针对传统D-S证据理论中基于识别率和误识率构造的基本概率赋值函数(Basic Probability Assignment,BPA)没有考虑训练样本分布的缺点,提出了一种将整体错误率分配给除了正确判别命题以外各个焦元的BPA构造新方法.针对传统D-S证据理论中...
详细信息
针对传统D-S证据理论中基于识别率和误识率构造的基本概率赋值函数(Basic Probability Assignment,BPA)没有考虑训练样本分布的缺点,提出了一种将整体错误率分配给除了正确判别命题以外各个焦元的BPA构造新方法.针对传统D-S证据理论中所采用的基于正交和运算的合成规则不能融合矛盾证据的缺陷,提出一种能融合矛盾证据的大概率赋值法.在此改进D-S证据理论的基础上,给出了两分类器决策层融合流程和多分类器决策层融合系统.在ORL和Yale数据库上的实验结果表明,对几种典型分类器的决策层融合提高了系统人脸识别的正确率,且改进D-S证据理论比传统D-S和投票融合方法的正确率更高.
暂无评论