sum }_{A\subseteq \Theta }m(A)=1$

信任函数 Belief function

$Bel(A)={\sum }_{B\subseteq A}m(B)$

似然函数 Plausibility function

$Pl(A)={\sum }_{B\cap A̸=\varnothing }m(B)$

信任区间

在证据理论中，对于识别框架中的某个假设A，根据基本概率分配BPA分别计算出关于该假设的信任函数和似然函数组成信任空间$[Bel(A),Pl(A)]$，用以表示对某个假设的确认程度。

Dempster合成规则