D-S证据理论是由A. P. Dempster在1967年提出的，后由G. Shafer在1976年系统化发展而成，是一种处理不确定性的信息融合方法。该理论在各种数据融合系统中得到广泛应用，尤其在需要综合多个独立证据源信息时。D-S证据理论的中心思想是通过一个数学框架将证据的综合影响量化，从而得出对某个假设的信任程度。下面详细说明D-S证据理论及其改进算法的知识点。 1. D-S证据理论的相关定义 D-S证据理论首先定义了一个识别框架U，即一个完整的、互斥的元素集合，代表所有可能的情况。在该框架下，通过基本概率分配（Basic Probability Assignment，BPA）来表示对框架内元素的信任程度。BPA用数学表达式表示为Bel:2^U -> [0,1]，满足以下两个条件： - Bel(∅) = 0； - ∑_{A⊆U} Bel(A) = 1。 其中Bel(A)即为命题A的基本概率值。 2. 信任函数和似真度函数 信任函数（Belief Function, BEL）和似真度函数（Plausibility Function, PL）是用来表示对命题真假的判断。信任函数Bel(A)表示从当前证据出发，能够确定命题A为真的最小信任度；似真度函数Pl(A)则表示命题A为真时的最大可能信任度。对于任何命题A有以下关系：Bel(A) ≤ Pl(A)，这反映了信任的不确定性区间。 3. Dempster合成规则 Dempster合成规则是D-S证据理论的核心，其作用是合成两个或多个证据。该规则如下所述： - 给定两个证据的基本概率分配m1和m2，可由Dempster合成规则计算出合成后的基本概率分配m； - 如果两个证据没有冲突（即它们共同支持某个命题），则合成后的证据会强化这种支持； - 如果两个证据存在冲突（即它们对同一命题的支持度有重叠但又不完全相同），则合成后的证据会削弱这种支持，甚至在极端情况下，如果冲突不可调和（即K趋向于无穷大），Dempster规则则无法给出合成结果。 4. 数据融合过程 D-S证据理论在数据融合中的应用，涉及到多个信息源提供的证据的综合处理。融合过程通常包括以下几个步骤： - 收集信息源提供的证据； - 对每个信息源定义基本概率分配； - 应用Dempster合成规则对各个证据进行合成； - 根据合成后的信任函数和似真度函数，得到最终对某一假设的支持程度。 5. 改进的证据组合方法 尽管D-S证据理论在理论上有广泛应用，但在实际应用中也存在不足，特别是在证据源高度冲突时，合成规则可能无法给出合理的结果。因此，学者们提出多种改进算法，例如Yager提出的修正Dempster规则，能够处理证据完全冲突的情况；还有Dubois-Prade修改法、Murphy修改法等，旨在降低证据冲突对最终合成结果的影响。 6. 应用实例 文章中提出了改进算法的例子，通过实例分析，证明了改进方法能够有效地处理那些证据间存在较大冲突的场合。改进后的算法提高了数据融合的性能和可靠性，对于实际应用系统具有重要意义。 7. 研究背景与基金项目 文章作者马志刚和张文栋来自中北大学电子测试技术国家重点实验室，他们的研究受到山西省自然科学基金项目的支持。这反映了该理论在实际研究中的重要性以及实际应用中的潜在价值。通过获得资助，该研究得以深入并可能推动相关领域的技术进步。 D-S证据理论及其改进算法是数据融合领域中非常重要的理论工具，尤其在不确定性信息处理和决策支持方面表现出了强大的实用价值。通过对该理论的深入理解和算法的改进，可以在多源信息融合系统设计、人工智能决策支持、风险评估等多个领域发挥作用。

据报道，与光子有关的单个顶夸克产生的事件的第一证据。 该分析基于s = 13 TeV时的质子-质子碰撞，并由CMS实验于2016年记录，对应的综合光度为35.9 fb-1。 通过选择是否存在介子（μ），光子（γ），来自未检测到的中微子（ν）的横向动量失衡以及至少两个射流（j）来确定事件，其中恰好一个射流与 夸克的强子化。 基于拓扑和运动学事件属性的多元判别式可用于从背景过程中分离信号。 观察到超出仅背景假设的过量值，其显着性为4.4个标准差。 测量检测器中心区域中横向动量大于25 GeV的孤立光子的基准横截面。 横截面和分支分数的测量结果为σ（pp→tγj）B（t→μνb）= 115±17（stat）±30（syst）fb，与标准模型预测一致。

