一种基于信息不确定性的多源信息融合方法及装置

技术领域

本说明书涉及数据处理技术领域，尤其涉及一种基于信息不确定性的多源信息融合方法及装置。

背景技术

作为普适计算的核心技术之一，情景感知技术的主要任务是及时且准确地获取物理环境、用户行为以及时间等所需信息，来帮助系统做出正确的决策，进而为用户提供智能化的服务。作为情景感知系统中的关键一环，多源信息融合的准确率与系统的智能化水平息息相关。多源信息融合技术旨在将不同来源的信息进行融合与处理，得到更全面和准确的分析结果，从而为系统决策提供支持和参考。

在智慧司法、数字家庭、医疗诊断、交通管理等领域中，融合不同信息源的数据可以帮助决策者更全面地了解情况，做出更准确的判断和决策。但由于环境的高动态性、网络故障、不同标准的数据来源等因素，系统所获取的情景信息往往存在不确定性，这将降低多源数据融合的准确性，进而导致系统做出错误的决策，从而影响用户体验。

现在亟需一种基于信息不确定性的多源信息融合方法，从而解决现有技术中获取到的信息存在不确定性，导致多源数据融合的准确性低的问题。

发明内容

为解决现有技术中存在的问题，本说明书实施例提供了涉及一种基于信息不确定性的多源信息融合方法及装置，实现多源信息不确定性的有效管理，提高多源信息融合的准确率。

为了解决上述技术问题中的任意一种，本说明书的具体技术方案如下：

本说明书实施例提供了一种基于信息不确定性的多源信息融合方法，包括：

根据各信息源采集到的信息对应的识别框架中各元素的隶属度和各信息源的信息质量分别计算各信息源对应的识别框架的幂集中各元素的初始信度，所述幂集中包括所述识别框架的全部元素；

根据所述信息源对应的幂集中各元素的初始信度计算所述信息源的信息不确定性和信息源关联程度；

根据所述信息不确定性和信息源关联程度计算所述信息源的幂集中各元素的第一不确定性修正因子，并利用所述第一不确定性修正因子对所述信息源对应幂集中各元素的初始信度进行第一修正，得到所述幂集中各元素的第一信度；

根据所述幂集中各元素的信度函数值和似然函数值构造所述幂集中各元素的信度区间，其中所述信度函数值和似然函数值是根据所述第一信度计算得到的；

根据所述识别框架中元素的信度区间以及预设的置信区间之间的相关度计算所述识别框架中各元素的第二不确定性修正因子，并利用所述第二不确定性修正因子对所述幂集中各元素的初始信度进行第二修正，得到所述幂集中各元素的第二信度；

使用D-S证据理论中的证据组合规则，对各信息源的幂集中各元素的第二信度进行融合，得到各信息源的识别框架中各元素对应的最终信度，并将所述最终信度最高的元素作为各信息源采集到的信息融合后的不确定性结果。

进一步地，所述识别框架中包括两个互斥元素的非空集合Θ={

进一步地，根据各信息源采集到的信息对应的识别框架中各元素的隶属度和各信息源的信息质量分别计算各信息源对应的识别框架的幂集中各元素的初始信度的公式为：

；

其中，

进一步地，根据所述信息源对应的幂集中各元素的初始信度计算所述信息源的信息不确定性和信息源关联程度进一步包括：

根据一个信息源的所述幂集中各元素的初始信度计算该信息源对应的邓熵，将所述邓熵作为该信息源的信息不确定性；

根据各信息源的幂集中各元素的初始信度分别计算任意两个信息源之间的Hellinger距离，将所述Hellinger距离作为对应的两个信息源中一个信息源与另一个信息源之间的信息源关联程度。

