TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol. 14, No. 3, June 20 15, pp. 525 ~ 5 3 3   DOI: 10.115 9 1 /telkomni ka. v 14i3.785 0        525     Re cei v ed Fe brua ry 8, 201 5; Revi se d April 18, 201 5; Acce pted Ma y 8, 2015   A Weighted Evidence Combination Method Based on  Improved Conflict Measure Factor       Xiaochen Xing* 1 , Yuan w e n Cai 2 , Zhe ng y u  Zhao 3 , Long  Ch eng 4 , Yan Li 5   1,3 Department of Graduate M ana geme n t, Equipm ent Acad e m y ,  Beij in g, Ch ina 1 0 1 416 ， (+ 86)1 500 13 62 5 7 2   2,4, 5 Department  of Space Equ i pment, Equi pm ent Academ y,  Beiji ng, Ch in a 101 41 6 ， (+ 86)150 01 362 57 2   *Corres p o ndi n g  author, em ail :  xin g x ia och e n _ht@1 63.com 1 , cai y uan w e n @ 26 3.net 2        A b st r a ct   D-S evi denc e  theory is  usu a l l y use d  for th e fusio n  of  multi-so urce i n fo rmati on. But t he fusi o n   result is  alw a ys aga inst w i th ge ner al  k n o w ledge for  th e he avy co nfl i ct of evid enc e. Rese arch  on   combi natio n of  conflict ev id en ce at h o m e  an d abr oa d is  s u mmar i z e d  an d  ana ly z e d  in  det ail. On th e b a s e  of   this, the concl u sion that  mo difi ed ev i d e n ce co mb in ation  method of co nflic t  evid ence  is mo re useful c an b e   daw n. Effective evid enc e co nflict meas ur e  is the first step of conflict ev i denc e co mb in ation. T he ex is ting   conflict  me asur e metho d s are  summari z e d  a nd the  main  pr obl e m  of those  meth ods is  an aly z e d  in  detai l .   Based  o n  pr e v ious  rese arch  of co nflict  evi denc e co mbi n ation, a modifi ed meas ur e f a ctor of  evi d e n ce   conflict w h ic h  i s  cal l ed  Mco n f is  put forw ard .  Mconf is  mai n ly bui lt  u p   w i th mo difie d  dist ance   of evid en c e   na me d md BPA  and tra d iti ona l  evid enc e co n f lict factor na me d  k. T he  e x ampl es in  thi s  pap er sh ow  that   Mconf can  me asure the ev id ence co nflict correctly, both for gen eral  evid ence a nd co nfli ct evidenc e.    Ke y w ords :   conflict  evid en ce co mbin atio n, confl i ct me as ure, modifi e d   evi d e n ce di stance,  trad iti ona l   conflict factor, impr ove d  confli ct factor     Copy right  ©  2015 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion  Due  to the  differen c e s  of  knowl edge  a c quisi tio n  ap proache s an d t he me asurin g  error of  the sy stem  a nd the   sen s o r , there  are  redun dan cie s   and  contrad i ctorie s  in m u ltiple sou r ce s.  Demp ste r-Sh a fer theo ry is an effect ive method to fuse un ce rtainti e s  of co nflict informatio n. It is  signifi cant  effect u s in g  D-S  eviden ce  the o ry to  solve  the u n certain   probl em s b e cause of th e la ck  of kno w le dg e. With the i n temsive  stu d y of D- S e v idence theo ry, it’s found  that there  are   perv e rs e c o n c lu sion s  whe n  f u sin g  mult i - so ur ce  ba se d on the  D-S  eviden ce the o ry [1]. Aiming at  this p r oble m , resea r chers  have cond uct ed in d epth rese arch both at  home and abro ad,  an d put  forwa r d  so m e  sol u tion s.  The p epe r  wi ll con dut a  d e tailed a naly s is. Ba se d o n  the  critici s m o f   pred ecesso rs’ research  re sults,  an imp r o v ed confli ct measure fact or M c onf ba sed on  corre c ti on   distan ce  md BPA  and conflict factor  k  is p u t forwa r d. The co nflict be tween evide n c e s  is mea s u r ed   based on  md BPA  and the  weight value  of  ea ch  eviden ce  i s   cal c ulat ed. The  evid ence i s  mo dified  and the final  deci s io n ca n be obtain ed b a se d on the  modified evid ence.      2. Induction  of Con f lict E v idence Fusion  Aiming at  the  fusio n   of con f lict eviden ce,  it can  be  ro u ghly divide d i n to two  g r ou ps. T he  first gro up is  modified com b ination rule  met hod, anot her g r ou p is to revise the e v idences.     2.1. The Modified Combination Rule Method  The metho d  of modifying and revi sing  rue s   co nsi d e r s that the ap pearan ce of cou n ter- intuitive resul t  is due to the use of disp osa b le  app ro ach in ha ndli ng eviden ce  confli ct base d  on   Demp ste r  co mbination  rul e . There a r e  some  typical  example s  su ch a s  Ya ger  rule, Smet s rule,  DP rule, Sun  Quan rule, PCR5 rule p r o posed by Smaran da che a n d  De sert.   