【源代码】关于D_S证据理论和可信度的计算
2024-06-20 04:23:25
参考文献：《基于D_S证据理论的组网雷达_四抗_能力评价》，请自行下载
clear
clc%第2层权重
e1=[0.056 0.157 0.237 0.452 0.099]; % e11 e12 e13 e14 e15
e2=[0.483 0.157 0.088 0.272]; % e21 e22 e23 e24
e3=[0.370 0.345 0.185 0.100]; % e31 e32 e33 e34
e4=[0.540 0.163 0.297]; % e41 e42 e43%第1层权重
e=[0.532 0.112 0.288 0.068]; %e1 e2 e3 e4%--------第1步：确定专家评判意见----------
%专家组根据知识和经验给出对评价指标体系中的底层指标因素定性的评判意见，采用专家评判意见的
%表示方法对定性的评判意见进行定量的描述%专家对e11的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V11=[0 0 0.3 0.7 0;0 0.2 0.2 0.6 0;0 0.1 0.3 0.6 0;0 0 0.2 0.8 0];
%专家对e12的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V12=V11;
%专家对e13的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V13=V11;
%专家对e14的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V14=V11;
%专家对e15的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V15=V11;
%专家对e21的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V21=V11;
%专家对e22的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V22=V11;
%专家对e23的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V23=V11;
%专家对e24的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V24=V11;
%专家对e31的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V31=V11;
%专家对e32的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V32=V11;
%专家对e33的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V33=V11;
%专家对e34的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V34=V11;
%专家对e41的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V41=V11;
%专家对e42的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V42=V11;
%专家对e43的评判意见:4行对应4个专家，5列对应5个评价等级（差V1，劣V2，中V3，良V4，优V5）
V43=V11;%--------第2步：综合处理评判意见，确定第2层各指标因素评判意见的基本可信度分配----------
%4个专家权重
w=[0.2 0.35 0.15 0.3];delta_ejk=0.95*w/max(w);%专家对指标ejk评判可靠度%指标e11的基本可信度分配值
Beta_V11=[delta_ejk(1)*V11(1,:);delta_ejk(2)*V11(2,:);delta_ejk(3)*V11(3,:);delta_ejk(4)*V11(4,:);];
%指标e12的基本可信度分配值
Beta_V12=[delta_ejk(1)*V12(1,:);delta_ejk(2)*V12(2,:);delta_ejk(3)*V12(3,:);delta_ejk(4)*V12(4,:);];
%指标e13的基本可信度分配值
Beta_V13=[delta_ejk(1)*V13(1,:);delta_ejk(2)*V13(2,:);delta_ejk(3)*V13(3,:);delta_ejk(4)*V13(4,:);];
%指标e14的基本可信度分配值
Beta_V14=[delta_ejk(1)*V14(1,:);delta_ejk(2)*V14(2,:);delta_ejk(3)*V14(3,:);delta_ejk(4)*V14(4,:);];
%指标e15的基本可信度分配值
Beta_V15=[delta_ejk(1)*V15(1,:);delta_ejk(2)*V15(2,:);delta_ejk(3)*V15(3,:);delta_ejk(4)*V15(4,:);];
%指标e21的基本可信度分配值
Beta_V21=[delta_ejk(1)*V21(1,:);delta_ejk(2)*V21(2,:);delta_ejk(3)*V21(3,:);delta_ejk(4)*V21(4,:);];
