Resumen

Para resolver el problema de invalidación de la teoría de la evidencia de Dempster-Shafer (DS) con alto conflicto en la fusión de datos multisensor, este trabajo presenta un novedoso enfoque de combinación de evidencia de conflicto con diferentes factores de ponderación utilizando una nueva medida de disimilitud probabilística. En primer lugar, se propone una función de transformación probabilística mejorada para mapear las asignaciones de creencias básicas (BBA) a probabilidades. A continuación, se propone una nueva medida de disimilitud que integra la proximidad difusa y el coeficiente de correlación introducido para caracterizar no sólo la diferencia entre las funciones de creencia básicas (BBA), sino también el grado de divergencia de la hipótesis que apoyan dos BBA. Por último, se desarrollan los factores de ponderación utilizados para reasignar los conflictos en las BBA y se elige la regla de Dempster para combinar las fuentes descontadas. Se emplean ejemplos numéricos sencillos para demostrar las ventajas del método propuesto. Mediante el análisis y la comparación de los resultados, el nuevo enfoque de combinación puede resolver eficazmente el problema de la gestión de conflictos con un mejor rendimiento de convergencia y solidez.

• Materias:Redes de sensores Sensores inalámbricos Sistema de sensores Sensor inteligente Sensores electroquímicos
• Subjects:Sensor networks Wireless sensors Sensor system Intelligent sensor Electrochemical sensors
• Palabras claves:bbas, nueva medida de disimilitud probabilística, ejemplos numéricos sencillos, asignaciones de creencia básicas, funciones de creencia básicas, mejor rendimiento de convergencia, diferentes factores de ponderación, fusión de datos multisensor, nuevo enfoque de combinación, nueva medida de disimilitud
• Keywords:bbas, new probabilistic dissimilarity measure, simple numerical examples, basic belief assignments, basic belief functions, better convergence performance, different weighting factors, multisensor data fusion, new combination approach, new dissimilarity measure