证据理论
Dempster合成规则是证据理论的核心,由于在证据理论中需要的先验数据比概率推理理论中的更为直观,再加上Dempster合成公式可以综合不同专家或数据源的知识和数据,使得证据理论在专家系统,信息融合,情报分析,多属性决策等领域广泛应用。
证据理论的概念
- 基本概率分配(BPA):识别框架上的mass函数,证据不为0的元成为焦元。
- 似真函数:也称作似真度函数,定义为 P l ( A ) = ∑ B ⋂ A ≠ Φ m ( B ) Pl(A) = \sum_{B\bigcap A\neq \Phi}^{ } m(B) Pl(A)=∑B⋂A=Φm(B)
- 信任函数: B e l ( A ) = ∑ B ⊆ A m ( B ) Bel(A) = \sum_{B\subseteq A}^{ } m(B) Bel(A)=∑B⊆A