进一步地，根据所述信息不确定性和信息源关联程度计算所述信息源的幂集中各元素的第一不确定性修正因子的公式为：

其中，

进一步地，根据所述幂集中各元素的信度函数值和似然函数值构造所述幂集中各元素的信度区间进一步包括：

针对所述幂集中的一个元素，将该元素的信度函数值作为该元素的信度区间的下限值，将该元素的似然函数值作为该元素的信度区间的上限值。

进一步地，计算所述识别框架中元素的信度区间以及预设的置信区间之间的相关度的公式为：

；

其中，

表示第

进一步地，根据所述识别框架中元素的信度区间以及预设的置信区间之间的相关度计算所述识别框架中各元素的第二不确定性修正因子的公式为：

；

其中，

进一步地，利用所述第二不确定性修正因子对所述幂集中各元素的初始信度进行第二修正的公式为：

；

其中，

最后，本说明书实施例还提供了一种基于信息不确定性的多源信息融合装置，包括：

初始信度计算单元，用于根据各信息源采集到的信息对应的识别框架中各元素的隶属度和各信息源的信息质量分别计算各信息源对应的识别框架的幂集中各元素的初始信度，所述幂集中包括所述识别框架的全部元素；

初始信度分析单元，用于根据所述信息源对应的幂集中各元素的初始信度计算所述信息源的信息不确定性和信息源关联程度；

第一修正单元，用于根据所述信息不确定性和信息源关联程度计算所述信息源的幂集中各元素的第一不确定性修正因子，并利用所述第一不确定性修正因子对所述信息源对应幂集中各元素的初始信度进行第一修正，得到所述幂集中各元素的第一信度；

信度区间计算单元，用于根据所述幂集中各元素的信度函数值和似然函数值构造所述幂集中各元素的信度区间，其中所述信度函数值和似然函数值是根据所述第一信度计算得到的；

第二修正单元，用于根据所述识别框架中元素的信度区间以及预设的置信区间之间的相关度计算所述识别框架中各元素的第二不确定性修正因子，并利用所述第二不确定性修正因子对所述幂集中各元素的初始信度进行第二修正，得到所述幂集中各元素的第二信度；

融合单元，用于使用D-S证据理论中的证据组合规则，对各信息源的幂集中各元素的第二信度进行融合，得到各信息源的识别框架中各元素对应的最终信度，并将所述最终信度最高的元素作为各信息源采集到的信息融合后的不确定性结果。

利用本说明书实施例，从信息源自身的不确定性和信息与其幂集中各元素之间的对应程度两方面综合度量信息的不确定性，并构造不确定性修正因子对信息的信度进行修正，从而消除信息的不确定性，确保多源信息融合后的可靠性，提高多源信息融合的准确性。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1所示为本说明书实施例一种基于信息不确定性的多源信息融合方法的实施系统示意图；

图2所示为本说明书实施例一种基于信息不确定性的多源信息融合方法的流程示意图；

图3所示为本说明书实施例中计算信息源的信息不确定性和信息源关联程度的步骤；

图4所示为本说明书实施例一种基于信息不确定性的多源信息融合装置的结构示意图；

图5所示为本说明书实施例计算机设备的结构示意图。

【附图标记说明】：

101、终端；

102、服务器；

401、初始信度计算单元；

402、初始信度分析单元；

403、第一修正单元；

404、信度区间计算单元；

405、第二修正单元；

406、融合单元；

502、计算机设备；

504、处理器；

506、存储器；

508、驱动机构；

510、输入/输出模块；

512、输入设备；

514、输出设备；

516、呈现设备；

518、图形用户接口；

520、网络接口；

522、通信链路；

524、通信总线。

具体实施方式

下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

需要说明的是，本说明书的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本说明书的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

