基于云模型的基本概率赋值生成方法及应用

来源：电子与信息学报杂志2023年第3期北京时间：

作者：国强, 文伟璐, 王亚妮, 戚连刚, Kaliuzhny Mykola

单位：1.哈尔滨工程大学信息与通信工程学院 哈尔滨 1500012.先进船舶通信与信息技术工业和信息化部重点实验室 哈尔滨 1500013.中国电子科技集团公司第十研究所敏捷智能计算四川省重点实验室 成都 6100364.哈尔科夫国立无线电电子大学 乌克兰哈尔科夫 61166

摘要：针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题，该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数，并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后，用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明，该方法识别准确性高，且适用于样本较少的情况。

关键词：目标识别, 多源信息融合, 证据理论, 基本概率赋值, 云模型

基金资助：国家重点研发计划(2018YFE0206500)，国家自然科学基金(62071140)，国家国际科技合作专项(2015DFR10220)