唐长春，敖志刚，宫云祥，张康益，王有成

解放军理工大学 野战工程学院，南京 210007

DSm组合规则的改进及其在直觉模糊集上的拓展

唐长春，敖志刚，宫云祥，张康益，王有成

解放军理工大学 野战工程学院，南京 210007

随着传感器、网络等微电子和通信技术的深入发展，人们能够获取到的信息呈现爆炸式增长，这对人们处理信息的能力提出了更高要求。多源信息融合技术应运而生，其给人们提供了一条高效、精确应用信息的途径[1]。信息的多源性是信息融合的基础，而信息的不确定性、不完善是信息融合最本质的动因。对于多源不确定信息的融合问题，目前已有很多方法，包括概率论、模糊集、贝叶斯理论、神经网络、DS证据理论（Dempster-Shafer Theory，DST）等，其中DST是一种具有处理不确定信息能力的不精确推理理论[2-4]，在不确定性信息的表示、推理、融合等方面的优势已得到了广泛认同。但DST处理冲突信息的能力不强，对于高度冲突的证据合成结果较差。针对DST的不足，许多学者提出了改进方法。DSmT（Dezert-Smarandache Theory）是由法国的Jean Dezert博士和美国的Florentin Smarandache教授提出和发展的一种将似事而非和自相矛盾推理方法用于信息融合的新理论[5]。DSmT可看作是DST的拓展，其在处理冲突信息和不完善信息等方面的能力得到了明显的加强，因此受到了普遍关注。在实践中，发现DSmT也存在着非常致命的问题，即DSmT的信度组合结果往往很难给决策提供有效的依据，甚至会增加证据源信息原有的不确定性。

表1 m个传感器识别信息的DSmT组合结果