0 引言

DSmT证据理论能够跳出D-S理论框架的局限，解决不确定、高冲突、不精确的证据源的组合问题［1-5］，在信息融合中有着广泛的应用。DSmT保留了矛盾焦元，弥补了D-S在证据矛盾时不能得到合理融合结果的缺陷，但同时带来了主焦元信度赋值收敛速度慢，推理过程更为复杂，计算量大等问题。如何对DSmT进行改进以实现多源信息的有效融合是当前研究中迫切需要解决的问题之一。为此，专家学者提出了许多的改进方法，其改进思路大致可以分为两大类：一是基于DSmT组合规则的改进，二是修正证据源。基于DSmT组合规则的改进研究，关键是解决冲突信息的分配问题：一方面，冲突信息应该分配给哪些子集；另一方面，冲突信息应以多大的比例分配给这些子集。文献［6］提出将冲突信息分配给对应子集的并集，该方法有效减少了算法的计算量，但没有改善主焦元的信度赋值的收敛速度，并增加了系统的不确定性；文献［7］认为冲突应尽可能地在涉及到的焦元间按照相应的比例进行分配，该方法提高了主焦元的信度赋值收敛速度，但没有考虑证据合成后效果的可靠性；文献［8］提出利用PCR规则对冲突信息进行再分配，提高了融合结果的合理性，但只考虑了产生矛盾信息的单焦元，且当证据比较多时，较重的计算负担仍是其存在的主要问题。文献［9］提出将冲突信息按照一定的比例分配给对应子集及其并集，使算法的计算量得以大大减少，主焦元的信度赋值收敛速度有一定的增加，但没考虑证据体的关联程度。

通过分析局部矛盾信息产生的原因，本文引入冲突系数和冲突距离共同度量证据间的冲突程度，充分利用了证据之间的关联信息。在此基础上，从焦元可信度的角度提出了一种基于局部冲突再分配的改进DSmT证据组合规则。该算法通过Jousselme距离得到加权平均的焦元支持度，给出产生冲突信息的非单焦元支持度的计算方法，并对产生矛盾信息的各焦元进行归一化得到各焦元的可信度，然后将其作为局部冲突再分配的加权因子。分析结果表明，本文所提改进的DSmT算法可有效降低决策的风险，提高目标识别的效果。

1 经典DSmT算法及已有改进方法简介

经典DSmT证据融合规则：假定识别框架Θ上有性质不同的m条证据，其焦元均为，则m条证据的融合规则如下：

在我国教育教学改革力度不断加大的新形势下，后进生的转化工作受到了高度重视，而在小学语文教育教学活动中出现后进生的主要原因有：

 

与D-S证据组合规则相比，DSmT保留矛盾信息项并将其作为证据融合的焦元，不需要将各焦元的基本概率赋值函数进行平均分配，这样可以很好地解决证据矛盾时的组合问题，但也存在一定的问题。分析DSmT证据组合规则可以看出，随着矛盾焦元赋值的增加，相应地被分配给主焦元的信度赋值就会减少，致使主焦元信度赋值收敛较慢，且推理过程中的计算量大大增加，识别效果也不是很好。

基于局部冲突信息再分配的改进DSmT证据组合规则［8-9］介绍：

1.1 胡丽芳的DSmT改进规则

胡丽芳等人在保留冲突焦元的基础上对支持证据的冲突信息进行重新分配，即将冲突信息在涉及到的焦元及其焦元并集间按照各自所占的比重进行分配，有效提高了目标识别的收敛速度。但该规则没有考虑证据融合过程中产生冲突信息的焦元的支持度，在一定程度上限制了该规则的适用范围。

1.2 基于PCR规则的改进

PCR规则是辛玉林等人在经典DSmT的基础上提出的改进的证据组合规则，它认为冲突信息的产生只来自于识别框架下的单焦元，不确定信息不参与产生冲突，矛盾信息只在单焦元间按照其所占比重进行分配。该规则对证据的合成顺序没有要求，且保持无效信度赋值的中立性。但当证据比较多时，计算量仍是其存在的主要问题。

2 新改进的DSmT证据组合规则

本文考虑从修正DSmT组合规则和提高不同证据源可信度两方面对DSmT算法进行改进。具体做法是通过引入冲突距离和冲突系数共同度量证据源间的冲突程度，在此基础上提出一种产生矛盾信息的各焦元的可信度计算方法，并将其作为冲突再分配的权重，进而给出基于局部冲突信息进行再分配的准则。

2.1 识别框架下各焦元的支持度的计算

描述证据间关联程度的方法有多种，本文利用Jousselme距离计算证据体的相似度、支持度、可信度等特征，进而给出求取各焦元支持度的方法。

目前的导航卫星系统包括GPS、北斗、伽利略和格罗纳兹四个体系，同一地点一般情况下可见卫星数在20颗以上[8]。通过读取导航卫星星历数据，可以得到当前经纬度下，大地坐标系中，导航卫星的方位角和俯仰角(方位角以正东方向为0°，顺时针为负，俯仰角是与水平面的夹角)。某地点某时刻下的导航卫星分布情况如图2所示。

定义1 假设Θ为一包含n个不同焦元的识别框架，即，证据源 mi和 mj是 Θ上的两个证据，给定某种框架下的一个正定矩阵，那么两个证据源之间的冲突距离定义为

2.2.3 管理情况 很多中职教师认为，授课内容比较重要，对学生违反课堂秩序的行为不加以制止，使其变本加厉；有些教师温和胆小，上课时不看学生，不了解学生的接受能力，难免会出现课堂问题行为；有些教师处理不当，会将小问题变成大问题；还有些教师喜欢训斥、威胁甚至恐吓学生，容易引起学生的逆反情绪和课堂问题行为。

 

式中是一2m×2m的矩阵，矩阵中的元素为

 

假设识别框架Θ下的主焦元Ai间是兼容的，即，直接将经过‘交’运算得到的赋值结果赋给相应的子集；若主焦元之间是互不兼容的，即，得到的赋值结果中的冲突量按照对应子集和并集在证据中的比重进行重新分配，以下定义一个集合P1来表示这些互不兼容的主焦元，即

冲突距离d考虑了两个证据间焦元及其基本概率赋值大小的综合影响，反映了证据间的差异性。而D-S证据理论中的冲突系数k反映了证据间的互斥性，但k无法有效度量证据间的冲突。为更好地描述证据间的冲突程度，综合利用证据间的差异性和互斥性来刻画证据间的不一致测度，可定义两条证据间的不一致测度cf［10-11］如下：

 

证据相似度的大小用来衡量两个证据源之间的关联程度，其值越大，说明两个证据的相似程度越大。因此，通常将证据源mi与mj间的相似度定义为

 

定义2 设有m条证据，则证据mi被其他m-1条证据支持的程度定义为

 

定义3 定义证据源mi的可信度为

 

［1］何友，王国宏，彭应宁，等.信息融合理论及应用［M］.北京：电子工业出版社，2010.

其中

 

2.2 基于局部冲突对应焦元支持度的计算及分配准则

其中，为对应Shafer模型下A的基数，CM（A）则对应DSmT框架下Venn图中子集A包含的最简元素的个数。

 

从图1、图2中可以看出，在证据没有发生冲突且探测条件比较好的情况，D-S证据组合规则的融合效果优于DSmT组合规则及其改进算法。但在探测条件比较差尤其是在证据间发生高度冲突的时候，相对其他算法来说，本文所提的改进DSmT算法能够较好地排除干扰的影响，快速地识别出目标，降低了决策的风险。

当识别框架下互不兼容的主焦元数大于等于3时，考虑到要降低系统的不确定性，产生冲突信息的非单焦元的信任度应尽量小，故将集合P2中的并集作为新证据中的焦元支持度定义如下：