Evidence  co nflicts  were classified into  global X  wha t  is com p lete ly unkno wn t h rou g h   Yager  rule [2 ]. It can solv e the proble m  of fusi on o f   two  highly conflicting eviden ce s.  The low  sup portin g  e v idence still  sup port s  lo w after fusi on  throu gh  su ch treatme nt. And the  conf lict  eviden ce i s   compl e tely a band oned  by  su ch treat m ent. The r efore, even if th ere  are  multi p le   eviden ce s strongly suppo rting the  focal  element of t he previou s   confli ct evide n ce. Th e fin a l  Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 14, No. 3, June 20 15 :  525 – 53 3  526 fusion  re sult  i s  e n tirely  neg ative and  irra tional.  Smets rul e   would   cl assify se ction  co nflict to  th e   empty s e t, cons is tent wit h  the Yager rule’s  pr oblem [3]. DP rule ass i gns  the BPA of c onflic t   eviden ce to  u n ion  set of th e conflict fo cal elem ent  [4] .  It is  s u itable fo r stro ng co nflict  eviden ce,  while  it al wa ys seem s  co nse r vative a nd the   conv erge ne  is sl o w . Sun  Qu a n  rule  co nsi d ers  confli ct evidence i s  still available whose degr ee of  the availabl e is  depended on credibili ty  ε   defined  by Su n Qua n  rule [ 5 ]. When  de a ling with  high  confli ct evide n ce, P C R5 ru le ha s a  ce rta i n   advantag e. While  deali n g with g ene ral non -conflic t evidence, the fusi ng eff e ct is  bad er  than  traditional De mpste r   rule’ s  conve r ge nce  and PCR5 rul e  is not asso ciative [6-7].    2.2. The of Rev i sing Ev id ence Me thod   Amend evide n ce   meth od consi ders De mpste r  co m b i nation rule   i s  right.  Th e ap pearan ce  of paradox i s  due to  the e rro r of  evide n ce. Ev ide n ce should  be  modified  befo r e  combi natio n,  then the  con c lusio n  i s  mo re re asona nle  in the  aspe cts  of physi cs, mathemati c s and  l ogi c.  Th ere  are typical e x amples  su ch as Mu rphy  aver age evi den ce metho d , Deng yon g  expectatio n   eviden ce met hod, Yeqin g   weig hte evid ence meth od , Liu Zhu nga  relative  wei ghting evid en ce  method, Yin xuezh ong  we ighted evide n ce meth od,  Liuwei ru co nflict combi n ation re cog n i t ion   method, Li u  Zhung a inte g r ated  wei ght ed evide n ce  method  an d Li b o  inte grated  weigh t ed   eviden ce met hod.   Murp hy mad e  the m a ss  of co rrespon ding to  th e f o cal  elem ent  of all the  e v idence  sha r ing  [8]. T hen  co mpo s ite n - 1  eviden ce s b a sed  on  De mp ster  ru le. The  meth od d eem s  ea ch   evidence equal wei ght. While each source of  information has different reli abilities, or t he  sen s o r s m a y have failure i n  pra c tical p r oblem s, so e a ch evid en ce  shoul d have  different wei g ht.  Den g   yong computed Jo u s selme  di sta n ce bet ween  two eviden ces in  ord e r t o  obtain  distan ce mat r ix DM [9].  Evidence  si milarity  matri x  SM was d e fined 1-DM.  Then obtain  all  eviden ce wei ghts ba sed o n   simil a rity  m a trix.  T he evi den ce s a r e  given differe nt  weig hts a nd t hen  sum all of the m . Combin e the modified e v idences ‘n -1’  times ba sed  on Dem p ste r   rule.   Ye  Qing cal c ulate  conflict factor betwe e n   tw o evid en ce s to ge nerate co nflict  matrix K  [10]. K was normali ze d an d take s entro py to gener at e evidence weight coeffi cients. Modify the  eviden ce ba sed on the wei ght factor. Co mposit e the  revised evid en ce ba se d on  Sunqua n rul e .  Liu Zhu nga  calcul ated  cre d ibility as a  weight value  b a se d on  De n g  Yong’ s pa p e r. Ma ke  the maximu m wei ght val ue  corre s po n d ing evid en ce a s  sta nda rd eviden ce,  and the  sta n dard  eviden ce is n o t to be pro c essed [7]. Th e remai n ing  eviden ce s are modified in  accordan ce  with  weig hts  com parin g  with standard evid ence. The   su rplu s ma ss v a lue of  amen dable  eviden ce   wa s a s sign ed  to full  set of   each evid en ce. Co mbine  t he mo dified  e v idences ba sed o n   Demp ste r   rule.   Yin Xuezhon g cal c ul ate e a ch  wei ght value b a sed o n  Liu Zh ung a [11]. Do n o t sele ct   standard evidence, while all ev idences  will be revised.  