
上QQ阅读APP看书,第一时间看更新
2.2.1 证据推理的基本概念
假设有K个信息源C1,C2,…,CK组成评价团队,K个信息源的权重分别为λ1,λ2,…,λK,且满足,λk≥0(k=1,2,…,K)。令识别框架为G={G1,G2,…,Gd,…,GN},待评对象O包含的属性集合为E={e1,e2,…,eL},属性权重为w1,w2,…,wL。
成员信念度用于表示信息源成员Ck提供的信息对属性ej做出评价值Gd∈G以置信度
为真,并且满足
,
。
团队信念度βj,d用于表示信息源团队提供的信息对属性ej做出评价值Gd∈G的置信度,计算公式为

基本可信度mj,d表示信息源团队支持属性ej被评为Gd的程度,计算公式为

未分配可信度mj,G表示信息源团队支持属性ej被评价后剩下的概率,计算公式为

将mj,G分解为两部分,即

式中,表示由于权重而未分派的概率函数;
表示由于无知而未分派的概率函数。