定义5

万历三十六年十一月朱赓死，继任首辅的应当是叶向高而不是李廷机。理由是二人官职相同，而且此前一个月李就养病不到内阁办公，这种状况一直持续到他退休。万历二十六年十月至二十九年九月，赵志皋在家养病，那么首辅为何不是沈一贯呢？原因在于：赵志皋官职排名于沈一贯之前，且他在养病前已继任首辅。《明史》承认这两种情形的不同，分别记载：“会志皋于九月卒，一贯遂当国。”［2］（卷218，沈一贯传）“明年，首辅赓亦卒，次辅廷机以人言久杜门，向高遂独相。”［2］（卷240，叶向高传）

 

其中，。

另外，根据证据体的特征，定义集合P2中参与融合的各子集可信度如下：

定义6 设，则其可信度定义为

 

式（11）中，反映了Ai作为新证据中的焦元与剩余证据进行融合时产生的矛盾信息进行再分配的加权因子的大小。

在集合P2中，令

 

考虑到证据的信任度和焦元的可信度存在不一致，对证据组合产生的矛盾信息和在分配时应予以区分。基于局部冲突再分配的合成原则，计算冲突量对应子集及其并集在证据间的分配比重分别如下：

 

于是，基于DSmT证据理论的改进融合规则可描述如下：

 

定义4 利用证据源的可信度，定义各焦元的支持度为

云南少数民族地区农村劳动力外出务工意愿的Order Logisitic回归模型，通过了极大似然法的卡方显著性检验，说明因变量与解释变量的概率关系显著，具体概率关系见表2。

 

 

与胡丽芳的DSmT改进算法相比，本文所提的改进DSmT算法充分考虑了证据组合产生矛盾信息的各焦元的可信度，并将其作为局部冲突信息再分配的加权因子。该算法不仅降低了系统的不确定性，在一定程度上加快了主焦元信度赋值的收敛速度，且将DSmT框架下的矛盾信息在涉及到的焦元及其并集间按照各自所占的比重进行分配的准则大大减少了算法的计算负担。

本工程采用的混凝土是商用混凝土，要求混凝土坍落度控制在180mm，上下波动不大于30mm。由于坡屋面施工时用水养护不易，需要在混凝土中适量混入缓凝剂，并使用薄膜包裹。养护不少于14d，避免混凝土出现开裂问题。

水沿着南门北门的出水口蜂拥而至，城内的洪水也已过了膝，一些泥墙经不住雨水冲刷，轰然倒塌，露出断壁残垣。城外的士兵暂时全都收缩进城，家家户户都被官兵们撞开，遵守军纪的，翻寻点食物后留个一块半块银元，但大多兵士却如入无人之境，翻箱倒柜，见什么拿什么。

3 算法验证及结果分析

下面通过两个算例，分析、对比D-S证据组合规则、DSmT经典组合规则、胡丽芳的DSmT改进算法以及本文所提改进的DSmT算法在信息发生不同冲突情况下的目标识别效果。

例1假设现有由传感器扫描获得关于目标A、B、C 的概率赋值的 4个证据源，其中 m（A）、m（B）和m（C）表示识别目标A、B和C的基本概率赋值函数。

 

考虑由于传感器失灵或传感器工作时受到自然环境各种干扰的影响，使得证据源m2与其他证据体不一致。从4条证据的数值情况可以看出，它们共同支持目标A的程度要比支持B、C两个目标的程度要大，融合后的信度赋值中m（A）应最大。采用不同的组合规则进行目标识别的结果，如表1所示。

 

表1 4种不同组合规则的目标识别结果比较

  

