摘要: Dempster证据合成理论因其在不确定性问题上表述、组合等方面的优势而广泛地应用于信息融合、检测诊断和人工智能等领域。但其在证据高度冲突的情况下存在的反直观，甚至错误的问题。首先，本文从Dempster证据合成规则展开分析，提出了一种基于夹角余... 展开 Dempster证据合成理论因其在不确定性问题上表述、组合等方面的优势而广泛地应用于信息融合、检测诊断和人工智能等领域。但其在证据高度冲突的情况下存在的反直观，甚至错误的问题。首先，本文从Dempster证据合成规则展开分析，提出了一种基于夹角余弦的证据合成方法。在该方法中，首先利用Pignistic概率分析证据源，通过夹角余弦与阈值比较识别冲突证据，并利用证据间相关性对冲突证据进行修正，同时保留非冲突证据。最后利用Dempster证据合成规则完成融合计算。 然后，提出一种基于信息熵的证据聚类合成方法，在该方法中，首先利用Pignistic概率分析证据源，并通过信息熵解析证据相似度矩阵识别冲突证据，利用聚类值将证据源分成非冲突和冲突证据两大类。类内采用Dempster规则合成，两类间则根据加权系数最终实现证据合成。 实验表明，两种方法可以有效的处理高度冲突证据，尤其是在多个冲突证据的情况下也能获得很好的合成效果。最后将这两种方法应用于汽车智能故障诊断系统，通过实际应用案例，证明两种方法具有可行性。 收起