1．課題背景及研究的目的和意義

1.1課題背景

證據(jù)理論源于20世紀(jì)60年代美國哈弗大學(xué)的數(shù)學(xué)家A.P.Dempster 利用上、下概率來解決多值映射問題方面的研究工作。后來他的學(xué)生G.Shafer對證據(jù)理論引入了信任函數(shù)和似然函數(shù)的概念，形成了一套利用證據(jù)和組合來處理不確定性推理問題的數(shù)學(xué)方法。
如今，電子器件技術(shù)、數(shù)據(jù)處理技術(shù)以及網(wǎng)絡(luò)技術(shù)發(fā)展迅猛，只包含單一數(shù)據(jù)源的數(shù)據(jù)融合系統(tǒng)在實際應(yīng)用中已發(fā)揮不出應(yīng)有的效果。多源數(shù)據(jù)融合技術(shù)本質(zhì)上就是對人腦處理復(fù)雜問題過程的模仿，是一種對多種類、多來源數(shù)據(jù)信息進(jìn)行分析、處理并融合得到最終決策的方法。
基于D-S證據(jù)理論的數(shù)據(jù)融合方法，通過分析處理所需融合數(shù)據(jù)，得出多源數(shù)據(jù)在融合之后可能出現(xiàn)的所有命題，構(gòu)成D-S證據(jù)理論中的識別框架，通過專家知識等方法給每一個可能出現(xiàn)的命題指定證據(jù)并求得命題的基本概率分配函數(shù)，最后利用D-S證據(jù)理論合成規(guī)則將所有證據(jù)合成一個新的結(jié)果，根據(jù)合成后的最終數(shù)值結(jié)果推測出融合結(jié)果支持哪一種命題。

1.2研究的目的和意義

多源數(shù)據(jù)融合技術(shù)能夠?qū)⒍鄠€不同數(shù)據(jù)源收集的不完整信息整合在一起，并進(jìn)行相應(yīng)的處理和融合加工，使不同數(shù)據(jù)之間的優(yōu)勢互相補足最終得到一條有決策意義的數(shù)據(jù)結(jié)果，以此削弱數(shù)據(jù)源中存在的不確定成份，幫助使用者獲得有效的融合判斷和準(zhǔn)確的綜合衡量，從而更輕易做出合理的判斷和決策。數(shù)據(jù)融合技術(shù)現(xiàn)己應(yīng)用于目標(biāo)識別、自動化、態(tài)勢評估以及地球科學(xué)等領(lǐng)域，并逐步擴大應(yīng)用范圍，如社會安全、遙感圖像、污染檢測、氣候分析等領(lǐng)域。
相比其他數(shù)據(jù)融合方法，D-S證據(jù)理論能夠有效地對不完整信息、不確定信息進(jìn)行推理和分析，可以更有效、快速地進(jìn)行多源數(shù)據(jù)融合。