D-S组合规则DSmT经典组合规则胡丽芳的DSmT改进方法改进DSmT算法融合结果m（A） 0 0 0 m（B） 0.857 1 0.666 7 0.666 6 m（C） 0.142 9 0.333 3 0.333 3 m（A） 0 0.300 0 0.592 0 m（B） 0.180 0 0.092 0 0.057 1 m（C） 0.030 0 0.111 0 0.050 0 m（A∪B） 0.450 0 0.108 0 0.103 6 m（A∪C） 0.050 0 0.018 0 0.118 8 m（B∪C） 0.290 0 0.057 0 0.020 3 m（A∪B∪C） 0 0.314 0 0.058 2 m（A） 0.101 2 0.346 6 0.648 0 m（B） 0.432 6 0.178 5 0.075 2 m（C） 0.071 3 0.133 3 0.054 1 m（A∪B） 0.225 0 0.149 3 0.093 2 m（A∪C） 0.025 0 0.036 8 0.071 2 m（B∪C） 0.145 0 0.076 9 0.018 3 m（A∪B∪C） 0 0.078 5 0.040 1 m（A） 0.170 8 0.430 6 0.710 4 m（B） 0.353 3 0.115 5 0.048 3 m（C） 0.080 8 0.136 0 0.048 0 m（A∪B） 0.225 0 0.131 6 0.071 9 m（A∪C） 0.025 0 0.050 0 0.076 5 m（B∪C） 0.145 0 0.057 8 0.012 7 m（A∪B∪C） 0 0.078 5 0.032 2

从表1中可以看出，D-S组合规则无法处理这种高冲突证据的融合问题，而经典DSmT组合规则随着证据体数目的增多，也能正确地识别出目标A。胡丽芳的DSmT改进方法和本文所提的改进DSmT算法都比上述融合规则效果好，而且本文所提的改进DSmT算法效果始终比胡丽芳的DSmT改进方法要好，说明本文所提的改进DSmT算法的收敛速度明显优于其他算法。

下面给出一个以多传感器识别系统为背景的仿真算例。

例2假设空中有3架敌方飞机A、B、C都从与我机相距100 km处相对均匀飞行，飞机的相对速度均为1 000 m/s，其中A机为战斗机，B、C两机均为民航客机。我方飞机的自动识别系统有敌我识别器、红外传感器、雷达和光电传感器，每隔1 s进行采样一次。敌我识别器提供敌机、我机的识别信息，雷达、红外传感器和光电传感器提供飞机类型信息。敌我识别器正确判断A、B、C 3架飞机信息的置信度始终分别为；雷达、红外传感器和光电传感器在100 km处对A、C两机分别有0.3、0.6的可能性正确识别飞机类型，对B机飞机类型的置信度始终为0.1；在10 km处，雷达、红外传感器和光电传感器有0.7的可能性正确识别A机类型，在此期间，正确判断A机类型的可能性随着距离的接近均匀增大。在两机相距30 km～20 km处，我机红外传感器被干扰，正确判断两机类型的A、B可能性均为0。

图1给出了探测条件相对较好的情况下不同组合规则下的仿真结果，图2给出了探测条件比较差的情况下不同组合规则下的仿真结果。

  

图1 敌我识别器对目标A、B飞机类型的置信度 x1、x2始终分别为 0.9、0.05

  

图2 敌我识别器对目标A、B飞机类型的置信度 x1、x2始终分别为 0.000 1、0.499 9

另外，将冲突焦元要分配给对应子集和并集的集合标记为P2，则。

4 结论

参考文献：

Remote sensing interpretation analysis of gullies debris flow spatial distribution of XiaoJiang

针对能够较好解决矛盾信息融合问题的DSmT理论及其应用进行了深入的研究，在冲突信息再分配的基础上，提出了一种有效的DSmT改进方法。本文利用证据的互斥性和差异性共同度量证据间的冲突程度，并根据证据体的相似度、支持度、可信度等特征给出参与融合产生矛盾信息的各焦元的可信度。在此基础上，设定局部冲突信息再分配的准则，即将冲突量在涉及到的子集及并集间按照其所占的比重进行分配，既减少了DSmT组合规则中计算量，又保证了目标识别算法的收敛速度。理论分析和实验结果表明，本文所提改进的DSmT算法能够在探测条件比较差且存在干扰的情况下快速地识别出目标，具有良好的收敛性和可靠性，有效提高了信息融合结果的合理性。