Com b ine the  evidence based on  Demps t er rule.  Liu WeiRu propo sed  se cti onal  confli ct m easure ba sed on  gambi ng p r omi s e s   distan ce   difBetP and conflict factor  k  [12]. It main ly adopts the method of  thresh old dete r mination. Do  not  operate a n ything  with difB etP and  k . Assign  a valu e for the  co nflict  thre shol d  ε  a c cordi ng to th e  pra c tical  appl ication. If and  only if the value of difBetP and  k   are la gre r  than o r  e qual to  ε  value,  there  i s  a serious  conflict betwe en evidences.  In   the  re st conditio n s,  combi ne  eviden ce b a se d   on Dem p ste r  rule. Liu Wei R u ju st put forwa r d a  ki nd of  compo s ite measur e of evidence confli ct  based on difB etP and  k . But it did not give a solutio n  when the confli ct is large.   The co nflict of evidence  can’t be me a s ur ed prope rl y based on  eviden ce dist ance or  conf li ct  f a ct or  k  only. Liu Z hung a put forwar d the two’ s ge ometri c  mean  BP A kd  to rep r esent   confli ct bet we en evid en ce s [13]. Revise   the evide n ce s afte r  cal c ul ating e a ch ev iden ce  wei g h t s .   Comp osite  th e revi sed  evi den ce s  with  expectatio n s  eviden ce m e thod a nd  rel a tive wei ghti n g   eviden ce met hod.   Li Bo pointe d  out that using  BP A kd  to measu r e the de gree of confl i ct betwe en  eviden ce s, when the difference of  the e v idence is  small, the con f lict measure  value ba sed  on  BP A kd  gro w  too fa st co mpa r ed  with  BP A kd . And it is ea sy to  ca use  erro r cal c ulatio n. But  whe n  the value of n of con f lict measu r e  factor ta ke s too much, the confli ct measure facto r  will  be  not se nsitive  to the ch ang e of eviden ce  in a  certai n  rang e. So, L i  Bo took  BP A kd  as confli ct  measure fact or [14].  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Weighted E v ide n ce Com b ination Meth od Base d on  Im proved  Co nflict… (Xiao c he n Xing)  527 2.3. Compre hensiv e Ev aluation of T w o Method s   Demp ste r  rul e   have  some  good   math e m atical   prope rties,  su ch  a s  co mmutative  law an d   asso ciative l a w. Mo dify the combi nati on rule s  u s u a lly dest r oy  the mathem a t ical p r op erti es .  Whe n  the  co mbination  rul e  can  not  sati sfy the a s so ci ative law, m u l t iple evidence fusi on  order is   boun d to affect the fusion  result. If combining a ll the  evidence together, the calcul ation will  be  exploding. In  fact, aimin g  at the p r obl em of h ealth  monito ring  of com p lex  system, wh en  the  sen s o r  bre a ks do wn or o r  there is a tra n smi ssi on error, stro ng co nflict evidence will come o u t. It  is irratio nal th at to make the probl em to combi nat ion rule [15]. Therefore it is more rea s on able  to   combi ne conf lict eviden ce  based on revising evid en ce  method.       3. Measure o n  Ev idence Con f lict  It’s requi re d that eviden ce s be m u tually  i ndep ende nt whe n  De mp ster  com b inat ion rul e s  is a pplied  to  the combin ation of m u lti-source  eviden ce,  so  eviden ce s a r e i nde pend ent of  e a ch   other by def ault. The  rul e  that the   minority i s   subordinate  to the  majo ri ty is ap plied  to  Trou ble s ho oting evide n ce,  that is to  say,  if one  eviden ce i s   reje cted  by othe rs, it i s  very li kely t o   be fault evid ence, and it s intensity  sh ould b e   wea k en ed d u rin g  eviden ce  co mbination. T he  degree of op positio n amo ng eviden ce i s  call ed evid ence confli ct, so confli ct betwee n  evide n ce  sho u ld be me asu r ed.      3.1. Curren t   Metho d  for the Meas ure  of Con f lict  Curre n tly, there are 2 kin d s  of method t o  m easure the confli ct of  evidence: one  of the m   is  the conflict fac t or  k  p r o posed  by De mpste r  a nd  Shafer; the  o t her i s  th e  confiden ce  lev e l,  whi c h i s  ba sed on  Jo usselme di stan ce cal c ul ati on.  Origin ally, Jousselm e di stance i s  u s e d  for   the calculatio n of the  difference b e twe e n  the  de ci sio n  by evid ence combin atio n an d the  re a lity.  