2．國內(nèi)外在該方向的研究現(xiàn)狀及分析

數(shù)據(jù)融合技術(shù)也稱為信息融合技術(shù)，該技術(shù)來源于美國海軍的一項研究。1973年，美國海軍在研究聲吶定位系統(tǒng)時發(fā)現(xiàn)，使用濾波器將多個連續(xù)信息進(jìn)行分析融合后，得到的關(guān)于被測目標(biāo)的位置信息更為準(zhǔn)確。90 年代初，美國軍隊采用了數(shù)據(jù)融合技術(shù)取得了海灣戰(zhàn)爭的勝利，奠定了融合技術(shù)的發(fā)展基礎(chǔ)，使得數(shù)據(jù)融合技術(shù)受到廣泛重視，因此世界各國都開始投入大量人力、物力對其研究，使得數(shù)據(jù)融合技術(shù)得到了大力發(fā)展并推廣到了非軍事領(lǐng)域應(yīng)用中。
通過對數(shù)據(jù)融合技術(shù)的大力研究，世界上許多發(fā)達(dá)國家都在數(shù)據(jù)融合領(lǐng)域有了一定的積累，通過這些研究成果成功制作出很多具有實用價值的數(shù)據(jù)融合系統(tǒng)投入到實際生產(chǎn)環(huán)境中，并取得了良好的實用效果。隨著科學(xué)技術(shù)的不斷發(fā)展，在軍事方面，數(shù)據(jù)融合技術(shù)的研究目標(biāo)己經(jīng)從最早的目標(biāo)識別、位置確定等簡單任務(wù)轉(zhuǎn)變?yōu)轭愃茟B(tài)勢評估等具有多特征、多條件、多因素的復(fù)雜任務(wù)。在非軍事領(lǐng)域，數(shù)據(jù)融合技術(shù)的應(yīng)用范圍也日趨廣泛，例如現(xiàn)代化城市中的智慧交通，利用傳感器網(wǎng)絡(luò)將智能網(wǎng)絡(luò)覆蓋到整個城市，通過采集車流量、車速等實時信息并利用數(shù)據(jù)融合技術(shù)進(jìn)行處理，得到城市的交通狀況;通過傳感器采集病人的實時生命體征信息，比如體溫、脈搏、心率、血壓等，并將這些信息利用數(shù)據(jù)融合技術(shù)加以綜合，可以幫助醫(yī)生更準(zhǔn)確地了解病人的身體狀況，也可以對病人進(jìn)行實時告警和提醒。
數(shù)據(jù)融合技術(shù)的發(fā)展離不開各種數(shù)學(xué)理論和先進(jìn)技術(shù)的支持，包括自動化技術(shù)、計算機技術(shù)、電子技術(shù)等等。美軍實驗室定義被廣泛認(rèn)可:對來自單一的和多源的數(shù)據(jù)和信息進(jìn)行關(guān)聯(lián)、相關(guān)和綜合處理，以完成精確的位置和身份估計，對態(tài)勢、威脅和其重要性進(jìn)行完整的、及時的評估。
目前，關(guān)于數(shù)據(jù)融合技術(shù)的研究重點在于如何提高數(shù)據(jù)融合系統(tǒng)的融合準(zhǔn)確率、如何提高證據(jù)結(jié)論的可信度和如何提高數(shù)據(jù)融合系統(tǒng)的融合速度。

3．基于D-S證據(jù)理論的數(shù)據(jù)融合的研究

3.1數(shù)據(jù)融合技術(shù)的基本原理

(1)多個相同或不同類型的數(shù)據(jù)源同時跟蹤觀測同一目標(biāo)，采集被測目標(biāo)的相關(guān)信息;
(2)不同種類數(shù)據(jù)源，根據(jù)每個數(shù)據(jù)源得到的觀測結(jié)果，得出每個數(shù)據(jù)源對應(yīng)的特征;
(3)將每一個數(shù)據(jù)源得到的特征按照一定方法進(jìn)行處理，得到每一個數(shù)據(jù)源對于觀測目標(biāo)的最終判斷結(jié)果;
(4)根據(jù)所有數(shù)據(jù)源得到的特征值和最終判斷結(jié)果，生成有一個特征庫，并依據(jù)特征庫的規(guī)則將數(shù)據(jù)進(jìn)行分組和關(guān)聯(lián)。
(5)將相應(yīng)分組中觀測數(shù)據(jù)利用合適的方法進(jìn)行數(shù)據(jù)融合，按照一定規(guī)則綜合處理每一個數(shù)據(jù)源所得數(shù)據(jù)，進(jìn)而得到對同一觀測目標(biāo)一致的結(jié)論，從而達(dá)到提高系統(tǒng)融合準(zhǔn)確率、加快系統(tǒng)融合速度的目的。

3.2基于D-S證據(jù)理論的數(shù)據(jù)融合方法理論

D-S證據(jù)理論的核心內(nèi)容為“證據(jù)”和“組合”，“證據(jù)”就是包含不確定信息的數(shù)據(jù)，“組合”指的是合成規(guī)則，合成公式可以將多源數(shù)據(jù)所表征的信息綜合起來，得到更為可靠有效的結(jié)論，使D-S證據(jù)理論在金融分析、情報分析等諸多領(lǐng)域得到了廣泛應(yīng)用。

（1）識別框架

（2）基本概率分配

（3）信度函數(shù)

（4）似然函數(shù)

（5）合成規(guī)則

基于D-S證據(jù)理論的數(shù)據(jù)融合方法是一種基于冗余互補的數(shù)據(jù)類型、采用命題的信息表示、不確定性來源于置信度、采用邏輯推理融合技術(shù)、適用于決策級的數(shù)據(jù)融合。

