摘要：在信息高度冲突情况下,基于信度转移模型的关联二分类算法会出现分类精确率低、计算量大等问题。为解决这些问题,提出一种关联分类融合算法。由类关联规则的置信度构造基本概率指派函数,给出分类规则;基于Pignistic概率转换函数重构邓熵,结合PPT散度优化分类规则;通过解决概率转换函数的高冲突,使证据的高冲突问题得到有效改善,实验结果验证了这一点。实验结果还表明,分类准确性得到有效提升,与BJS散度等信度转移模型相比,计算量显著降低。

摘要：针对基于装备多源先验数据融合过程中可能存在数据冲突的问题,提出一种基于多源先验数据的装备测试性评估方法。针对装备设计、生产和制造过程中可能存在的测试性虚拟-实物试验数据、测试性预计信息和专家经验信息等先验数据,将其折合成先验分布参数形式。通过基于兰氏距离和邓熵改进的D-S证据理论来进行数据融合,得到最终测试性评估结果。通过实例分析发现,提出的方法较基于传统Bayes理论和经典D-S证据理论的测试性评估方法而言,其精度更高。