Then it is use d  to measu r e  the conflict betwee n   the evidences. It is pointed that a single meth od   of the two ca n’t measu r e t he co nflict exactly in  pape r [12] and [14]. Therefo r e, some re se arch ers  prop osed that  the deci s ion  be ba sed o n  k  and d in the  form of the two.     3.2. The Main Problem  Peng  pro p o s ed that,  Jo usselme  di stan ce is in su fficie n t wh en  it is a pplied  to m e a s ure th e  gene ral evide n ce  confli ct. The big ger B PA degre e  of dispe r sion i s , the smalle r the Jou s selm e   distan ce of t w o evide n ce. In fact, each gro up of  e v idence is completely co nflicted. As for 2  grou ps of category evide n c e, it is totally c onflicte d a m ong evide n c e s  but the Jousselm e dist ance   is not the  ma x value 1. Th e rea s o n  is th at whe n  it is  norm a lized, the de nomin ator is con s t value   2, and  it  can’ t extend.  Hen c e,  a m en dme n t eviden ce  d i stan ce  BP A md  is p r opo sed.  On t he b a si s  of excellent  cha r a c ter  ret ention, all th e pro b lem s   are  solved  a nd the stypti city is better.  Therefore, a m endm ent e v idence dista n ce  BP A md  and  k   is combin ed  to measure  evidence   confli ct in this paper [16].    The definition  of amendme n t evidence d i stan ce  BP A md  is as formula (1) a nd (2 ):    11 2 2 1 2 BP A 11 2 2 ,, 2 , ,, mm m m mm md mm m m                                                           ( 1)    12 nn 12 1 2 11 ,( ) ( ) ij ij ij ij A B AB A B    mm m m                                                        ( 2)    The produ ct  of  k  and  BP A d  is u s ed in  both p aper [1 3] and   [14] to measure the evid e n ce  confli ct, and t he uni que  dif f eren ce i s  th e value  of n i n n BP A () kd . It is poi nte d  in p ape r [1 3] that  when the BPA value c hanges ,  k  a nd  BP A d  have no dire ct  correlatio n. If the produ ct rule for the   para m eter  BP A md and  k is  ap plie d by the  tho ught of  pap e r  [ 13]  and  [1 4], the evide n ce  conflict   can’t be  m e a s ured exactly .   The rea s on  is  that  o n ce a  paramete r  i s  0, 2 evid en ces  are  de cid e d   not conflicte d  no  matter th e othe r  pa ra meter i s .  Ho wever,  fact s  are  not  all  so . As i s  i ndi cat ed in  example 1.   Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 14, No. 3, June 20 15 :  525 – 53 3  528 Ex 1 Suppose frame of discernme n t is 1 234 56 ,, ,, , X  , t he BPA of 2  evidenc e s   are:   ca se1 ： 11 2 3 4 (, , , ) 1 m  ；     2 4 5 236 ( , )0 . 8 ( , )0 . 2 mm    ca se 2 ： 12 () () 0 . 2 , 1 , 2 , , 5 ii mm i    ca se 3 ： 11 2 1 2 3 (, ) ( , ) 1 , [ 0 , 1 ] ma m a a   ；     21 mm   ca se 4 ： 11 1 2 ( ) 0.99 ( ) 0.01 mm    21 2 2 1 2 3 ( , )0 . 0 1 ( , , )0 . 9 9 mm     31 3 2 () 0 . 9 ( ) 0 . 1 mm     ca se 5 ： 1 ( ) 1 / 6, 1 , 2, , 6 i mi  ；     k () 1 , k 2 , 3 , , m m    ca se 6 ： 11 1 2 () 0 . 9 ( ) 0 . 1 mm  ；   11 1 2 () 0 . 1 ( ) 0 . 9 mm   The value s   of traditional  confli ct fact or  k 、 ame n d m ent eviden ce di stan ce  BP A md an d   BP A md k  in the cases  of example 1 are indi cate d in Table 1.       Table 1.  The  values of  k  a nd  BP A md  and  BP A md k of example 1   Case   BP A md   k  BP A md k   BP A () / 2 km d Case 1  m 1 与 m 2   0.8729  0  0  0.4365   Case 2  m 1 与 m 2   0 0.8  0  0  Case 3  m 1 与 m 2   0 0  0  0  Case 4  m 1 与 m 2   0.8127  0  0  0.4064   m 1 与 m 3   0.0949  0.1080   0.0102   0.1015   m 2 与 m 3   0.7914  0  0  0.3957   Case 5  m 1 与 m k   0.8452  0  0  0.4226   Case 6  m 1 与 m 2   0.8835  0.82  0.7245   0.8518       It can be co n c lud ed from t he analy s is of  example 1:  In case 1, eviden ce  m 1  and   m 2  are in conflict,  BP A md k misj udge s eviden ce a s  0.  In case 2 and  3, evidence  m 1  and  m 2  are identical, a nd there i s  n o  confli ct betwee n  the   eviden ce s. No matter wh a t  the value ‘ a ’ is, the val u e of  BP A md  is al wa ys 0,  so  BP A md k  ca n  judge evide n c e s  in co nflict .     In ca se 4,  eviden ce  m 1  and   m 3  are si gn ificantly in  su pport  of 1 , and   m 2  judge s tha t  the  possibl e  con c lu sion  may  be in clu ded  in  12 3 (, , )   with the  p o ssibility of 9 9 %. By analy s is, th e   confli ct between  m 1  an d  m 3  is small e r than that be tween  m 1  an d  m 2 。 