%指标e22的基本可信度分配值
Beta_V22=[delta_ejk(1)*V22(1,:);delta_ejk(2)*V22(2,:);delta_ejk(3)*V22(3,:);delta_ejk(4)*V22(4,:);];
%指标e23的基本可信度分配值
Beta_V23=[delta_ejk(1)*V23(1,:);delta_ejk(2)*V23(2,:);delta_ejk(3)*V23(3,:);delta_ejk(4)*V23(4,:);];
%指标e24的基本可信度分配值
Beta_V24=[delta_ejk(1)*V24(1,:);delta_ejk(2)*V24(2,:);delta_ejk(3)*V24(3,:);delta_ejk(4)*V24(4,:);];
%指标e31的基本可信度分配值
Beta_V31=[delta_ejk(1)*V31(1,:);delta_ejk(2)*V31(2,:);delta_ejk(3)*V31(3,:);delta_ejk(4)*V31(4,:);];
%指标e32的基本可信度分配值
Beta_V32=[delta_ejk(1)*V32(1,:);delta_ejk(2)*V32(2,:);delta_ejk(3)*V32(3,:);delta_ejk(4)*V32(4,:);];
%指标e33的基本可信度分配值
Beta_V33=[delta_ejk(1)*V33(1,:);delta_ejk(2)*V33(2,:);delta_ejk(3)*V33(3,:);delta_ejk(4)*V33(4,:);];
%指标e34的基本可信度分配值
Beta_V34=[delta_ejk(1)*V34(1,:);delta_ejk(2)*V34(2,:);delta_ejk(3)*V34(3,:);delta_ejk(4)*V34(4,:);];
%指标e41的基本可信度分配值
Beta_V41=[delta_ejk(1)*V41(1,:);delta_ejk(2)*V41(2,:);delta_ejk(3)*V41(3,:);delta_ejk(4)*V41(4,:);];
%指标e42的基本可信度分配值
Beta_V42=[delta_ejk(1)*V42(1,:);delta_ejk(2)*V42(2,:);delta_ejk(3)*V42(3,:);delta_ejk(4)*V42(4,:);];
%指标e43的基本可信度分配值
Beta_V43=[delta_ejk(1)*V43(1,:);delta_ejk(2)*V43(2,:);delta_ejk(3)*V43(3,:);delta_ejk(4)*V43(4,:);];%--------第3步：确定第2层指标因素的合成可信度----------
%确定e11的合成可信度
V12_e11=D_Szj(Beta_V11(1,:),Beta_V11(2,:)); %专家1和专家2合成
V123_e11=D_Szj(V12_e11,Beta_V11(3,:)); %上一步合成结果和专家3合成
V1234_e11=D_Szj(V123_e11,Beta_V11(4,:)); %上一步合成结果和专家4合成
%确定e12的合成可信度
V12_e12=D_Szj(Beta_V12(1,:),Beta_V12(2,:)); %专家1和专家2合成
V123_e12=D_Szj(V12_e12,Beta_V12(3,:)); %上一步合成结果和专家3合成
V1234_e12=D_Szj(V123_e12,Beta_V12(4,:)); %上一步合成结果和专家4合成
%确定e13的合成可信度
V12_e13=D_Szj(Beta_V13(1,:),Beta_V13(2,:)); %专家1和专家2合成
V123_e13=D_Szj(V12_e13,Beta_V13(3,:)); %上一步合成结果和专家3合成
V1234_e13=D_Szj(V123_e13,Beta_V13(4,:)); %上一步合成结果和专家4合成
%确定e14的合成可信度
V12_e14=D_Szj(Beta_V14(1,:),Beta_V14(2,:)); %专家1和专家2合成
V123_e14=D_Szj(V12_e14,Beta_V14(3,:)); %上一步合成结果和专家3合成
V1234_e14=D_Szj(V123_e14,Beta_V14(4,:)); %上一步合成结果和专家4合成
%确定e15的合成可信度
V12_e15=D_Szj(Beta_V15(1,:),Beta_V15(2,:)); %专家1和专家2合成
V123_e15=D_Szj(V12_e15,Beta_V15(3,:)); %上一步合成结果和专家3合成
V1234_e15=D_Szj(V123_e15,Beta_V15(4,:)); %上一步合成结果和专家4合成%确定e21的合成可信度
V12_e21=D_Szj(Beta_V21(1,:),Beta_V21(2,:)); %专家1和专家2合成
V123_e21=D_Szj(V12_e21,Beta_V21(3,:)); %上一步合成结果和专家3合成
V1234_e21=D_Szj(V123_e21,Beta_V21(4,:)); %上一步合成结果和专家4合成
%确定e22的合成可信度
V12_e22=D_Szj(Beta_V22(1,:),Beta_V22(2,:)); %专家1和专家2合成
V123_e22=D_Szj(V12_e22,Beta_V22(3,:)); %上一步合成结果和专家3合成
V1234_e22=D_Szj(V123_e22,Beta_V22(4,:)); %上一步合成结果和专家4合成