数据来源： 国泰安金融经济研究数据库 2、样本：2009-2018 中国 A 股市场的上市公司科技数据和财务数据 3、数据处理： (1)由于研究对象为非金融企业，剔除金融行业的上市公司； (2)基于数据可获得性与准确性，剔除数据部分缺失的上市公司； (3)为使样本数据更具代表性，还剔除了资不抵债的公司样本； (4)削弱极端值影响，对所有的连续变量做 1%和 99%的缩尾处理。 理论框架 1、企业金融投资行为对企业技术创新的影响分析（企业金融投资会促进或者抑制企业技术创新还未有定论） 假设 1A：企业金融投资行为对企业技术创新投入和产出具有正效应。 假设 1B：企业金融投资行为对企业技术创新投入和产出具有负效应。 2、企业金融投资行为对企业技术创新影响的异质性分析 假设 2：企业倾向投机逐利动机与倾向风险平滑动机的金融投资行为对企业技术创新的影响存在异质性。 3、企业金融投资行为对企业技术创新的影响机制分析 假设 3：企业金融投资通过资金蓄水池效应、短期财富效应和资源挤占效应作用于企业技术创新

使用大强子对撞机ATLAS探测器在2015-2017年记录的s = 13 TeV的数据，对质子-质子碰撞中三个质量矢量玻色子的产生进行了搜索，对应的综合光度为79.8 fb $ ^ {-1} $。 选择具有两个相同符号的ept（电子或μ子）和至少两个重构的射流的事件，以搜索WWW→ℓνℓνqq。 不带任何相同风味相反符号轻子对的具有三个轻子的事件用于搜索WWW→ℓνℓνℓν，而具有至少三个相同风味相反符号轻子对的事件和一个或多个重构的射流用于搜索 WWZ→ℓνqqℓℓ。 最后，分析具有四个轻子的事件以搜索WWZ→ℓνℓνℓℓ和WZZ→qqℓℓℓℓ。 观察到三个质量矢量玻色子联合产生的证据，其显着性为4.1标准偏差，其中期望值为3.1标准偏差。

由于尽管实施了巴塞尔协议，但本应改善信用度的不良贷款仍在严重影响欧洲银行的流动性和稳定性，所以银行资本配置不当可能会产生行为偏见。 这项研究的目的是调查行为偏见是否在不同国家以不同方式影响信贷分配。 特别是，我们调查了申请人的某些特征（例如种族，年龄，性别和教育程度）如何影响银行官员的决策过程。 这项研究是向信用链中的299名官员，意大利的212名和塞尔维亚的87名官员提交面对面调查表的。 对上述两个独立样本进行Mann-Whitney U检验，结果表明，在需要决定是否批准贷款申请时，意大利官员比塞尔维亚同事受行为偏见的影响更大。

基于Bluenext和欧洲气候交易所（ECX）的交易数据，本文通过最大熵谱和小波方差分析了欧盟碳排放权的周期性价格波动。 结果表明：1）欧盟碳交易市场存在明显的周期性价格波动，最长周期为33个月，最短为5.7； 2）对影响碳排放权价格周期性波动的因素的研究表明，电价（POWER）对碳排放权价格的影响最大，其次是煤炭价格（COAL）。 电力每变化1％，碳排放权价格就向同一方向变化10.95％。 煤的每变化1％，碳排放价格就会反过来变化9.28％； 3）基于方差分解的研究表明，电价对碳排放价格变化的贡献最大，在30天的滞后周期中，方差贡献率为13％。

当与W或Z玻色子相关联时，对标准模型希格斯玻色子衰减成b b-$$ b \ overline {b} $$对进行搜索，这是通过ATLAS探测器进行的。 在大型强子对撞机运行2的质心能量为13 TeV的质子-质子碰撞中收集了对应于36.1 fb -1的综合光度的分析数据。 考虑包含零个，一个和两个带电轻子（电子或μ子）的最终状态，以衰变Z→νν，W→ℓν和Z→targeting为目标。 对于希格斯玻色子质量为125 GeV的情况，发现超出其他标准模型过程的预期背景的事件过多，观察到的显着性为3.5个标准差，而预期值为3.0个标准差。 这种过量为希格斯玻色子衰变成b夸克及其与矢量玻色子的结合提供了证据。 该结果与运行1分析的结果相结合，得出测得的信号事件与标准模型期望值之比等于0.90±0.18（标准）-0.19 +0.21（系统）。 假设标准模型的生产横截面，结果与标准模型中Yukawa与b-夸克的耦合值一致。

中国工业经济刊登的文章，另外还有引证的代码程序和原始数据及分析研究结果（见相同论文标题的另外附加文件）。《中国工业经济》期刊勇立潮头，率先在国内期刊界公开论文数据和程序等资料，代码数据开源，让论文结果复制成为可能，方便大家基于此做更深入的分析和研究。

D-S证据理论(D-S Evidential Theory)相关资料源码打包 D-S证据理论PPT课件 C源码 java源码 Matlab源码

D-S证据理论的融合思想主要体现在待识别对象的多个证据的基本概率分配函数通过某种规则融合在一起，求出所有证据的总支持程度，证据理论给出了多源数据的组合规则