如图1所示为本说明书实施例一种基于信息不确定性的多源信息融合方法的实施系统示意图，可以包括：多个终端101以及至少一个服务器102，终端101和服务器102之间通过网络进行通信，网络可以包括局域网(Local Area Network，简称为LAN)、广域网(WideArea Network，简称为WAN)、因特网或其组合，并连接至网站、用户设备(例如计算设备)和后端系统。终端101可以为传感器或数据采集系统，用于采集数据，在本说明书实施例中，多个传感器可以部署在同一空间内的多个不同数据采集点处，然后各传感器将采集到的数据发送给服务器102，服务器102对多个传感器的采集到的数据不确定性进行融合，得到最终确定的结果。例如，多个传感器用于采集室内温度，部署在室内的不同位置处，但因为多个传感器部署的位置不同，采集的结果也不同，现有技术很难根据多个传感器采集到的温度值判断目前室内的温度的高低情况。本说明书实施例所述的基于信息不确定性的多源信息融合方法可以实现该目的。

可选地，服务器102可以是云计算系统的节点(图中未显示)，或者每个服务器102可以是单独的云计算系统，包括由网络互连并作为分布式处理系统工作的多台计算机。

此外，需要说明的是，图1所示的仅仅是本公开提供的一种应用环境，在实际应用中，还可以包括其他应用场景，例如智慧司法、数字家庭、医疗诊断、交通管理等领域，对基于多个信息源采集到的信息不确定性对多源信息进行融合，得到最终确定性的结果。本说明书不做限制。

为了解决现有技术中存在的问题，本说明书实施例提供了一种基于信息不确定性的多源信息融合方法，实现多源信息不确定性的有效管理，提高多源信息融合的准确率。图2所示为本说明书实施例一种基于信息不确定性的多源信息融合方法的流程示意图。在本图中描述了对多源信息进行融合的过程，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图2所示，可以由服务器102执行，所述方法可以包括：

步骤201：根据各信息源采集到的信息对应的识别框架中各元素的隶属度和各信息源的信息质量分别计算各信息源对应的识别框架的幂集中各元素的初始信度，所述幂集中包括所述识别框架的全部元素；

步骤202：根据所述信息源对应的幂集中各元素的初始信度计算所述信息源的信息不确定性和信息源关联程度；

步骤203：根据所述信息不确定性和信息源关联程度计算所述信息源的幂集中各元素的第一不确定性修正因子，并利用所述第一不确定性修正因子对所述信息源对应幂集中各元素的初始信度进行第一修正，得到所述幂集中各元素的第一信度；

步骤204：根据所述幂集中各元素的信度函数值和似然函数值构造所述幂集中各元素的信度区间，其中所述信度函数值和似然函数值是根据所述第一信度计算得到的；

步骤205：根据所述识别框架中元素的信度区间以及预设的置信区间之间的相关度计算所述识别框架中各元素的第二不确定性修正因子，并利用所述第二不确定性修正因子对所述幂集中各元素的初始信度进行第二修正，得到所述幂集中各元素的第二信度；

步骤206：使用D-S证据理论中的证据组合规则，对各信息源的幂集中各元素的第二信度进行融合，得到各信息源的识别框架中各元素对应的最终信度，并将所述最终信度最高的元素作为各信息源采集到的信息融合后的不确定性结果。

通过本说明书实施例的方法，从信息源自身的不确定性和信息与其幂集中各元素之间的对应程度两方面综合度量信息的不确定性，并构造不确定性修正因子对信息的信度进行修正，从而消除信息的不确定性，确保多源信息融合后的可靠性，提高多源信息融合的准确性。

普适计算：表示要求计算设备在不完全依赖服务请求的前提下主动提供智能计算服务，强调以人为中心，即“融入到人们的日常生活中，而技术本身从人们的视线中消失”，在普适计算模式下，用户能够随时随地获取数字化服务。

情景感知技术：主要任务是及时且准确地获取所需信息，以协助系统做出正确的决策，进而为用户提供智能化的服务。

情景感知系统：利用情景感知技术，根据当前情景信息向用户提供与其任务相关的信息或服务的系统。

信息质量（Quality of Context，QoC）：传感器收集到的情景信息与当前环境及情景信息使用者需求的一致程度。QoC参数是对QoC的定量化描述，常用的参数有可靠性（reliability）、更新度（up-to-dateness）、正确性（correctness）、完整性（completeness）和重要性程度（significance）等。