%确定e23的合成可信度
V12_e23=D_Szj(Beta_V23(1,:),Beta_V23(2,:)); %专家1和专家2合成
V123_e23=D_Szj(V12_e23,Beta_V23(3,:)); %上一步合成结果和专家3合成
V1234_e23=D_Szj(V123_e23,Beta_V23(4,:)); %上一步合成结果和专家4合成
%确定e24的合成可信度
V12_e24=D_Szj(Beta_V24(1,:),Beta_V24(2,:)); %专家1和专家2合成
V123_e24=D_Szj(V12_e24,Beta_V24(3,:)); %上一步合成结果和专家3合成
V1234_e24=D_Szj(V123_e24,Beta_V24(4,:)); %上一步合成结果和专家4合成%确定e31的合成可信度
V12_e31=D_Szj(Beta_V31(1,:),Beta_V31(2,:)); %专家1和专家2合成
V123_e31=D_Szj(V12_e31,Beta_V31(3,:)); %上一步合成结果和专家3合成
V1234_e31=D_Szj(V123_e31,Beta_V31(4,:)); %上一步合成结果和专家4合成
%确定e32的合成可信度
V12_e32=D_Szj(Beta_V32(1,:),Beta_V32(2,:)); %专家1和专家2合成
V123_e32=D_Szj(V12_e32,Beta_V32(3,:)); %上一步合成结果和专家3合成
V1234_e32=D_Szj(V123_e32,Beta_V32(4,:)); %上一步合成结果和专家4合成
%确定e33的合成可信度
V12_e33=D_Szj(Beta_V33(1,:),Beta_V33(2,:)); %专家1和专家2合成
V123_e33=D_Szj(V12_e33,Beta_V33(3,:)); %上一步合成结果和专家3合成
V1234_e33=D_Szj(V123_e33,Beta_V33(4,:)); %上一步合成结果和专家4合成
%确定e34的合成可信度
V12_e34=D_Szj(Beta_V34(1,:),Beta_V34(2,:)); %专家1和专家2合成
V123_e34=D_Szj(V12_e34,Beta_V34(3,:)); %上一步合成结果和专家3合成
V1234_e34=D_Szj(V123_e34,Beta_V34(4,:)); %上一步合成结果和专家4合成%确定e41的合成可信度
V12_e41=D_Szj(Beta_V41(1,:),Beta_V41(2,:)); %专家1和专家2合成
V123_e41=D_Szj(V12_e41,Beta_V41(3,:)); %上一步合成结果和专家3合成
V1234_e41=D_Szj(V123_e41,Beta_V41(4,:)); %上一步合成结果和专家4合成
%确定e42的合成可信度
V12_e42=D_Szj(Beta_V42(1,:),Beta_V42(2,:)); %专家1和专家2合成
V123_e42=D_Szj(V12_e42,Beta_V42(3,:)); %上一步合成结果和专家3合成
V1234_e42=D_Szj(V123_e42,Beta_V42(4,:)); %上一步合成结果和专家4合成
%确定e43的合成可信度
V12_e43=D_Szj(Beta_V43(1,:),Beta_V43(2,:)); %专家1和专家2合成
V123_e43=D_Szj(V12_e43,Beta_V43(3,:)); %上一步合成结果和专家3合成
V1234_e43=D_Szj(V123_e43,Beta_V43(4,:)); %上一步合成结果和专家4合成%--------第4步：综合处理上一步确定的合成可信度，确定第2层指标因素的基本可信度分配值----------
%第2层各指标因素的权重
we=[0.1 0.05 0.05 0.1 0.1 0.1 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05]; delta_ejk2=0.9*we/max(we);
Beta_V1234_e11=delta_ejk2(1)*V1234_e11; %e11的基本可信度分配值
Beta_V1234_e12=delta_ejk2(2)*V1234_e12; %e12的基本可信度分配值
Beta_V1234_e13=delta_ejk2(3)*V1234_e13; %e13的基本可信度分配值
Beta_V1234_e14=delta_ejk2(4)*V1234_e14; %e14的基本可信度分配值
Beta_V1234_e15=delta_ejk2(5)*V1234_e15; %e15的基本可信度分配值Beta_V1234_e21=delta_ejk2(6)*V1234_e21; %e21的基本可信度分配值
Beta_V1234_e22=delta_ejk2(7)*V1234_e22; %e22的基本可信度分配值
Beta_V1234_e23=delta_ejk2(8)*V1234_e23; %e23的基本可信度分配值
Beta_V1234_e24=delta_ejk2(9)*V1234_e24; %e24的基本可信度分配值Beta_V1234_e31=delta_ejk2(10)*V1234_e31; %e31的基本可信度分配值
Beta_V1234_e32=delta_ejk2(11)*V1234_e32; %e32的基本可信度分配值
