[发明专利]一种基于信息熵加权分配的证据推理方法、装置

说明书

本发明提供了一种基于信息熵加权分配的证据推理方法、装置、电子设备及存储介质，所述证据推理方法通过根据多条证据分别求出其对应信息熵，其中，所述证据是通过传感器网络得到的；对信息熵进行归一化得到证据权值；计算加权分配后的新证据；根据所述加权分配后的新证据，通过预设的证据组合规则求出证据推理结果。本实施例通过对证据组合规则进行改造，提出基于信息熵加权分配的证据推理方法，提高高度冲突情况下的证据推理效果。

技术领域

本发明涉及信息融合技术领域，尤其是涉及一种基于信息熵加权分配的证据推理方法、装置、电子设备及存储介质。

背景技术

在多传感器的信息融合领域，信息具有某种程度的不确定性，而融合系统需要对这些不确定性信息进行处理，以完成目标识别和决策分析。目前解决不确定问题推理的成果主要包括贝叶斯推理、贝叶斯网络、模糊逻辑推理、粗糙集理论和DS证据理论等。DS证据理论以其在不确定性问题的表示、度量和融合等方面的优势，在目标识别、决策分析和信息融合等不确定性推理和判决领域得到了广泛的应用。Dempster合成规则是DS证据理论的核心，在不严重冲突情况下系统利用合成规则可以获得对目标的确切识别。但发现，当证据之间存在严重冲突时，合成的结果出现悖论。

证据理论虽然在现代工程上有很广泛的应用，但其本身存在局限性，比如该理论只适用于证据间无冲突的情况或者低度冲突的情况，处理高度冲突的情况时会得出与事实或者人的认知不相符的结果。因此，本发明通过对证据组合规则进行改造，提出基于信息熵加权分配的证据推理方法，提高高度冲突情况下的证据推理效果。

发明内容

本发明的目的在于提供一种于基于信息熵加权分配的证据推理方法，以解决处理高度冲突的情况时会得出与事实或者人的认知不相符结果的问题。

第一方面，本发明实施例提供了一种于基于信息熵加权分配的证据推理方法，所述证据推理方法包括：

根据多条证据分别求出其对应信息熵，其中，所述证据是通过传感器网络得到的；

对信息熵进行归一化得到证据权值；

计算加权分配后的新证据；

根据所述加权分配后的新证据，通过预设的证据组合规则求出证据推理结果。

进一步地，根据多条证据分别求出其对应信息熵包括：

用信息熵作为度量证据的一种权值，S_i代表证据i的信息熵：

其中t代表证据判断结果的种类数m(A)表示证据对事件A的信任程度，识别框架Θ＝{θ₁，θ₂，...，θ_N}下的n个证据分别为E₁,E₂…,E_n，与其相对应的基本概率赋值函数分别是m₁,m₂,…,m_n，焦元分别为A_i，其中i＝1,2,…,N，代表空集，证据组合规则为：

其中

其中，K为冲突系数。

进一步地，所述对信息熵进行归一化得到证据权值包括：

对S_i归一化得到证据权值W_l：

W_l＝S_l/max(S_i)

其中l＝1,2,…,N。

进一步地，计算加权分配后的新证据包括：