隶属函数：表示元素

Dempster-Shafer（D-S）证据理论：一种基于概率论的推理框架，用于处理不完备信息和不确定性问题。

识别框架：包括

幂集：包括2

本说明书实施例的识别框架中包括两个互斥元素的非空集合Θ={

似然函数值：对于识别框架Θ，似然函数值用来表示不反对命题的程度。

信度函数值：对于识别框架Θ，信度函数用来表示给予命题的最大支持程度。

在本说明书实施例中，首先实时采集实体的不同属性信息或同一属性的不同来源信息，作为原始信息，然后将采集到的原始信息存储在数据库中，便于后续的融合计算。

然后根据不同场景的需求，设置一个阈值或区间，将采集到的原始信息进行二分类，判断不同来源的信息是否存在不确定性问题，得到识别框架Θ={

然后计算识别框架Θ={

然后计算各信息源的信息质量以量化所获取的信息的质量，在该实施例中选择可靠性、更新度、正确性参数，所选参数分别表征信息源的可靠程度、信息在时间上的新旧程度和数据本身的准确程度，从信息源的外部特征和数据的内部特征等多个角度体现信息的综合质量。

本说明书实施例根据处理后的数据计算信息的质量参数，并根据不同场景的需求动态自适应调整不同参数的权重，比如选择可靠性（

其中，

然后根据各信息源采集到的信息对应的识别框架中各元素的隶属度和各信息源的信息质量分别计算各信息源对应的识别框架的幂集中各元素的初始信度。具体地，根据各信息源采集到的信息对应的识别框架中各元素的隶属度和各信息源的信息质量分别计算各信息源对应的识别框架的幂集中各元素的初始信度的公式为（2）：

（2）

其中，

然后根据所述信息源对应的幂集中各元素的初始信度计算所述信息源的信息不确定性和信息源关联程度。

具体地，如图3所示，根据所述信息源对应的幂集中各元素的初始信度计算所述信息源的信息不确定性和信息源关联程度进一步包括：

步骤301：根据一个信息源的所述幂集中各元素的初始信度计算该信息源对应的邓熵，将所述邓熵作为该信息源的信息不确定性；

在本步骤中，使用邓熵量化信息源的信息不确定的公式为（3）：

（3）

其中，

步骤302：根据各信息源的幂集中各元素的初始信度分别计算任意两个信息源之间的Hellinger距离，将所述Hellinger距离作为对应的两个信息源中一个信息源与另一个信息源之间的信息源关联程度。

在本步骤中，根据各信息源的幂集中各元素的初始信度分别计算任意两个信息源之间的Hellinger距离的公式为（4）：

（4）

其中，

然后根据所述信息不确定性和信息源关联程度计算所述信息源的幂集中各元素的第一不确定性修正因子。具体地，根据所述信息不确定性和信息源关联程度计算所述信息源的幂集中各元素的第一不确定性修正因子的公式为（5）：

