《表1 基本概率分配 (BBA) 及焦元》
注:M4为含有10个焦元的证据,除了嵌套焦元(A,B)剩下的都为0.1的单焦元。
在这里假设某识别框架的概率分配函数及焦元如表1所示,分别使用本文的近似算法、非主观Bayesian近似算法和主观Summarization近似算法进行处理,处理后的结果如表2、3、4所示,再将这3种方法的处理结果分别进行融合,得到融合结果如表5所示。另外,若处理之后对应焦元的mass值为0,将无法进行证据理论合成,一般会对表中为0的部分进行微调,即根据实际情况加入相应的扰动值,方便进行合成计算。扰动值是作为替代0的存在,一般越小越好,通常按照数据的精确度设定相应的扰动值,例如本文数据的精确度只在小数点后2位,故使用扰动值ε=0.01。
图表编号 | XD007425700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.15 |
作者 | 陈鹏、何凯、余肖生 |
绘制单位 | 三峡大学计算机与信息学院、三峡大学计算机与信息学院、三峡大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |