一.D-S证据理论引入
诞生
D-S证据理论的诞生：起源于20世纪60年代的哈佛大学数学家A.P. Dempster利用上、下限概率解决多值映射问题，1967年起连续发表一系列论文，标志着证据理论的正式诞生。

形成
dempster的学生G.shafer对证据理论做了进一步发展，引入信任函数概念，形成了一套“证据”和“组合”来处理不确定性推理的数学方法
D-S理论是对贝叶斯推理方法推广，主要是利用概率论中贝叶斯条件概率来进行的，需要知道先验概率。

而D-S证据理论不需要知道先验概率，能够很好地表示“不确定”，被广泛用来处理不确定数据。

适用于：信息融合、专家系统、情报分析、法律案件分析、多属性决策分析
二.D-S证据理论的基本概念
定义1 基本概率分配（BPA）
设U为以识别框架，则函数m:2u→[0,1]满足下列条件：
(1)m(ϕ)=0
(2)∑A⊂U m(A)=1时
称m(A)=0为A的基本赋值，m(A)=0表示对A的信任程度
也称为mass函数。

定义2 信任函数（Belief Function）
Bel:2u→[0,1]
Bel(A)=∑B⊂A m(B)=1(∀A⊂U)
表示A的全部子集的基本概率分配函数之和
精品文库 2
定义3 似然函数（plausibility Function）
似然函数表示不否认A的信任度，是所有与A相交的子集的基本概率分配之和。

定义4 信任区间
[Bel(A)，pl(A)]表示命题A的信任区间，Bel(A)表示信任函数为下限，pl(A)表示似真函数为上限
举例：如(0.25,0.85),表示A为真有0.25的信任度，A为假有0.15的信任度，A不确定度为0.6
三.D-S证据理论的组合规则
精品文库 3
ｍ个mass函数的Dempster合成规则
其中K称为归一化因子，1−K即∑A1⋂...⋂A n=ϕm1(A1)⋅m2(A2)⋅⋅⋅m n(A n)反映了证据的冲突程度
精品文库 4
四.判决规则
设存在A1,A2⊂U ,满足
m(A1)=max{m(A i),A i⊂U}
m(A2)=max{m(A i),A i⊂U且A i≠A1}
若有：
m(A1)−m(A2)>ε1
m(Θ)<ε2
m(A1)>m(Θ)
则A1为判决结果，ε1，ε2为预先设定的门限，Θ为不确定集合
五.D-S证据理论存在的问题
精品文库 5
(一)无法解决证据冲突严重和完全冲突的情况
精品文库 6
该识别框架为{Peter，Paul，Mary},基本概率分配函数为m{Peter},m{Paul},m{Mary} 由D-S证据理论的基本概念和组合规则进行解析
精品文库7
精品文库8
精品文库9
精品文库10
可以看出虽然在W1，W2目击中，peter和mary都为0.99，但是存在严重的冲突，造成合成之后的Bel函数值为0，这显然与实际情况不合，更极端的情况如果W1中
m{peter)=1,W2中m{Mary}=1,则归一化因子K=0，D-S组合规则无法进行
精品文库11
精品文库12
精品文库13
精品文库14
精品文库15
精品文库16
精品文库17
精品文库18
(二)难以辨识模糊程度
由于证据理论中的证据模糊主要来自于各子集的模糊度。

根据信息论的观点，子集中元素的个数越多，子集的模糊度越大
精品文库19
精品文库20
(三)基本概率分配函数的微小变化会使组合结果产生急剧变化
精品文库21
精品文库22
精品文库23
在学习笔记（一）中，对D-S证据理论引入，对D-S证据理论的基本概念和存在的问题进行了学习。

学习笔记（二）对证据理论的改进方法进行学习，主要学习了Yager的合成公式
一.Yager合成公式
精品文库24
改进中主要引入了m(X)，把冲突给了未知命题
精品文库25
精品文库26
精品文库27
精品文库28
精品文库29
二.Yager合成公式改进
为了解决多个证据中有一个证据否定A，则合成结果也否认A，对Yager公式进行改进
精品文库30
精品文库31
精品文库32
精品文库33
例2：
精品文库34
精品文库35
精品文库36。