《表1 基本概率分配 (BBA) 及焦元》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于证据等级的非主观近似算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。