本发明涉及不确定性数据处理和决策融合方法领域，具体的说是一种证据理论中基于可分配确定度的概率转换方法。
背景技术：
：决策是社会实践中不可或缺的活动之一，在人类各个领域均占有重要地位。做出有效决策前提是已知各状态参数的概率值，然后通过概率决策模型进行判断。d-s证据理论是在决策过程中经常用到的一种方法，其最大的特点就是就是对不确定性信息的描述采用“区间估计”而非“点估计”，在区分不知道和不确定方面以及精确反映证据收集方面显示出很大的灵活性。在d-s(dempster-shafer)证据理论中，分别从单命题和复合命题上进行描述各个命题的不确定度，并用基本概率分配(basicprobabilityassignment，bpa)表示，单命题的基本概率赋值表示精确信息，而复合命题的基本概率赋值表示其不确定性，相比于单一的单命题更加全面的表征信息的完整度。但是需要说明的是，bpa不同于概率论中的基本概率，其属于广义的概率表示。因此，在基于d-s证据理论的不确定决策模型中，为了能够合理有效的做出正确决策，首先需要将复合命题的bpa值分配到单命题中，由此得到各个命题的基本概率值，那么如何有效地基于bpa转换为概率成为亟待解决的问题。在工程实践中，具有代表的概率转换方法是smets提出的概率转换算法(pignisitcprobabilitytransformation,ppt)，ppt依据可转移信度模型(transferablebeliefmodel,tbm)将复合命题信度bpa值平均分配到单命题中，转换后的概率分布为betp。随后又有专家提出了基于似然函数的概率转换算法(plausibilityfunctiontransform，pft)，以及[包甜甜,谢新连,魏照坤.新的证据冲突度量方法[j].控制理论与应用,2017,34(1):47-47]中提出的基于证据信度函数的概率转换算法，记为方法a。但是这几种典型方法中只应用似然函数或者只应用信度函数，均不能全面应用所得的现有信息，使得转换后的基本概率值大大降低，从而造成错误决策。技术实现要素：为了解决现有技术中的不足，本发明提供一种证据理论中基于可分配确定度的概率转换方法，准确度更高，而且适用范围广泛。为了实现上述目的，本发明采用的具体方案为：一种证据理论中基于可分配确定度的概率转换方法，包括如下步骤：s1、计算证据中各个命题的信任函数值和似然函数值，信任函数值的计算方法为似然函数值的计算方法为其中a、b均表示辨识框架的子集，子集与命题一一对应，并且b是a的子集；s2、根据各个命题的信任函数值计算证据可分配的确定度信息，计算方法为其中θ是辨识框架，θ是辨识框架中的单子元素，每个单子元素对应一个单命题；s3、判断证据是否包括全部单命题；s4、根据s3中的判定结果进行概率转换；s4.1、若证据包括全部单命题，则使用比例分配法对证据的可信度进行概率转换，比例分配法包括三种计算方法，分别是s4.1-1、其中s是θ的比例分配方式；s4.1-2、其中α1为可分配的确定度信息，β1是不可分配的不确定信息；s4.1-3、s4.2、若证据只包括部分单命题，则使用加权组合法进行概率转换，加权组合法的计算方法为2θ表示辨识框架的幂集，α2为基本权重，β2为似然权重。还包括s5、在概率转换完成后，对概率转换的准确度进行评估。s5中，评估方法为其中eh为评价指标。有益效果：本发明通过客观描述信度函数值和似然函数值对概率分配结果的影响，能够有效提升证据概率转换的精确度，进而提升决策准确度，降低决策风险。并且，本发明根据单命题全部存在和部分存在的不同情况，分别提出了相应的方法，从而大幅提升本发明的适用范围。附图说明图1是本发明的流程图。具体实施方式下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。请参阅图1，图1是本发明的流程图。一种证据理论中基于可分配确定度的概率转换方法，包括s1至s5。s1、计算证据中各个命题的信任函数值和似然函数值，信任函数值的计算方法为似然函数值的计算方法为其中a、b均表示辨识框架的子集，子集与命题一一对应，并且b是a的子集。s2、根据各个命题的信任函数值计算证据可分配的确定度信息，计算方法为其中θ是辨识框架，θ是辨识框架中的单子元素，每个单子元素对应一个单命题。s3、判断证据是否包括全部单命题。s4、根据s3中的判定结果进行概率转换。s4.1、若证据包括全部单命题，则使用比例分配法对证据的可信度进行概率转换，比例分配法包括三种计算方法，分别是s4.1-1、s4.1-2和s4.1-3。s4.1-1、其中s是θ的比例分配方式。s4.1-2、其中α1为可分配的确定度信息，β1是不可分配的不确定信息。s4.1-3、s4.2、若证据只包括部分单命题，则使用加权组合法进行概率转换，加权组合法的计算方法为2θ表示辨识框架的幂集，α2为基本权重，β2为似然权重。s5、在概率转换完成后，对概率转换的准确度进行评估，评估方法为其中eh为评价指标，eh的值越低则准确度越高。设定如下两组仿真实验。仿真实验一。给定辨识框架θ＝{f,n,u,h}，并且给定一条证据m(f)＝0.16m(n)＝0.14m(u)＝0.01m(h)＝0.02m({f,n})＝0.20m({f,u})＝0.09m({f,h})＝0.04m({n,u})＝0.04m({n,h})＝0.02。m({u,h})＝0.01m({f,n,u})＝0.10m({f,n,h})＝0.03m({f,u,h})＝0.03m({n,u,h})＝0.03m({f,n,u,h})＝0.08本条证据中包含了所有的单命题，因此使用比例分配法进行概率转换，仿真实验的结果如表1所示。表1仿真实验一的概率转换结果及与betp方法和方法一的比较结果由表1可知，相比于现有的概率转换算法，本发明中比例分配法三种计算方法的评价指标最低为0.6202，比平均分配法的评价指标低0.2871，价指标最高为0.8324，也比平均分配法的评价指标低0.0749，可见比例分配法的三种计算方法的准确度都更高。仿真实验二。给定辨识框架θ＝{a,b,c,d}，并且给定一条证据m(a)＝0.6m(b)＝m(c)＝m(d)＝0m({a,b,c,d})＝0.4。本条证据中未包含所有的单命题，因此采用加权组合法进行概率转换，仿真实验的结果如表2所示。abcdehbetp0.70000.10000.10000.10000.6783pft0.45450.18180.18180.18180.90524.1-11000/4.1-21000/4.1-31000/4.20.91270.02910.02910.02910.2828表1仿真实验二的概率转换结果及与betp方法和pft方法的比较结果由表2可知，本发明所提出的比例分配发的三种方法分母均与单命题信度函数有关，当单命题bpa为0时，其信度函数也为0，则转换概率为0，这是不合理的。betp方法和pft方法的评价指标分别为0.6783和0.9052，显然概率转换准确度较低，而本发明提供的加权组合法的评价指标为0.2828，表明概率转换的准确度更高，更有利于决策。综上所述，本发明通过客观描述信度函数值和似然函数值对概率分配结果的影响，能够有效提升证据概率转换的精确度，进而提升决策准确度，降低决策风险。并且，本发明根据单命题全部存在和部分存在的不同情况，分别提出了相应的方法，从而大幅提升本发明的适用范围。还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。当前第1页12