《表3 Bayesian近似算法的处理结果》

  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

从表5的融合结果可见:ELNA的融合结果与Bayesian近似算法的融合结果基本保持一致。Bayesian近似算法仅对复合源进行了处理，其融合结果应和不经过近似处理的Dempster组合规则的融合结果一致，因此ELNA融合结果是可信的。Summarization近似算法的结果与其他方法存在一定的差异，主要问题在于融合确定性较低的证据（证据M4）对其结果产生的较大的影响，因为其融合前3个证据知之后的支持度依次为0.725、0.208、0.014、0.014、0.014、0.025，而融合第4个证据使其结果产生了较大的偏差。ELNA近似算法通过融合前的权重分配，对于像上例中的确定性较差的证据（证据M3、M4）给予较低的权重值，这样产生的融合结果基本是正确可信的。本文在处理确定性较差的焦元时会突出其主要的焦元，保留其最主要的信息。在最终的融合中这些信息能提高主要信息的支持度，使得证据的每个部分都有自己的用处，避免了信息的丢失。