But in fac t, the c o nflic t  value bet wee n   m 1  an d  m 2  is 0,  whi c h  i s   smalle r tha n  that of  m 1  and  m 3.  So it is  cont rary t o   analysi s . Wh at’s mo re, the co nflict deg ree b e twe en  m 1  and  m 2  are evidently di fferent from t hat  betwe en  m 2  and  m 3.  It i s   con c lu ded  th at there i s  n o  co nf lict b e tween  2 g r ou ps of evide n ces by  confli ct measurem ent of  BP A md k  and that the judgeme n t is wrong.    In ca se  5, ev iden ce  m 1  in dicate s th at  all the  eleme n ts in  identifi c ation  fram e  can’t  be  assured. Eviden ce  m k   in d i cate s that id entification i s  tota lly unkn o wn. Evidentl y , they are n o t  equal, ie, the r e is  confli ct a m ong  evi den ce s. Wh en  co nflict mea s u r ement of  BP A md k  is a pplied,  it is con c lud e d  that there is no confli ct bet wee n  2 gro ups of evide n c e s , whi c h is  wro ng.   In ca se  6, o b v iously, there  is  co nflict b e twee n evid en ce  m 1  and  m 2.  Value BP A md k  is bi g  and the jud g e m ent is rig h t.   On the ba sis  of the above analysi s , the fo llowin g  co nclusio n s  can b e  dra w n:   (1) A s  ca se 2  in example 1 ,  when 2 evid enc es a r e ide n tical, there i s  no conflict;   (2) As case  1 an d  ca se  3 in  exampl e1, when  th ere  is intersection  in  all  the focal  element s of the 2 eviden ces(i n terse c tio n  is not ), the traditional  conflict facto r  k  i s  a l w a y s  0 ,   the ame ndm ent eviden ce   distan ce  BP A md valu e is  not al wa ys 0. In thi s   case, th ere  m u st n o t be  confli ce between eviden ce s,  but  BP A md k  value  is  always  0  by the  effect of  k , whi c h   is not  c o rrec t.   (3) A s   ca se 4  in exampl e 1 ,  in the situ ati on whe r e the r e a r e m any (take 3  a s  exa m ple )   s o ur ce -e vid e n c e ,  if a ll the fo c a l e l emen ts  amo n g 2   different  evid ences an d th e third evid e n ce   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Weighted E v ide n ce Com b ination Meth od Base d on  Im proved  Co nflict… (Xiao c he n Xing)  529 have interse c tion, conflict fator  k  is 0. But the 2 evidences a r e no t equal to the third. So th e   method with  BP A md k  is  not c o rrec t.    (4) As  ca se 5  in example 1,  when there is eviden ce a s  “ () 1 m ”, other evid ences have   no co nflict wit h  it, and method by  BP A md k  is  not c o rrec t.    3.3. Impro v e m ent of  Con f lict Mea s ure  Method   Combi ne the  analysi s  in 3.2 and the  achi ev ement  by prede ce ssors, it is pro posed a   novel eviden ce confli ct measu r e facto r   Mconf, it is expre s sed a s  formula (3):     BP A BP A BP A 00 Mcon f 0 2 md km d md                                                         (3)    From form ula  (3), it can be  concl ude d t hat Mconf dep end s on tradi tional confli ct fator  k   and ame ndm ent eviden ce  distan ce BP A md . T here a r e two  cases. First ,  when evide n ce s are   idecti cal, there is no  confli ct and  confli ct value  is 0; se con d , whe n  eviden ce s  are n o t identi c al,  take  th em as equal   an d su m  the we ig hts rega rdl e ss of  produ ct  of  BP A md  and  k  in  pap er [1 3] an d   [14]. To guarantee the val ue of Mconf b e twee n [0,1], norm a lization  is nee ded. A s  k  a nd  BP A md is  betwe en 0 an d 1, the deno minator i s  2.  Once the nov el confli ct measu r e facto r   Mconf  i s  appli ed to measure the confli ct betwe en  the eviden ce,  there are ch ara c ters a s  follows:  (1)  12 Mc onf ( , ) [ 0 , 1 ] mm ；   (2)  12 Mconf ( , ) 0 mm ， if and on ly if 12 m= m ；   (3)  12 Mc onf ( , ) 1 mm ， if and on ly if () ( ) ij AB  ， i A 和 j B are fo cal element s o f   m 1   and  m 2 ；   The  ce rtificati on of  the  ch aracte rs ab ove  is e a sy  and  it  is in t r od uced  simply i n  thi s   pape r.  As  k  a nd  BP A md is between  0  and  1,  (1 ) is  ce rtificat ed. If and  o n ly if 12 m= m ， BP A md  is  0 ， ch ara c te r (2) is  certificate. If and only if  k  and  BP A md  are  1,  12 Mconf ( , ) 1 mm , then it can be  con c lu ded () ( ) ij AB  , and the opp osi t e is true. So cha r a c ter (3)  is ce rtificate.   