3.3對基于D-S證據(jù)理論的數(shù)據(jù)融合方法的基本思想

D-S證據(jù)理論是一種不確定性推理方法，所處理的數(shù)據(jù)信息大多是具有不確定性的，該方法能夠擺脫對先驗概率的依賴，把難以下手分析和處理的完整問題分解成很多易于處理的子問題，利用D-S證據(jù)理論將子問題的分析結(jié)論綜合起來，采用數(shù)學(xué)推理推理的融合方式得到最終的融合結(jié)果。
D-S證據(jù)理論由識別框架、基本概率分配函數(shù)、信任函數(shù)、似然函數(shù)和合成規(guī)則構(gòu)成。
D-S證據(jù)理論應(yīng)用于數(shù)據(jù)融合時，基本思路如下：
(1) 建立識別框架。分析所要融合的數(shù)據(jù)樣本，得到數(shù)據(jù)融合后可能出現(xiàn)的所有命題，構(gòu)成D-S證據(jù)理論中的識別框架。
(2) 建立初始信任分配。在識別框架中，為每一個命題分配證據(jù)，并獲取它的基本概率分配函數(shù)。
(3)根據(jù)因果關(guān)系，計算所有命題的信任度。結(jié)合D-S證據(jù)理論中的信度函數(shù)和似然函數(shù)構(gòu)造識別框架中的每個命題的信任度。一個命題的信任度等于證據(jù)對它的所有前提的初始信任度之和。
(4)證據(jù)合成。最后利用D-S證據(jù)理論合成法融合多個證據(jù)提供的信息，對每個命題的信任度進(jìn)行合成，
(5)根據(jù)合成后的信任度決策出證據(jù)數(shù)據(jù)屬于哪一種命題，一般選擇信任度最大的命題。

3.4基于D-S證據(jù)理論的數(shù)據(jù)融合方法的不足之處及解決方法

隨著科技的發(fā)展和應(yīng)用領(lǐng)域的擴展，D-S證據(jù)理論在實際應(yīng)用中暴露出了一些問題，使得證據(jù)理論的融合效果受到很大的影響。比如焦元數(shù)量過多會導(dǎo)致計算量爆炸式增長，證據(jù)間嚴(yán)重沖突會導(dǎo)致證據(jù)理論得到錯誤的融合結(jié)果，如何根據(jù)實際應(yīng)用環(huán)境合理地得到基本概率分配函數(shù)等。
D-S證據(jù)理論的不足之處，總結(jié)為以下幾點:
(1)證據(jù)理論的條件問題
使用證據(jù)理論對數(shù)據(jù)進(jìn)行數(shù)據(jù)融合時，不僅證據(jù)理論推理過程需要滿足苛刻的外部條件，在應(yīng)用D-S證據(jù)理論組合規(guī)則時，還要保證從證據(jù)源中獲取的證據(jù)之間是相互獨立的。同時，識別框架中必須包含所有可能的結(jié)果，否則會導(dǎo)致識別框架不完整。
(2)焦元爆炸問題
在使用D-S證據(jù)理論對多傳感器系統(tǒng)中的目標(biāo)進(jìn)行融合計算時，在證據(jù)源過多的情況下，焦元個數(shù)和合成次數(shù)都會迅速增加，導(dǎo)致運算量出現(xiàn)指數(shù)級增長。
(3)獲取基本概率分配問題
由于D-S證據(jù)理論的應(yīng)用場景多種多樣，每種應(yīng)用場景所適合的方法也各不相同，因此沒有統(tǒng)一的獲取基本概率分配的方法。
(4)證據(jù)沖突問題
在證據(jù)理論中，證據(jù)沖突問題非常重要，容易造成融合結(jié)果出現(xiàn)嚴(yán)重錯誤,當(dāng)證據(jù)信息中存在嚴(yán)重沖突時，使用證據(jù)理論方法融合數(shù)據(jù)將會得到錯誤的融合結(jié)果，導(dǎo)致無法給出正確決策。在面對存在沖突的證據(jù)信息時，可以通過證據(jù)間的相互關(guān)系對證據(jù)進(jìn)行預(yù)處理操作，從而達(dá)到降低數(shù)據(jù)融合錯誤率的目的。產(chǎn)生沖突證據(jù)的主要原因有：識別框架不完整、數(shù)據(jù)源獲取的數(shù)據(jù)不可靠、構(gòu)造基本概率分配函數(shù)不合理等。

3.5對基于D-S證據(jù)理論的數(shù)據(jù)融合方法的改進(jìn)

目前關(guān)于D-S證據(jù)理論的研究主要有以下幾個方面:
(1)研究獲取基本概率分配函數(shù)的方法；
(2)研究證據(jù)預(yù)處理；
(3)改進(jìn)合成規(guī)則。

