设有一个有限假设空间，Θ为空间中所有命题的穷举集合，D-S理论用“识别框架（Frame.ofDiscernment）”描述构成整个假设空间的所有命题的集合Θ，识别框架中的各元素要求互相排斥，而集合中的命题称为识别框架的原命题。定义1设Θ为给定识别框架，Ω=2Θ为Θ的幂集，则函数m：Ω→［0，1］，在满足下列条件：
时，称m为Ω上的基本概率分配；？A∈Ω，m（A）称为基本概率分配函数（BPA），m（A）≥0的命题称为证据的焦元。
定义2设Θ为一识别框架，m（A）为Ω上的基本概率分配函数，满足下列的函数称为信任函数：
1.2D-S证据理论的改进
D-S的合成法则如下：
m1与m2是识别框架Θ的两个独立证据，Ω为Θ的幂集，A、B为幂集中的元素，则这两个证据组合后得到的组合证据为：
它的作用就是避免在合成时将非零的概率赋给空集Φ。
虽然D-S理论有诸多优点，但在实际的应用中却不是令人满意，往往有时与直觉相违背，主要的原因是存在证据冲突，这是不可小觑的问题。所以做了如下的改进，取冲突权值为归一化常数的对数：
如果上述两个证据之间不存在冲突，则Cov（Bela，Belb）=∞；如果证据间完全冲突，则Cov（Bela，Belb）=0。在充分认识到证据间的冲突下，令σ=1-K为冲突因子，当σ=0时证据之间不存在任何冲突，当σ=1时证据之间完全冲突，那么对D-S的合成法则改进如下：
2应用研究
下面列举数据进行说明融合的过程：
假设识别框架U{车牌照X，车型Y，IC卡数据Z}，并提供两个证据m1与m2（牌照加车型和卡号加车型）对命题的识别框架的支持度分别为：
结果表明，通过改进的合成法则验证了预期要达到的结果，曲线的逼真度好于之前，使融合效果更为理想。
3结语
鉴于D-S证据理论因冲突信息比较大的情况下会出现融合的问题，本文在分析已有的改进思想的基础上，通过引入冲突因子，针对改进方法和原有的问题，成功地将其应用于证
据理论的修改中。理论的推理和数据的应用实验结果表明，改进的方法，能解决高冲突信息量的证据融合问题，仿真结果表明预期的效果比理想的更稳定、更可靠，提高了融合识别的可靠性和有效性。对证据理论在以后更广泛的应用提供了一个借鉴之处。
责任编辑：gt
长沙市望城经济技术开发区航空路6号手机智能终端产业园2号厂房3层（0731-88081133）