In actu al a p p licatio n, wh en the  novel  co nflict m e asu r e  facto r  Mconf i s  a pplied  to   measure the  conflict bet wee n  the eviden ce, a thresh old value   ε  should be  set with act ual  situation. It can be id entified that  there is big  confli ct only whe n  k  and  BP A md  are big.  Thre sh old   value  ε  is set as 0.7.   Measure the confli ct in  the situation s  like  example 1, it can be  con c l uded:   As  ca se  1 in  exampl e 1,  eviden ce  m 1  and  m 2  are small ， 12 Mconf ( , ) mm =0. 4 3 6 5 ， so  judgem ent is  right.   AS case 2 a nd ca se 3 in  example 1,  m 1  and  m 2  are identical, and there i s  n o  confli ct,  12 Mconf ( , ) mm =0 ， a nd the j udgem ent is  corre c t.   As ca se  4 in  example 1,  conflict amo n g   m 1  and  m 2 、 m 2  and  m 3   、 m 1  and  m 3  are small.  12 Mconf ( , ) mm =0. 4 0 6 4 ， 23 Mc onf ( , ) mm  =0.3957 ， 13 Mconf ( , ) mm  = 0 .1015 ， judgement is  right.   As case 5  in  example  1, whatever  k  i s ,  confli ct bet we en  m 1  a nd  m k  are  sm all, i.e., any  evidenc e  is  not in c onflic t  with () 1 m  ,  1 Mconf ( , ) k mm =0. 4 2 2 6 ， judgem ent is co rrect.   As ca se 6 i n  example 1,  there i s  a bi g confli ct bet wee n   m 1  and  m 2,   12 Mconf ( , ) mm =0.85 18, and  the judgeme n t is co rre ct.   In co ncl u si on , the novel  co nflict mea s u r e facto r  M c o n f ca n m e a s u r e th e  conflict  amon g  eviden ce.             Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 14, No. 3, June 20 15 :  525 – 53 3  530 4. Weighted  Ev idence Co mbination b ased on Mc o n f  4.1. Algorith m  Design   Assu ming the  identification  framework  12 m X, , ,  , and the num ber of eviden ce is  n. Weighte d  eviden ce co mbination al g o rithm ba se d on Mco n f is d e sig ned a s  fo llows:  a) See all th e eviden ce s  as a g r ou p, the co nflict of  one evide n ce from the ot her o ne,  whi c h two are both fro m  the group,  i s   cal c ulate d  ba sed  on M c onf . And the co n f lict of every two  eviden ce s in the gro up sho u ld be do ne.  , Mc o n f ij is sh own as fo rmula (4).     , ,B P A , Mc o n f , 1 , 2 , , n 2 ij ij ij km d ij                                                          (4)    b) Evide n ce  confli ct matri x  is  con s tru c t ed by , Mc o n f ij , and t he o r de r  of  matrix is nn .  Con f  is sho w n as form ula (5).     1, 2 1 , n 2, 1 2 , n n, 1 n , 2 nn 0 c onf c onf c onf 0 c onf = 0 c onf c o nf 0        Co nf                                                               (5)    c) Th e co nflict summation  of evidence  i  and all the ot her evide n ce from the grou p is  cal c ulate d  ba sed o n   Con f ( i ), and  Co nf ( i ) is sho w n a s  formul a (6 ).    n , 1, co n f ij jj i i  Co nf （） =                                                                              ( 6 )     d) The  sup p o r t degree of e v idence  i  whi c h is  sup port ed by the other eviden ce s  from the  grou p ca n be  dra w n a s   () ui  whi c h is  sho w n a s  formul a (7 ).    n 1 () 1 / i ui i i  Co n f C o nf （） （ ）                                                                   (7)    e) The  weig ht value of evidence  i  can b e  drawn as  () i , which i s  sh own  as formul a (8 ).    n 1 () ( ) / i iu i u i （）                                                                                       (8)    f) The  two  e v idences fro m  the  gro u p  sh ould  be  i ndep ende nt  whe n  u s e  Dempste r   combi nation   rule. T he m o dified evid en ce i n  p ape r [ 13] an d [14]  has a  sig n ificant co rrelati o n   obviou s ly because of its ge neratin g meth od. So Demp ster  combi nat ion rule  can’t  be used in thi s   situation [1 7]. In this p ape r, the combi n ation evide n ce  co mb m  can b e  d r awn f r om th e  weig hted  eviden ce co mbination of  all t he eviden ce in the grou p, and  co mb m is sho w n a s  formul a (9).     n co m b 1 () i i mi m                                                                                        (9)    g) Assum ed t hat the num b e r of focal el ements i n  evi den ce in  co mb m is  k , and the focal  element s of  co mb m   can be call ed   k A . The final  e v idence  fi n a l m  whi c h i s   sho w n  as fo rmula  (1 0)  can b e  dra w n  from  co mb m [18].     