文章目录完整代码：写成函数的形式 总结
前言
?论文名称：A newbased onandfor multi-sens（一种基于系数和信息熵的多传感器数据融合的新组合方法）
论文信息：由北京交通大学张阳等人2023年6月发表在《 and》期刊上
论文链接：
论文主要贡献:
一、DS证据理论合成规则计算
阅读以上的几篇内容可以发现，计算时习惯把证据作为行，事件作为列 。因此，为方便计算，这里也写成同样的形式，其实就是将上面矩阵做一个转置：
暂且把上面这些数据组成的矩阵称之为证据-事件矩阵 。
根据上面的融合规则，首先计算 m 1 m_{1} m1?和 m 2 m_{2} m2?的融合结果：
F i r s t ： c o m p u t e K ； K 表示的是事件交集不为空的两个 m a s s 函数的乘积的和 First： \quad K；K表示的是事件交集不为空的两个mass函数的乘积的和 First：；K表示的是事件交集不为空的两个mass函数的乘积的和
K = m 1 ( A ) ? m 2 ( A ) + m 1 ( B ) ? m 2 ( B ) + m 1 ( C ) ? m 2 ( C ) + m 1 ( A , C ) ? m 2 ( A , C ) + m 1 ( A ) ? m 2 ( A , C ) + m 1 ( C ) ? m 2 ( A , C ) + m 2 ( A ) ? m 1 ( A , C ) + m 2 ( C ) ? m 1 ( A , C ) = 0.41 ? 0 + 0.29 ? 0.9 + 0.3 ? 0.1 + 0 ? 0 + 0.41 ? 0 + 0.3 ? 0 + 0 ? 0 + 0.1 ? 0 \begin{align*} K=m_{1}(A)*m_{2}(A)+m_{1}(B)*m_{2}(B)+m_{1}(C)*m_{2}(C)+m_{1}(A,C)*m_{2}(A,C)\\+m_{1}(A)*m_{2}(A,C)+m_{1}(C)*m_{2}(A,C)\\+m_{2}(A)*m_{1}(A,C)+m_{2}(C)*m_{1}(A,C)\\=0.41*0+0.29*0.9+0.3*0.1+0*0+0.41*0+0.3*0+0*0+0.1*0 \end{align*} K=m1?(A)?m2?(A)+m1?(B)?m2?(B)+m1?(C)?m2?(C)+m1?(A,C)?m2?(A,C)+m1?(A)?m2?(A,C)+m1?(C)?m2?(A,C)+m2?(A)?m1?(A,C)+m2?(C)?m1?(A,C)=0.41?0+0.29?0.9+0.3?0.1+0?0+0.41?0+0.3?0+0?0+0.1?0?
S e c o n d ： c o m p u t e m a s s 函数 ：\quad mass函数 ：函数
m 12 ( A ) = 1 K ? [ m 1 ( A ) ? m 2 ( A ) + m 1 ( A ) ? m 2 ( A , C ) + m 2 ( A ) ? m 1 ( A , C ) ] = 1 K ? [ 0.41 ? 0 + 0.41 ? 0 + 0 ? 0 ] \begin{align*} m_{12}(A) = \frac{1}{K}*[m_{1}(A)*m_{2}(A)+m_{1}(A)*m_{2}(A,C)+m_{2}(A)*m_{1}(A,C)]\\=\frac{1}{K}*[0.41*0+0.41*0+0*0]\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad \end{align*} m12?(A)=K1??[m1?(A)?m2?(A)+m1?(A)?m2?(A,C)+m2?(A)?m1?(A,C)]=K1??[0.41?0+0.41?0+0?0]?

文章插图
m 12 ( B ) 、 m 12 ( C ) 、 m 12 ( A , C ) 计算同理，然后两两计算，得到最终的融合结果 。m_{12}(B)、 m_{12}(C)、 m_{12}(A,C)计算同理，然后两两计算，得到最终的融合结果 。m12?(B)、m12?(C)、m12?(A,C)计算同理，然后两两计算，得到最终的融合结果 。
import numpy as npnp.set_printoptions(precision=8)def DS_cal(mat:np.ndarray): # 输入mat是证据-事件矩阵# 计算两两证据融合的结果，直到全部融合# 思路：计算m1和m2的融合结果m12，把m12的值赋值给m2，然后计算m2和m3，得到的值赋给m3，...，依次直至计算到最后一列i = 0while i>>[0.0.1422 0.8578 0.]
对比论文中结果，计算无误 。
二、论文提出的方法的计算过程1、构造相关矩阵，并对其进行修正 。
import numpy as npmat = np.array([[0.41,0.29,0.3,0], [0,0.9,0.1,0], [0.58,0.07,0,0.35],[0.55,0.1,0,0.35],[0.6,0.1,0,0.3]])S = np.zeros((mat.shape[0],mat.shape[0]))D = np.zeros((mat.shape[0],mat.shape[0]))def r_(x):return1/ (1+np.exp(-5*x))for i in range(S.shape[0]):for j in range(S.shape[1]):value = http://www.kingceram.com/post/round(r_(np.corrcoef(mat[i],mat[j])[0][1]) ,4) # 填充的值S[i, j] = valueS[j, i] = valueprint(S)

• 上一页
• 1
• 2
• 3
• 下一页

• 无法连接到Windows服务——Windows无法连接到SENS服务
• 从零到无穷——美国数学的崛起之路
• 一个可以超越 VS Code 的新 IDE？
• 软考信管高级——风险管理
• 读书笔记——泪与笑间寻正念
• C语言——程序实现过程
• 贪心算法与数据结构结合2——最小生成树问题：Prim算法
• ZIP伪加密与音频拨号隐写 —— 【高校战“疫”】隐藏的信息
• 计算机国家级论文,计算机教育国家级科技论文征稿
• 一 基础元件学习——电阻元件知识