Beta_V1234_e33=delta_ejk2(12)*V1234_e33; %e33的基本可信度分配值
Beta_V1234_e34=delta_ejk2(13)*V1234_e34; %e34的基本可信度分配值Beta_V1234_e41=delta_ejk2(14)*V1234_e41; %e41的基本可信度分配值
Beta_V1234_e42=delta_ejk2(15)*V1234_e42; %e42的基本可信度分配值
Beta_V1234_e43=delta_ejk2(16)*V1234_e43; %e43的基本可信度分配值%--------第5步：确定第1层指标因素的合成可信度----------
%确定e1的合成可信度
V12_e1=D_Szj(Beta_V1234_e11,Beta_V1234_e12); %e11和e12合成
V123_e1=D_Szj(V12_e1,Beta_V1234_e13); %上一步合成结果和e13合成
V1234_e1=D_Szj(V123_e1,Beta_V1234_e14); %上一步合成结果和e14合成
V12345_e1=D_Szj(V1234_e1,Beta_V1234_e15); %上一步合成结果和e15合成%确定e2的合成可信度
V12_e2=D_Szj(Beta_V1234_e21,Beta_V1234_e22); %e21和e22合成
V123_e2=D_Szj(V12_e2,Beta_V1234_e23); %上一步合成结果和e23合成
V1234_e2=D_Szj(V123_e2,Beta_V1234_e24); %上一步合成结果和e24合成%确定e3的合成可信度
V12_e3=D_Szj(Beta_V1234_e31,Beta_V1234_e32); %e31和e32合成
V123_e3=D_Szj(V12_e3,Beta_V1234_e33); %上一步合成结果和e33合成
V1234_e3=D_Szj(V123_e3,Beta_V1234_e34); %上一步合成结果和e34合成%确定e4的合成可信度
V12_e4=D_Szj(Beta_V1234_e41,Beta_V1234_e42); %e41和e42合成
V123_e4=D_Szj(V12_e4,Beta_V1234_e43); %上一步合成结果和e43合成%--------第6步：综合处理上一步确定的合成可信度，确定第1层指标因素的基本可信度分配值----------
%第2层各指标因素的权重
w1=[0.532 0.112 0.288 0.068];
delta_ej1=0.9*w1/max(w1);%专家对指标e1 e2 e3 e4评判可靠度
%指标e1的基本可信度分配值
Beta_V12345_e1=delta_ej1(1)*V12345_e1;
%指标e2的基本可信度分配值
Beta_V1234_e2=delta_ej1(2)*V1234_e2;
%指标e3的基本可信度分配值
Beta_V1234_e3=delta_ej1(3)*V1234_e3;
%指标e的基本可信度分配值
Beta_V123_e4=delta_ej1(4)*V123_e4;%--------第7步：整个系统可信度分配值----------
V12=D_Szj(Beta_V12345_e1,Beta_V1234_e2); %e1和e2合成
V123=D_Szj(V12,Beta_V1234_e3); %上一步合成结果和e3合成
V1234=D_Szj(V123,Beta_V123_e4); %上一步合成结果和e4合成%--------第8步：求综合效能值----------
total=0.2*V1234(1)+0.4*V1234(2)+0.6*V1234(3)+0.8*V1234(4)+1*V1234(5)%识别框架为：U={V1,V2,V3,V4,V5}
function m12=D_Szj(P,Q)
m12_V1=P(1)*Q(1);
m12_V2=P(2)*Q(2);
m12_V3=P(3)*Q(3);
m12_V4=P(4)*Q(4);
m12_V5=P(5)*Q(5);c12=m12_V1+m12_V2+m12_V3+m12_V4+m12_V5;
V1=m12_V1/c12;
V2=m12_V2/c12;
V3=m12_V3/c12;
V4=m12_V4/c12;
V5=m12_V5/c12;
m12=[V1 V2 V3 V4 V5]; 上面用到的子程序的源代码
function m12=D_Szj(P,Q)
m12_A1=P(1)*Q(1)+P(1)*Q(5)+P(5)*Q(1);
m12_A2=P(2)*Q(2)+P(2)*Q(5)+P(5)*Q(2);
m12_A3=P(3)*Q(3)+P(3)*Q(5)+P(5)*Q(3);
m12_A4=P(4)*Q(4)+P(4)*Q(5)+P(5)*Q(4);
m12_A5=P(5)*Q(5);
m12_A6=0;
c12=m12_A1+m12_A2+m12_A3+m12_A4+m12_A5+m12_A6;
A1=m12_A1/c12;
A2=m12_A2/c12;
A3=m12_A3/c12;
A4=m12_A4/c12;
A5=m12_A5/c12;
A6=m12_A6/c12;
m12=[A1 A2 A3 A4 A5 A6];
【源代码】关于D_S证据理论和可信度的计算相关推荐
- [源代码]基于D-S证据理论的雷达探测信息融合
(节选自<基于粗糙集与卡尔曼法的防空雷达信息融合技术>) 参考文档:http://wenku.baidu.com/view/c52cce66bceb19e8b9f6bade 源代码如下: ...