（5）

其中，

然后利用所述第一不确定性修正因子对所述信息源对应幂集中各元素的初始信度进行第一修正。具体地，第一修正的公式为（6）：

其中，

然后根据所述幂集中各元素的信度函数值和似然函数值构造所述幂集中各元素的信度区间。

具体地，信度函数值的计算公式为（7）：

（7）

其中，

似然函数值的计算公式为（8）：

（8）

其中，

针对所述幂集中的一个元素，将该元素的信度函数值作为该元素的信度区间的下限值，将该元素的似然函数值作为该元素的信度区间的上限值。具体地，如公式（9）所示：

（9）

其中，

然后计算所述识别框架中元素的信度区间以及预设的置信区间之间的相关度，其中，计算所述识别框架中元素的信度区间以及预设的置信区间之间的相关度的公式为（10）：

（10）

其中，

然后根据所述识别框架中元素的信度区间以及预设的置信区间之间的相关度计算所述识别框架中各元素的第二不确定性修正因子，具体地，其公式为（11）：

（11）

其中，

然后利用所述第二不确定性修正因子对所述幂集中各元素的初始信度进行第二修正，具体地，其公式为（12）：

（12）

其中，

然后使用D-S证据理论中的证据组合规则，如公式（13）所示，首先将两个信息源

（13）

其中，

公式（13）中的

（14）

然后对融合的结果进行存储，在本说明书的一些其他实施例中，为了提高融合结果的正确性，还可以对公式（1）中各信息源的正确性（

具体地，对信息源的正确性（

（15）

其中，

得到第

基于同一发明构思，本说明书实施例还提供了一种基于信息不确定性的多源信息融合装置，如图4所示，包括：

初始信度计算单元401，用于根据各信息源采集到的信息对应的识别框架中各元素的隶属度和各信息源的信息质量分别计算各信息源对应的识别框架的幂集中各元素的初始信度，所述幂集中包括所述识别框架的全部元素；

初始信度分析单元402，用于根据所述信息源对应的幂集中各元素的初始信度计算所述信息源的信息不确定性和信息源关联程度；

第一修正单元403，用于根据所述信息不确定性和信息源关联程度计算所述信息源的幂集中各元素的第一不确定性修正因子，并利用所述第一不确定性修正因子对所述信息源对应幂集中各元素的初始信度进行第一修正，得到所述幂集中各元素的第一信度；

信度区间计算单元404，用于根据所述幂集中各元素的信度函数值和似然函数值构造所述幂集中各元素的信度区间，其中所述信度函数值和似然函数值是根据所述第一信度计算得到的；

第二修正单元405，用于根据所述识别框架中元素的信度区间以及预设的置信区间之间的相关度计算所述识别框架中各元素的第二不确定性修正因子，并利用所述第二不确定性修正因子对所述幂集中各元素的初始信度进行第二修正，得到所述幂集中各元素的第二信度；

融合单元406，用于使用D-S证据理论中的证据组合规则，对各信息源的幂集中各元素的第二信度进行融合，得到各信息源的识别框架中各元素对应的最终信度，并将所述最终信度最高的元素作为各信息源采集到的信息融合后的不确定性结果。

通过上述装置所取得的有益效果与上述方法所取得的有益效果一致，本说明书实施例不做赘述。

如图5所示，为本文实施例提供的一种计算机设备，本文中的装置可以为本实施例中的计算机设备，执行上述本文的方法，所述计算机设备502可以包括一个或多个处理器504，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备502还可以包括任何存储器506，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储器506可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备502的固定或可移除部件。在一种情况下，当处理器504执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备502可以执行相关联指令的任一操作。计算机设备502还包括用于与任何存储器交互的一个或多个驱动机构508，诸如硬盘驱动机构、光盘驱动机构等。

计算机设备502还可以包括输入/输出模块510（I/O），其用于接收各种输入(经由输入设备512)和用于提供各种输出(经由输出设备514)。一个具体输出机构可以包括呈现设备516和相关联的图形用户接口(GUI)518。在其他实施例中，还可以不包括输入/输出模块510（I/O）、输入设备512以及输出设备514，仅作为网络中的一台计算机设备。计算机设备502还可以包括一个或多个网络接口520，其用于经由一个或多个通信链路522与其他设备交换数据。一个或多个通信总线524将上文所描述的部件耦合在一起。

通信链路522可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路522可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。

本说明书实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。

本说明书实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行上述方法。

应理解，在本说明书的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施例的实施过程构成任何限定。

还应理解，在本说明书实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本说明书中字符“/”，一般表示前后关联对象是一种“或”的关系。

本领域普通技术人员可以意识到，结合本说明书中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本说明书的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本说明书所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本说明书实施例方案的目的。

另外，在本说明书各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本说明书各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中应用了具体实施例对本说明书的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本说明书的方法及其核心思想；同时，对于本领域的一般技术人员，依据本说明书的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本说明书的限制。