第1章 绪论

1.1 引言

随着传感器、通信、计算机、微机电等技术的飞速发展，各种面向复杂环境的多源传感器系统大量涌现^[1-5]，它们以数据、图像、声音、判决、文本等各种形式在不同维度表征着事件的特征。这些对检测、估计、决策、推理等信息融合环节提供支持的数据、判决、情报等都是“证据”。自动化数据处理、智能式检测判决、智慧型推理决策要求对多种传感器和不同来源的信息进行有效的融合^[6，7]。但是，由于环境的扰动、传感器的局限以及人为的干预，环境复杂度日益提高，信源信息一般具有很强的不确定性、不完备性、不一致性^[8，9]，集中表现为冲突。由于冲突不可避免、冲突普遍存在于融合的各层级，冲突证据对信息融合、人工智能的效果产生重要的影响，所以对冲突证据的推理与决策进行研究有重要的意义。

不确定性是信息的固有属性，冲突证据理论是不确定理论的重要组成部分^[10]，虽然证据理论、贝叶斯理论、模糊集、粗糙集等方法能够对不同信息层上的不确定信息进行有效融合，得到更准确的结果，但是在处理冲突证据推理的问题上容易产生悖论^[11-15]。近年来，冲突证据推理决策的研究内容主要包括证据冲突成因分析、证据冲突的度量、冲突证据推理、冲突证据决策等^[16-23]。继DS证据理论后，DSm理论^[24]（2002年）、D数理论^[25]（2012年）、BF-TOPSIS^[26] （2016年）等新的不确定性理论相继提出，为融合冲突证据研究提供了新的工具。本书将基于多种不确定理论对冲突证据推理与融合方法进行研究。