3.5.1近幾年文獻(xiàn)中提到的改進(jìn)方法

Kushwah A、Kumar S和Hegde R M提出了一種基于時態(tài)的證據(jù)理論的多傳感器融合方法，用于室內(nèi)活動識別。融合方法在D-S證據(jù)理論框架內(nèi)開發(fā)了一種增量沖突解決方法，在多傳感器環(huán)境中，將時間信息引入融合方法，所提出的框架被用于智能家居中的活動檢測，有助于輔助日常家居生活。
Zhao Y、Jia P和Shi P提出一種基于不一致測量的沖突證據(jù)組合方法。首先，提出了一種新的衡量兩個證據(jù)之間沖突的沖突系數(shù)。然后，通過計算相應(yīng)的折扣系數(shù)來修改互相沖突的證據(jù)。實驗結(jié)果驗證，新的沖突系數(shù)提高了Dempster組合規(guī)則的正確率。
Jiang W、Zhuang M和Qin X等人針對證據(jù)沖突問題，提出了一種基于不確定性度量的數(shù)據(jù)融合方法，將證據(jù)分為可信和不可信兩部分。然后，應(yīng)用提出的信息熵度量證據(jù)包含的信息量。最后，在使用Dempster組合規(guī)則融合之前，獲得每個證據(jù)的權(quán)重并調(diào)整證據(jù)。
Li C、Qing G和Li P等人基于粗糙集和D-S證據(jù)理論，建立了配電網(wǎng)設(shè)備運行風(fēng)險評估模型。在新的模型中，使用粗糙集理論對配電網(wǎng)設(shè)備運行風(fēng)險評估指標(biāo)進(jìn)行相應(yīng)調(diào)整和簡化，采用D-S證據(jù)理論結(jié)合最優(yōu)指標(biāo)。最后，根據(jù)融合結(jié)果中的基本概率分配做出決策，并從中獲取設(shè)備操作風(fēng)險等級。

3.5.2引入證據(jù)置信水平的改進(jìn)方法

通過引入證據(jù)置信水平可以改進(jìn)基于D-S證據(jù)理論的數(shù)據(jù)融合方法。證據(jù)距離描述了每條證據(jù)中所包含信息的相似程度，在解決沖突問題中具有顯著的作用，證據(jù)距離能夠?qū)⒆C據(jù)間相互支持的程度進(jìn)行量化，方便D-S證據(jù)理論的數(shù)值計算。證據(jù)置信水平和證據(jù)距離息息相關(guān)，目前己有算法主要用到的證據(jù)距離計算公式有歐氏距離、Jousselme距離等。

3.5.3針對融合規(guī)則的改進(jìn)方法

在D-S證據(jù)理論組合規(guī)則中，悖論主要是由識別框架的不完整性和歸一化步驟引起的。通過引入置信水平的改進(jìn)方法，己經(jīng)大大地減少了證據(jù)源數(shù)據(jù)沖突問題的影響。但是，知識不完善問題，即識別框架不完整所造成的沖突問題和一些特殊情況下的悖論問題仍然需要解決，因此，D-S組合規(guī)則也應(yīng)當(dāng)?shù)玫较鄳?yīng)地改進(jìn)。改進(jìn)后的D-S組合規(guī)則將證據(jù)兩兩進(jìn)行組合，而不是一次性融合所有證據(jù)。
改進(jìn)后的D-S組合規(guī)則將局部沖突按照最近的融合結(jié)果分配到相應(yīng)的命題中，而不是忽略隱藏在沖突證據(jù)中的信息，從而增強了融合結(jié)果的可靠性和合理性。

3.6對基于D-S證據(jù)理論的數(shù)據(jù)融合方法的應(yīng)用

3.6.1在隧道火災(zāi)檢測中的應(yīng)用

高速公路隧道內(nèi)的火災(zāi)對人們的生命財產(chǎn)安全有很大的威脅。早期的火災(zāi)檢測技術(shù) 主要是基于溫度傳感器，煙霧傳感器，光傳感器等等，傳統(tǒng)的火災(zāi)探測技術(shù)實時性差， 容易受到周圍環(huán)境的干擾，因此采用常基于視頻的隧道火災(zāi)探測技術(shù)。火災(zāi)的發(fā)生伴隨著煙和霧的產(chǎn)生，因此對隧道火災(zāi)的檢測分為火焰檢測和煙霧檢測兩部分。火焰和煙霧都屬于視頻中的運動目標(biāo)，因此首先要完成對背景和運動目標(biāo)的提取，然后對近似目標(biāo)進(jìn)行特征提取和分析。
通過對隧道火災(zāi)視頻的進(jìn)行處理，完成背景提取和近似火焰目標(biāo)的提取，利用火焰的三個特征：面積增長特性、閃爍性、形狀復(fù)雜度，完成對隧道火災(zāi)的檢測。對三 個特征檢測結(jié)果的檢測率和誤檢率進(jìn)行融合，得到更高的檢測率。對于有干擾存在的檢測結(jié)果，利用改進(jìn)的 D-S 證據(jù)理論融合算法能夠減少證據(jù)之間的沖突，得到較好的融合結(jié)果。對于融合結(jié)果中的不確定率，采用加入有效特征的檢測結(jié)果進(jìn)行融合，融合結(jié)果的檢測率得到了進(jìn)一步的提高。