X fi na l c om b ,2 1 () ( ) 1 , 2 , , lk k lk AA k mm A l m A                                                     (10)  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Weighted E v ide n ce Com b ination Meth od Base d on  Im proved  Co nflict… (Xiao c he n Xing)  531 4.2. Verification of T y pic a l Case    In order to  make a go o d  comp ari s o n , the example in pape r [14] is sele cted for   validation. Assuming th e  identificatio n frame w o r k  12 3 4 X, , ,  , and the numbe r of  eviden ce s is  6. The typical  ca se  contai n s  two  sit uatio ns. In  situatio n 1, the  sen s or i s  no rmal,  and  the conflict b e twee n evide n ce s i s   small .  In sit uation  2, the  sen s or i s  failu re,  and th e confl i ct   betwe en evid ences i s  larg e.   Situation 1 :  The sy stem a nd the sen s o r  are b o th no rmal, and BP A of every eviden ce is  s h ow n  as  fo llo w s :     1 234 1 (, , ) 0 . 9 , ( X ) 0 . 1 mm  ； 21 2 1 3 4 (, ) 0 . 1 , ( , ) 0 . 9 mm    31 2 3 3 4 (, ) 0 . 2 , ( , ) 0 . 8 mm   ； 41 2 3 1 ( , , ) 0.95 , ( X ) 0.5 mm     54 52 3 4 () 0 . 6 , ( , , ) 0 . 4 mm   ； 61 3 4 6 ( , , ) 0 . 75 , ( X ) 0.2 5 mm       The co mbin ation re sult of evidences in  si tuation 1 ba sed on the pro posed alg o rit h m in  this pap er is  sho w n a s  tabl e 2. And the resu lt can be  comp ared wit h  the algorith m s in pap er  [14].       Table 2. The  combi nation  result in situ ation 1   Number  Combination  rule s  BPA of evidence after  combination  Weight values  1 D-S  combination  rule  2 ( ) 0.0028 m   4 ( ) 0.9773 m   34 ( , ) 0 .0199 m   Null  2  Murph y  average    evidence algorithm[8]  4 ( ) 0.8296 m   34 (, ) 0 . 1 4 6 5 m    [0.1667, 0.16 67,  0.1667  0.1667, 0.16 67,  0.1667]   3  Liu Zhun Ga com p rehensive  w e ight ed eviden ce  algorithm[13]   4 ( ) 0 . 977 1 m   34 ( , ) 0 .0222 m   [0.62, 0.99, 1. 00    0.99, 1.00, 1. 00]   4  Li Bo comprehen sive  w e ight ed eviden ce  algorithm[14]   4 ( ) 0 . 977 1 m   34 ( , ) 0 .0200 m   [1.00, 1.00, 1. 00   1.00, 1.00, 1. 00]   5  Algorithm in this paper   1 ( ) 0. 13 50 m   2 ( ) 0.1657 m   3 ( ) 0.2745 m   4 () m 0. 424 8   [0.1687, 0.16 85,  0.1688  0.1613, 0.16 52,  0.1674]       Situation 2 : The system  i s   no rmal, an d  eviden ce   m 1  is differen t  from it in  si tuation 2  because  of the  sensor failure, the other  evidence have  no cha nge. T he  changed BPA  of   eviden ce  m 1  is sh own as fo llows:    11 11 3 () 0 . 9 , ( , ) 0 . 1 mm       The  com b ina t ion re sult  of eviden ce s in  si tuation  2 b a s ed  on th e p r opo sed  algo ri thm in  this pap er is  sho w n a s  tabl e 3. And the result al so can  be comp ared  with the algo rithms in p a p e r  [14].  From typi cal  ca se of  situa t ion 1 a nd  situat ion 2,  we  can  co ncl ude  that no m a tter th e   sen s o r  i s  in f a ilure  or not,  the propo se d  algo rithm in  this pa pe r ca n ma ke a  de cisi on  co rre ct ly.  Whe n  the r e  i s  a   sen s o r  fai l ure, th e fault  eviden ce  ca n be  cl ea rly i dentified  ba sed o n  the   wei g h t   values  of initial eviden ce s. And the n egativ e effects brought  b y  t he fault evidence can  be  eliminated to  maximize. Th en the final correct de ci sio n  is co ncl ude d.      Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 14, No. 3, June 20 15 :  525 – 53 3  532 Table 3. The  combi nation  result in situ ation 1   Number  Combination  rule s  BPA of evidence after  combination  Weight values  1 D-S  combination  rule  1 ( ) 1 . 00 00 m   Null  2  Murph y  average    evidence algorithm[8]  1 ( ) 0. 09 94 m   4 ( ) 0.7949 m   [0.1667, 0.16 67,  0.1667  0.1667, 0.16 67,  0.1667]   3  Liu Zhun Ga com p rehensive  w e ight ed eviden ce  algorithm[13]   4 ( ) 0.8868 m   34 ( , ) 0 .0250 m   14 (, ) 0 . 0 1 2 4 m   [0.49, 0.76, 0. 77    1.00, 0.73, 1. 00]   4  Li Bo comprehen sive  w e ight ed eviden ce  algorithm[14]   4 ( ) 0.9729 m   34 (, ) 0 . 0 2 0 1 m   [0.63, 0.99, 1. 00   1.00, 0.99, 1. 00]   5  Algorithm in this paper   1 ( ) 0. 27 75 m   2 ( ) 0 . 115 1 m   3 ( ) 0.230 6 m   4 () m 0. 376 8   [ 0.1478 , 0.16 90,  0.1701   0.1720, 0.16 51,  0.1760]       5. Conclusio n   In this pape r, rese arch o n  combi natio n of  conflict  eviden ce at home an d a b roa d  is  summ ari z ed  and analy z ed  in detail. And we con c lu de  that effective  evidenc e  co nflict measure is  the first step  of conflict evidence com b ination.  