qq_44394952的博客

// 主函数main.mclear allclcE={'';'a';'b';'c';'ab';'ac';'bc';'abc'}; %三个证据基本置信度指派函数M1=[0,0.35,0.25,0.15,0.06,0.05,0.04,0.10];M2=[0,0.45,0.15,0.05,0.06,0.15,0.04,0.10];M3=[0,0.55,0.15,0.05,0.06,0.05,0.10,0.04];%求信任度函数belbe1_M1=Bel(M1);%求似真度函数plp

matlab源码链接见文章末尾基于D-S证据理论的数据融合方法的基本思想D-S证据理论是一种不确定性推理方法，所处理的数据信息大多是具有不确定性的，该方法能够摆脱对先验概率的依赖，把难以下手分析和处理的完整问题分解成很多易于处理的子问题，利用D-S证据理论将子问题的分析结论综合起来，采用数学推理推理的融合方式得到最终的融合结果。D-S证据理论由识别框架、基本概率分配函数、信任函数、似然函数和合成规则构成。基本思路(1) 建立识别框架。分析所要融合的数据样本，得到数据融合后可能出现的所有命题，构成D

基于D-S证据理论的数据融合研究与应用1．课题背景及研究的目的和意义1.1课题背景证据理论源于20世纪60年代美国哈弗大学的数学家A.P.Dempster 利用上、下概率来解决多值映射问题方面的研究工作。后来他的学生G.Shafer对证据理论引入了信任函数和似然函数的概念，形成了一套利用证据和组合来处理不确定性推理问题的数学方法。如今，电子器件技术、数据处理技术以及网络技术发展迅猛，只包含单一数据源的数据融合系统在实际应用中已发挥不出应有的效果。多源数据融合技术本质上就是对人脑处理复杂问题过程的模仿