一种分层递阶DSmT快速近似推理融合方法技术

本发明专利技术公布了一种分层递阶的ＤＳｍＴ快速近似推理融合方法。该方法针对超幂集空间中仅单子焦元具有信度赋值的情况，利用二叉树和三叉树分组技术对其进行刚性分组，以便实现不同粒度焦元的映射。与此同时，对每个信息源对应的各个分组焦元进行信度赋值求和，然后运用ＤＳｍＴ组合规则和比例冲突分配规则对粗化超幂集空间的两个信息源进行融合，保存该融合结果作为父子之间节点连接权值，接着对每个分组焦元信度赋值归一化处理。通过设定树的深度，来确定分层递阶的次数。本发明专利技术具有计算简单，运算效率高，近似计算结果鲁棒性好等优点，能够有效地解决ＤＳｍＴ证据推理随着鉴别框焦元的增加而导致的计算瓶颈问题。

【技术实现步骤摘要】

专利技术涉及，属于Dezert-Smarandache Theory(DSmT)的不确定信息近似推理融合的

技术介绍
随着计算机科学的发展，越来越多的信息获取、融合和管理系统要求智能有效地处理复杂的不完善信息(包括不确定信息、不完全信息、不一致信息和不精确信息，以及定量和定性信息)，于是对信息融合的理论方法提出了更高的要求，传统的方法很难适应这种高要求。Dezert-Smarandache Theory(DSmT)是由法国的资深科学家Jean Dezert博士和美国的著名数学家Florentin Smarandache教授于2003年共同提出来的一种新的推理理论“Advances and Applications of DSmT for Information Fusion.”(FlorentinSmarandache and Jean Dezert.American Research Press，Rehoboth，USA，Vol.1，Vol.2and Vol.3，2004/2006/2009)。它是从概率论和D-S证据推理理论的基础上发展起来的，能够有效地解决本文档来自技高网...

【技术保护点】
一种分层递阶ＤＳｍＴ快速近似推理融合方法，其特征在于包括如下步骤：　第一步：当超幂集空间中的单子焦元个数ｎ大于３，则转入第二步；否则转入第四步，其中ｎ为自然数；　第二步：焦元分组　当超幂集空间中有超过两个零赋值单子焦元，则 将所有赋值为零的单子焦元归为一组，并采用部分零赋值的单子焦元分组融合处理方法处理所有赋值为零的单子焦元得到父子之间节点的连接权值，转入第五步；其余非零赋值单子焦元归为另一组，对其进行归一化处理，然后采用非零赋值的单子焦元分组融合处理方法处理所有赋值不为零的单子焦元得到粗粒度焦元的信度赋值，转入第四步；当没有超过两个的零赋值单子焦元，则直接转...

【技术特征摘要】
1、一种分层递阶DSmT快速近似推理融合方法，其特征在于包括如下步骤第一步当超幂集空间中的单子焦元个数n大于3，则转入第二步；否则转入第四步，其中n为自然数；第二步焦元分组当超幂集空间中有超过两个零赋值单子焦元，则将所有赋值为零的单子焦元归为一组，并采用部分零赋值的单子焦元分组融合处理方法处理所有赋值为零的单子焦元得到父子之间节点的连接权值，转入第五步；其余非零赋值单子焦元归为另一组，对其进行归一化处理，然后采用非零赋值的单子焦元分组融合处理方法处理所有赋值不为零的单子焦元得到粗粒度焦元的信度赋值，转入第四步；当没有超过两个的零赋值单子焦元，则直接转入第三步；第三步对第二步所述没有超过两个的零赋值的超幂集空间中所有单子焦元进行二叉树或者三叉树分组，并得到各个分组的单子焦元信度赋值之和即粗粒度焦元的信度赋值，转入第四步；第四步将第三步所述的粗粒度焦元的信度赋值或第一步所述的单子焦元的赋值或第二步所述的粗粒度焦元的信度赋值经过DSmT和比例冲突分配规则PCR5进行粗粒度信息融合得到父子之间节点的连接权值，转入第五步；第五步当经过融合后的第二步所述的所有赋值为零的单子焦元和第四步所述的单子焦元的最终分组中单子焦元的最少保留个数达到二叉树或者三叉树的深度，则得到超幂集空间中的每个单子焦元的信度赋值，并结束；否则转入第六步；第六步对各个分组的单子焦元进行归一化处理，返回第一步。2、根据权利要求1所述的一种分层递阶DSmT快速近似推理融合方法，其特征在于所述非零赋值的单子焦元分组融合处理方法包括如下步骤a)焦元分组，包括二叉树分组方法和三叉树分组方法采用二叉树的方式分组当单子焦元个数n为偶数，将超幂集空间中单子赋值焦元集合Sc＝{θ1，θ2，...θn}中前面的n/2个单子焦元聚为一组，后面的n/2个聚为...

【专利技术属性】
技术研发人员：李新德，吴雪建，
申请(专利权)人：东南大学，
类型：发明
国别省市：84[中国|南京]