爱美之心人皆有之。在当今社会中，越来越多的青少年喜欢使用唇膏、指甲油、粉底液、眉笔等化妆品来打扮自己。却不知道，化妆品作为一种日用品，含有多种添加剂，可导致青少年性早熟、身材矮小等多种内分泌疾病。

所有变量的基本统计特征见表2.控制变量标准差普遍较小，说明市场较为稳定，数据波动较为平缓．解释变量中，P2P网贷增长率(P2P)的标准差最高，说明网络融资风险较高，具有较高的不稳定性；第三方支付交易增长率(TP)次之，但其与控制变量相比波动性较大，主要是由于近些年来市场大规模的增加，提高了消费者对在线支付的需求；互联网金融指数(IBI)标准差最小，但较控制变量仍旧较高，说明我国互联网金融的整体水平波动较大．被解释变量总资产收益率(ROA)的标准差较非利息收入占比(PER)较高，说明总资产收益率受到了某种原因影响产生波动，非利息收入占比则较为稳定．

显然。若，说明证据源mi与mj完全冲突，为使式（7）有意义，规定supi=0时。

［2］潘泉.多源信息融合理论及应用［M］.北京：清华大学出版社，2013.

贾楠(1983-)，女，辽宁省营口人，硕士研究生，毕业于美国天普大学，现有职称：中级经济师，研究方向：经济管理。

［3］李新德，黄心汉.多源不完善信息融合方法及其应用研究［D］.武汉：华中科技大学，2007.

［4］郭强，何友，关欣，等.一种多子焦元信度赋值非零情况下的DSmT近似融合推理方法［J］.电子学报，2015，439（10）：2069-2075.

［5］DEZERT J，SMARANDACHE F.Advances and application of DSmT for informaiton fusion［M］.Rehoboth： American Research Press，2004.

［6］DUBOIS D，PRADE H.Represent and combination of uncertainty with belief functions and possiblity measures［J］.Comput.Intell，1988，4（3）：244-264.

在这个信息时代，网络的发展是飞速的。现在的大学生都喜欢在网上浏览信息，而网络文化，其实也可以算作校园文化的一种。我们需要对网络进行正确认识，进行网络文化的建设，例如建设网上校园，针对校园师生所关注的舆论进行权威的报道以及解释，另外也可以在网上校园增添就业环节，提供面试技巧以及职场技能。网络的发展虽然让有些大学生沉迷其中，但是如果我们能够加以引导，网络也是校园文化建设的利器，是思想政治教育的重要手段。

［7］LEFEVRE E，COLOT O.A generic framework for resolving the confliction the combination of belief structures［C］//The 3rd International Conference on Information Fusion，2000.

加强组织领导是做好防汛工作的关键，平塘县结合实际，成立了以分管副县长为指挥长，县政府办、武装部、水利局、农村工作局负责人为副指挥长，县直有关单位负责人为成员的山洪灾害防御指挥部，并明确成员单位职责。同时，各乡镇也成立防汛抗旱指挥部，有山洪灾害防御任务的村成立防汛工作组。

［8］辛玉林，邹江威.DSmT理论在综合敌我识别中的应用［J］.系统工程与电子技术，2010，32（11）：2385-2388.

［9］胡丽芳，关欣，何友.一种新的基于DSmT的合成公式［J］.火力与指挥控制，2009，34（7）：9-11.

［10］蒋雯，张安，邓勇.基于新的证据冲突表示的信息融合方法研究［J］.西北工业大学学报，2010，28（1）：27-31.

［11］谷雨，左燕，彭冬亮.基于HLA的多雷达组网信息融合仿真系统［J］.火力与指挥控制，2015，40（6）：136-139.