[发明专利]基于状态向量距离的证据理论信息融合决策方法

摘要

本发明是一种对多源异类信息融合结果进行决策的基于状态向量距离的证据理论信息融合决策方法。步骤分：确定基于D－S证据理论的信息融合结果；确定焦元属性支持度，将辨识框架的幂集中的每一个焦元都作为候选决策；候选决策向量的确定，考虑候选决策的BPA分布及从属性层面获得的焦元支持度，将候选决策向量进行正规化；确定候选决策的理想状态向量。把100％满足决策者要求的决策焦元看成是理想的焦元；确定状态向量之间的距离；决策方法。首先确定候选决策A_i (i＝1，2，Λ，m)总的支持度，然后选择其中最大的A^*即为基于状态向量距离的D－S证据融合决策结果。优点：该方法结合决策基元和非基元的属性，充分考虑了焦元之间的相关程度，减少了机会的损失，具有客观、有效等特点。

主权项

1、基于状态向量距离的证据理论信息融合决策方法，其特征是方法步骤依次分为：(一)确定基于D-S证据理论的信息融合结果，依据融合背景的不同，选择辨识框架及其幂集，并基于D-S证据理论对多源信息进行融合处理；(二)确定焦元属性支持度。将辨识框架的幂集中的每一个焦元都作为候选决策，焦元属性对候选决策的属性层面支持度，就变成为焦元属性之间的支持度，该支持度为$s(i,j)=\frac{\left|A_{i}I{A}_j\right|}{\left|A_{i}Y{A}_j\right|},(i,j=\mathrm{1,2},\Lambda ,m),$ 其中|·|表示焦元属性所包含的基元的个数；(三)候选决策向量的确定。考虑到候选决策的基本信任分配分布及从属性层面获得的焦元支持度，候选决策向量表示为T(Ai)＝[t(i，1)，t(i，2)，Λ，t(i，m)]，其中t(i，j)＝s(i，j)*m(Aj)，(i，j＝1，2，Λ，m)。将候选决策向量进行正规化，得Tn(Ai)＝[t′(i，1)，t′(i，2)，Λ，t′(i，m)]，其中$t^{\prime }(i,j)=\frac{t(i,j)}{\underset{j=1}{\overset{m}{\Sigma }}t(i,j)},(i,j=\mathrm{1,2},\Lambda ,m);$ (四)确定候选决策的理想状态向量。把100％满足决策者要求的决策焦元看成是理想的焦元，其满足程度可用下列状态向量表示：T*(Ai)＝[t*(i，1)，t*(i，2)，Λ，t*(i，m)]，其中$t^{*}(i,j)=\left\{\begin{array}{cc}1& i=j\\ 0& i\ne j\end{array}\right.,(i,j=\mathrm{1,2},\Lambda ,m).$ 称T*(Ai)为候选决策的理想状态向量；(五)确定状态向量之间的距离。候选决策Ai的正规化向量Tn(Ai)与该候选决策的理想状态向量T*(Ai)之间的距离Dis：$\mathrm{Dis}[T_n\left(A_i\right),T^{*}\left(A_i\right)]=\frac{1}{m}\underset{j=1}{\overset{m}{\Sigma }}|t^{\prime }(i,j)-t^{*}(i,j)|$ (i＝1，2，Λ，m)；(六)决策方法，首先确定候选决策Ai(i＝1，2，Λ，m)总的支持度TSD(Ai)：TSD(Ai)＝1-Dis[Tn(Ai)，T*(Ai)]，然后选择其中最大的A* $(A^{*}=\underset{A_i}{\max }[\mathrm{TSD}\left(A_i\right)\left]\right),$ 即为基于状态向量距离的D-S证据融合决策结果。