3.6.2在行人檢測中的應(yīng)用

交通視頻監(jiān)測系統(tǒng)除了對道路上行駛的車輛進(jìn)行監(jiān)測，還可以對路面上的行人進(jìn)行監(jiān)測。當(dāng)路面有行人出現(xiàn)時，提前報警能夠使得駕駛員有更多的反應(yīng)時間，及時采取制 動措施，減少車輛對行人的碰撞。因此加強道路交通的行人檢測，對預(yù)防交通事故，保 證道路行車安全和行人的生命安全有很重要的作用。目前對行人的檢測方法有紅外線檢測，固定線圈檢測，噪聲檢測，還有基于視頻的檢測等方法。
采用行人視頻樣本庫對行人目標(biāo)進(jìn)行檢測，通過背景提取和目標(biāo)分割，對分離出來的運動目標(biāo)利用行人的特征：長寬比、面積、速度，對行人進(jìn)行識別，并進(jìn)行特征分析，最終實現(xiàn)對行人目標(biāo)的檢測。最后統(tǒng)計所有視頻的檢測結(jié)果，得到各個特征的檢測率，誤報率以及不確定率。實驗結(jié)果表明，融合后的檢測率比單個特征的檢測率更高，誤檢率下降。

4.結(jié)論

D-S 證據(jù)理論是一種分析解決不確定問題的方法，在不確定推理領(lǐng)域已廣泛使用。本文首先闡述了基于D-S證據(jù)理論的數(shù)據(jù)融合算法的基本思想，并且詳細(xì)分析了D-S證據(jù)理論對于實際生活中大量不確定問題，一般表現(xiàn)在：隨機性、模糊性以及不確定性的問題。針對D-S證據(jù)理論中最主要的證據(jù)沖突問題，證據(jù)理論都能對信息進(jìn)行較好分析處理，得到有效決策信息。對于證據(jù)理論，從其基本理論到信任度函數(shù)、公共函數(shù)、信任函數(shù)以及似然函數(shù)等一系列基本信息進(jìn)行了詳細(xì)介紹。D-S 證據(jù)理論能夠得到廣泛的應(yīng)用，主要由于其特點突出。但一些缺點限制了證據(jù)理論進(jìn)一步的推廣。
對于解決D-S證據(jù)理論中存在的證據(jù)沖突問題，提出了基于改進(jìn)D-S證據(jù)理論的數(shù)據(jù)融合方法。如引入巴氏距離，并進(jìn)行相應(yīng)優(yōu)化，通過計算證據(jù)間距離，得到每個證據(jù)的置信水平，通過證據(jù)置信水平對證據(jù)進(jìn)行預(yù)處理，預(yù)處理后解決了大部分證據(jù)沖突問題。并通過修改證據(jù)融合規(guī)則，使數(shù)據(jù)融合算法更合理的分配證據(jù)沖突，使改進(jìn)后的數(shù)據(jù)融合算法在數(shù)據(jù)融合過程中，即使受到?jīng)_突證據(jù)和一些噪聲數(shù)據(jù)干擾時，依然能保證良好的準(zhǔn)確率等。改進(jìn)D-S證據(jù)理論的數(shù)據(jù)融合方法可以更好地應(yīng)用于醫(yī)療、交通檢測、神經(jīng)網(wǎng)絡(luò)等領(lǐng)域。

