论文研究 DSmT框架下的自适应通用分配法则.pdf
针对Dempster-Shafer证据理论(DST)及Dezert-Smarandache证据理论(DSmT)均无法处理不确定信息的问题,定义了辨识框架中的不确定因子,通过深入分析比较DSmT框架下的各个冲突分配法则(PCR),提出了一种基于PCR2的自适应通用分配法则(AUPR),并根据声纳的数学模型构造了一组新的声纳信度赋值函数(gbbaf),用以描述声纳获取的不确定和不精确信息,甚至于高冲突信息。最后,以Pioneer 2-DXe机器人为实验平台,绘制了实验场景的各种信度分布图。实验结果充分验证了所提方法的有效性和实用性,为信息融合理论中如何处理不确定信息提供了有力的理论依据。
用户评论