TY -的A2 -帕沙克,这项非盟-徐,广州市非盟-侯,易盟——邓新蒲AU - Chen Peibo盟,周石林PY - 2022 DA - 2022/09/29 TI -证据权重的确定基于卷积神经网络分类问题SP - 1616401六世- 2022 AB -加权平均是一种有效的方式来解决冲突证据组合在Dempster-Shafer证据理论。然而,这是一个开放的问题如何确定权重合理的证据。尽管许多传统冲突证据组合解决方案基于距离或熵提出了证据,证据权重确定与一个单一的方面,也没有综合考虑其他有用信息的影响权重。因此,它并不能保证权重的确定是最合理的。通过引入深学习冲突证据组合,提出了一种综合方法确定证据权重基于卷积神经网络。以证据为网络输入和相应的重量作为输出,它利用卷积神经网络完全我的潜在有用的信息影响证据权重,为了确定综合权重。此外,我们定义了一个减肥的功能。权重不断优化通过反向传播,实现最佳的减肥时,函数值是最低的。分类实验结果表明,该方法优于传统的基于证据距离或熵和灵活扩展到其他应用领域,可以作为决策融合方法。SN - 1687 - 725 - 2022/1616401 / 10.1155 x你——https://doi.org/10.1155/2022/1616401——摩根富林明——《传感器PB - Hindawi KW - ER