5．心得體會

如今，移動互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)等相關(guān)技術(shù)飛速發(fā)展，伴隨而來的是數(shù)據(jù)量爆發(fā)式的產(chǎn)生和增長，同時，電子器件技術(shù)的發(fā)展使得數(shù)據(jù)源復(fù)雜多樣，如何快速有效地對大量數(shù)據(jù)進(jìn)行融合處理得出正確的結(jié)論和決策成為一個問題。
基于D-S證據(jù)理論的數(shù)據(jù)融合是多源數(shù)據(jù)融合技術(shù)中一個重要的方向，選擇這個方向撰寫課程報告，一則是為了深入學(xué)習(xí)了解基于D-S證據(jù)理論的數(shù)據(jù)融合技術(shù)，二則是為仿真實驗奠基。通過閱讀多篇期刊論文及碩士學(xué)位論文，我了解了多源數(shù)據(jù)融合技術(shù)與證據(jù)理論的形成與發(fā)展，以及他們在一些領(lǐng)域的應(yīng)用，如醫(yī)療領(lǐng)域和交通檢測領(lǐng)域。了解到一些相關(guān)的融合技術(shù)，如：基于加權(quán)平均算法的數(shù)據(jù)融合方法、基于卡爾曼濾波的數(shù)據(jù)融合方法、基于貝葉斯的數(shù)據(jù)融合方法、基于D-S證據(jù)理論的數(shù)據(jù)融合方法、基于產(chǎn)生式規(guī)則的數(shù)據(jù)融合方法、基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法和基于模糊集理論的數(shù)據(jù)融合方法等，并且詳細(xì)學(xué)習(xí)了其中的基于D-S證據(jù)理論的數(shù)據(jù)融合方法，對其理論及過程進(jìn)行了論述。針對D-S證據(jù)理論使用過程中存在的不足之處，進(jìn)行了總結(jié)，同時提出了改進(jìn)方法，除了引入證據(jù)置信水平、針對融合規(guī)則的基礎(chǔ)常見的改進(jìn)方法外，我還閱讀了幾個近幾年的期刊文獻(xiàn)，得到一些其他的解決方法，如：采用基于時態(tài)的證據(jù)理論的多傳感器融合方法，用于室內(nèi)活動識別；采用基于不一致測量的沖突證據(jù)組合方法；采用基于不確定性度量的數(shù)據(jù)融合方法將證據(jù)分為可信和不可信兩部分解決證據(jù)沖突問題；采用基于粗糙集和D-S證據(jù)理論，建立配電網(wǎng)設(shè)備運行風(fēng)險評估模型等。
本次多源數(shù)據(jù)課程的學(xué)習(xí)，我接觸并認(rèn)識了數(shù)據(jù)融合技術(shù)以及證據(jù)理論，知道了多源數(shù)據(jù)融合技術(shù)利用多個數(shù)據(jù)源或者信息源聯(lián)合評估處理的優(yōu)勢，來提高數(shù)據(jù)融合系統(tǒng)整體的有效性和準(zhǔn)確性，并通過此次課程報告任務(wù)對這一過程有了更加深入的了解，收獲頗多。

參考文獻(xiàn)

1.秦志強.數(shù)據(jù)融合技術(shù)及其應(yīng)用[J]. 兵工自動化，2003, 22(5):25-28.
2.黃漫國，樊尚春，鄭德智，等. 多傳感器數(shù)據(jù)融合技術(shù)研究進(jìn)展[[J].傳感器與微系統(tǒng)，2010, 29(3):5-8.
3.羅堪.基于信息融合的心血管信號處理方法研究[D]. 重慶理工大學(xué)，201l.
4.Kushwah A,Kumar S, Hegde R M. Mufti-sensor data fusion methods for indoor activity recognition using temporal evidence theory[J]. Pervasive&Mobile Computing, 2015, 21:19-29.
5.Zhao Y, Jia R, Shi P. A novel combination method for conflicting evidence based on inconsistent measurements[J]. Information Sciences, 2016, s 367-368:125-142.
6.Jiang W, Zhuang M, Qin X, et al. Conflicting evidence combination based on uncertainty measure and distance of evidence[J]. Springerplus, 2016, 5(1):1217.
7.Li C, Qing G, Li P, et al. Operational Risk Assessment of Distribution Network Equipment Based on Rough Set and D-S Evidence Theory[J]. Journal of Applied Mathematics,2013,(2013一12-23), 2013, 2013(1):1-7.
8.章巍.基于D-S證據(jù)理論的數(shù)據(jù)融合方法設(shè)計與實現(xiàn)[J]. 北京郵電大學(xué)，2018.
9.田佳霖.基于D-S證據(jù)理論的融合算法及其在交通事件檢測中的應(yīng)用[J]. 長安大學(xué)，2016.

總結(jié)

以上是生活随笔為你收集整理的基于D-S证据理论的数据融合研究与应用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。