- ST电机库v5.4.4源代码分析(2): 磁链圆限制之计算以及一个小bug
编者:沉尸 (5912129@qq.com) FOC流程图 Circle_Limitation所在位置 图1 图2 现在计算出了和,需要限制: 如果 显然需要一个缩小的系数i (i < 1)进行 ...
- 证据理论（3）—— 计算两个证据体的距离
计算两个证据体的距离的主要思想是:定义一个由幂集 2Ω2^\Omega2Ω 中的元素作为基底的向量空间 S2ΩS_{2^\Omega}S2Ω,一个证据源的基本概率分配函数 (bpa) 就是该证据 ...
- java规则计算_java实现的霍纳规则的多项式计算
java实现的霍纳规则的多项式计算 霍纳规则多项式计算如果使用朴素的多项式求值,时间复杂度为O(n*n),而是用了霍纳规则可以使用递归或者迭代来实现,时间复杂度是O(n),下面是源代码: /* * 实 ...
- Linux内核源码行数,Linux源代码已超过1000万行 价值达5亿美金
10月23日消息,一项分析发现,在最近发布2.6.27版本Linux内核之后,包括Linux内核文件在内的源代码行数已经超过了1000万行. 不过,这个数字包括空白行.注释和整个内核源代码全年检查的文 ...
- linux内核源码代码量,Linux内核源代码数量已经超过1000万行
Linux版本2.6.27更新后,人们发现,这一内核的源代码数量已经超过了1000万行. 当然,这些行数仅仅是计算机统计出来的行数,包括空白行,为了代码的可读性增加的注释等,当然Linux和所有的长期 ...
- 源代码可以从应用提取码_大规模下加速源代码分析
引用:Upadhyaya G , Rajan H . On Accelerating Source Code Analysis At Massive Scale[J]. IEEE Transactio ...
- 输入三角形的三c语言程序,输入三角形的三边 a,b,c,计算三角形的面积的公式是 C++...
C++编程:输入三角形的三边 a,b,c,计算三角形的面积的公式是 形成三角形的条件是:a+b>c,b+c>a,c+a>b 编写程序,输入a,b,c,检查a,b,c是否满足以上条件, ...
- 优化距离计算函数的matlab实现
从LMNN算法的源代码中得到启发,使用矩阵运算计算两个样本集之间的距离,可以避免循环计算,节省时间. 输入两个样本集X和x,X:d×N x:d×n 每一列代表一个样本,每个样本特征为d维,即X有N个样 ...
最新文章
- Django博客系统项目需求分析
- R语言nchar函数统计字符串中字符个数实战
- //Eclipse 快捷方式
- 资产管理大佬讲述：如何用大数据及人工智能挑选基金？
- [转]开发者需要了解的WebKit(mark)
- xcode添加fstream类库
- 通过NetMassDownloader批量下载和使用微软.NET框架源代码
- 数据结构与算法：树与二叉树python实现
- 01 ftp上传简单示例服务端
- 让你编程能力秃飞猛进的好习惯
- appcan双击返回退出系统
- javascript 经常会用到的东西
- 对讲机怎么用_对讲机防水透气解决方案是怎么做的？
- Java开发笔记（一百四十）JavaFX的选择框
- linux6.5输错密码锁定,干货分享：解决redhat6.5登陆后跳回Login，循环登陆问题
- archlinux安装windows字体
- python提取图片文字_怎样用Python提取图片中的文字
- 无人驾驶刚刚开始的未来
- 小米手机v3.exo 合并_eXo Platform 3.0访谈
- 《云计算与虚拟化分析》_2章：虚拟化技术