[论文解读] Generalized proportional conflict redistribution rule applied to Sonar imagery and Radar targets classification

Arnaud Martin, Christophe Osswald|ArXiv.org|Jun 12, 2008

Multi-Criteria Decision Making参考文献 12被引用 8

一句话总结

本文评估了广义比例冲突重分配规则（PCR6）在声呐图像与雷达目标分类中的信息融合性能，证明其在真实应用中优于传统规则（如合取规则、Dubois-Prade规则和PCR5规则）。基于Dempster-Shafer理论（DST）与Dezert-Smarandache理论（DSmT），PCR6有效降低了冲突并提升了分类准确率，在雷达目标分类中实现了90.11%的高分类率，显著优于其他规则，即使在冲突再分配行为相似的情况下亦表现更优。

ABSTRACT

In this chapter, we present two applications in information fusion in order to evaluate the generalized proportional conflict redistribution rule presented in the chapter \cite{Martin06a}. Most of the time the combination rules are evaluated only on simple examples. We study here different combination rules and compare them in terms of decision on real data. Indeed, in real applications, we need a reliable decision and it is the final results that matter. Two applications are presented here: a fusion of human experts opinions on the kind of underwater sediments depict on sonar image and a classifier fusion for radar targets recognition.

研究动机与目标

• 评估广义比例冲突重分配规则（PCR6）在真实世界信息融合应用中的性能。
• 基于真实声呐与雷达数据，比较多种组合规则（如合取规则、Dubois-Prade规则、PCR5规则、PCR6规则）在决策准确率方面的表现。
• 展示DSmT与信任函数理论在建模专家与分类器融合中不确定性与冲突方面的优势。
• 表明决策质量在很大程度上取决于组合规则的选择，尤其是在声呐成像与雷达目标识别等高不确定性环境中的表现。
• 验证PCR6在分类性能上优于传统规则，即使在冲突水平相近的情况下亦表现更优。

提出的方法

• 在Dezert-Smarandache理论（DSmT）框架下，应用广义PCR6规则对假设之间的冲突质量进行再分配。
• 通过pignistic概率变换，从组合后的质量函数中推导最终决策。
• 在消声室获取的受控雷达数据上，采用三种不同分类器（模糊K近邻、SART、多层感知机）进行多分类器融合。
• 利用真实声呐图像进行海底分类，以及具有已知真实标签的受控雷达目标识别数据，对比不同组合规则的性能。
• 通过高分类率与不同规则下决策不一致的目标比例来评估各规则的性能。
• 在PCR6变体中引入凹函数与凸函数映射（如√x、x²），以评估对冲突再分配函数的敏感性。

实验结果

研究问题

• RQ1 广义PCR6规则在真实声呐与雷达数据上是否显著优于传统组合规则，产生更优的分类决策？
• RQ2 在决策一致性和准确率方面，不同冲突再分配规则（如合取规则、Dubois-Prade规则、PCR5规则、PCR6规则）之间有何差异？
• RQ3 选择不同的冲突再分配函数（如√x与x²）在PCR6中在多大程度上影响最终的分类性能？
• RQ4 基于DSmT的融合方法结合DΘ建模，能否有效处理声呐图像解释等不确定环境中的元素联合作用？
• RQ5 在冲突再分配上采用比例方式与非比例方式的规则之间，是否存在显著的性能差异？

主要发现

• PCR6采用√x映射时，在雷达目标数据上实现了90.114%的最高高分类率，显著优于合取规则（89.83%）与PCR5规则（89.85%）。
• 决策不一致的目标比例最高的是PCR5（2.83%），最低的是PCR6（0.51%），表明PCR6输出具有更高的决策一致性。
• 尽管存在较高的冲突再分配，PCR6变体的分类准确率仍优于合取规则与PCR5规则，后者虽冲突再分配水平相似但准确率更低。
• 合取规则与PCR5规则的分类性能几乎相同（分别为89.83%与89.85%），但PCR5规则的决策不一致率显著更高。
• 结合DΘ建模的DSmT框架能够有效融合多类响应，实现标准DST无法处理的元素联合作用决策。
• PCR6采用凹函数映射（如√x）的性能优于凸函数映射（如x²），表明其对再分配函数形状具有敏感性。