多传感器数据融合中DS证据理论算法的改进与应用.pdf

3、证据理论的核心、优点及适用领域  核心：Dempster合成规则，这是Dempster在研究统计问题时首先提出的，随后Shafer把它推广到更为一般的情形。  优点：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、更容易获得，再加上Dempster合成公式可以综合不同专家或数据源的知识或数据，这使得证据理论在专家系统、信息融合等领域中得到了广泛应用。  适用领域：信息融合、专家系统、情报分析、法律案件分析、多属性决策分析，等等。

DS 证据理论在空中目标中的应用，是属于数据融合方面的知识。

证据理论 数据融合证据理论 数据融合证据理论 数据融合

针对基于单一判据的电网故障诊断系统存在较高误判率的问题,提出了一种基于DS证据理论的多判据融合决策的电网故障诊断系统的设计方案。该方案采用基于量值区分的门限法、基于电流差动的门限法、基于功率方向的门限法三种判据方法对同一段故障录波数据进行判别,应用DS证据理论融合判别结果,从而可准确判断故障类型和故障位置。实例分析表明,该方案可有效提高电网故障诊断的准确率。

文中基于各认知用户的差异性，提出一种基于改进D-S证据理论的加权协作频谱检测算法。在能量检测的基础上，充分考虑各个认知用户之间的差异性，并根据各认知用户的检测统计量的方差和均值来给出各个参与数据融合的可信度权重。最后，使用改进D-S证据理论进行多数据源的证据融合，减小多数据源带来的证据冲突，且给出最终的判断结果。仿真结果表明，该方法与经典D-S证据理论检测算法相比，能够在考虑各认知用户差异性的同时有效提高检测效率。

matlab实现的DS证据理论代码-DS_fusion.m matlab实现的D-S证据理论代码简单实现，加了一些注释，适用于独立的单一命题。 附件m文件代码： function x=DS_fusion % 功能：融合x,y两行向量 % x,y的格式形如[m1 m2 m3, ... , mk, m, m] % 要求m1 m2 m3 ...之间互相无交集 % m可不为0，表示不确定度 % m肯定是0 [nx,mx]=size; if 1~=nx     disp;     return; end [ny,my]=size; if 1~=ny     disp;     return; end if mx~=my     disp;     return; end temp=0; for i=1:mx-1         if i==mx-1         x=x*y;  %对全集的特殊处理     else         x=x*y x*y y*x;     end     temp=temp x; end for i=1:mx-1     x=x/temp; end x=0;     复制代码

浙江大学研究生《人工智能》课件 徐从富(Congfu Xu) PhD, Associate Professor Email: xucongfu@zju.edu.cn Institute of Artificial Intelligence, College of Computer Science, Zhejiang University, Hangzhou 310027, P.R. China March 10, 2002第一稿 September 25, 2006第四次修改稿 第五章 D-S证据理论 (Chapter5 D-S Evidential Theory )

主要是自己写的基于DS证据理论的MATLAB的证据融合代码，可用于改进的DS证据理论的融合。已经测试过，效果不错，希望大家能喜欢，也可以多多来一起探讨DS证据理论哦。

DS证据理论与灰色关联的完美结合，并在matlab中实现