The r e are som e  problem s in  existing con f lict  measure met hod s, so a n e w c onflict  measure fact or Mconf is   prop osed ba sed o n  previous  resea r ch. Th e case  sho w  that M c onf  can  mea s u r e  eviden ce  co nflict corre c tly. A weig hte d   eviden ce co mbination   alg o rithm ba sed  on  M c onf   is  d e sig ned, and  the  typical   ca se sh ow  that the   prop osed al gorithm  can  compl e te the eviden ce  combi nation  effectively,  both for ge n e ral   eviden ce an d  conflict evide n ce.       Referen ces   [1]  Guang lei M e n g , Guang ho ng  Gong. W e ig ht Coeffici ents  Calcu l ati on for  Evide n ce So urces a nd it' s   Appl icatio n in Evide n ces  F u s i on.  J ourn a l  of  Beiji ng  Un ivers i ty of Aer o n auti cs an d Astro n a u tics . 20 10 ;   36(1 1 ): 136 5-1 368.    [2]  Yager  RR. O n  the  Dempst er-Shafer F r am e w o r k  and  N e w  Com b in atio n  Rules.   Infor m a t ion Sc ienc es .  198 7; 41(2): 93 -137.    [3]  Smets P.  T he  Combi nati on of  Evi denc e in the T r ansferab l e Beli ef Model.  IEEE Transaction on Patter n   and Mac h in e Intelli ge nce . 19 90; 12(5): 4 47- 458.    [4 ]  D u bo i s   D ,  Pra d e  H .  Re p r ese n t a t i o n   a n d  C o mbi n a t i o n  o f  U n ce rta i n t y  w i th  Be li e f  F u n c ti on s and  Possib ilit y Mea s ures.  Co mp utation a l Intel lig e n ce . 199 8; (4): 244- 264.    [5]  Quan S un,  Xi u q in g Ye, W e ik ang  Gu. A N e w   Com b in atio n  Rul e  of Ev id e n ce T heor y.  Acta Electronica  Sinic a . 200 0; 28(8): 117- 11 9.   [6]  Jinh ai Hu, Z h i guo Yu,  Xush eng Z h a i , et al. Resear ch of Decisi on F u si o n  Diag nos is of Aero-en g in e   Rotor F ault b a s ed on Impr ov ed D-S T heor y.  Acta Aerona utica et Astron autica Si nic a . 201 4; 35(2):   436- 443.   [7]  Z hung a Li u, Yo ngme i  Ch en g, Quan Pa n, et a l . W e i ght Evi d e n ce C o mbi nati on for Mu lti-Se nsor C onflic t   Information.  C h in ese Jo urna l of Sensor a nd  Actuators . 200 9; 22(3): 36 6-3 70.   [8]  Murph y   CK. C o mbi n in g B e li e f  F unctions   w h en Ev ide n ce  C onflicts.  D e cisi on S u p port Sy stems . 200 0;   29: 1-9.   [9]  Yong  Den g , W enkan g Shi,  Z henfu Z hu.  Effici ent Com b inati on Ap pro a c h of Co nflict Evide n ce.  J.   Infrared Millim . Waves . 2004; 23(1): 27- 32.   [10]  Qing Y e ,  Xi ao p i ng  W u , Ye xin  Song. Ev id enc e C o mbi nati on  Method  Bas e d   on th e W e ight   Coeffici ents   and th e Co nfli ction Pro bab ilit y D i stributi on.  System En gi n eeri ng a nd El e c tronics . 20 06;  28(7): 10 14- 101 6.   [11]  Xu ezh o n g  Yin,  Jiegu i W ang.  A Ne w  Com b i natio n Ru le of  Heterog e n e o u s  Sources D a ta F u sion  on   Conflict Evi den ces.  Journa l of Astronautics . 2 009; 30( 4): 166 3-16 66.   [12]  W R  Liu. Anal yzi ng the D egre e  of Con fl ict a m ong Be lief F unctio n s.  Arti fi cial Intell ig enc e.  2006; 17 0 :   909- 924.   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Weighted E v ide n ce Com b ination Meth od Base d on  Im proved  Co nflict… (Xiao c he n Xing)  533 [13]  Z hung a Liu, Y ongm ei Ch eng , Q uan Pan, et al. Combin ation of  W e ig hted Bel i ef F unctions Bas e   Evide n ce Dista nce an d Co nfli cting Bel i ef.  Co ntrol T heory &  Appl icatio ns . 2 009; 26( 12): 14 39-1 442.    [14]  Bo L i ,  Xins he n g  W a n g , Kai x i ng Z h ou,  et al.  St ate Mo nitori ng  and  F a u l t Identific atio n fo r Spac ecraft   und er Sens or F ault.  Journa l of Astronautics .  2013; 34( 10): 136 2-13 69.    [15]  Deqi an g H an,  Yi Yan g , Ch on gzha o H an. Ad vanc es in DS Evide n ce  T heo r y   a nd Rel a ted   Discussi ons .   Contro l and D e cision , 2 0 1 4 ; 29(1): 1-11.    [16]  Ying Pe ng, Z heng hui H u , Hu airo ng She n . A Modifie d  Dista nce of Evide n c e .  Journa l of Electron ics &   Information T e chno logy . 2 013 ; 35(7): 162 4-1 629.    [17]  Yi Yan g , Deq i ang H an, C h o ngzh ao H an.  Evide n ce  C o m b in ation  bas ed  on Multi- Criter ia Ra nk-L evel   F u sion.  Acta Automa tica Sinica . 2012; 3 8 (5): 823- 831.   [18]  Z hung a L i u, Y ongm ei  Che n g ,  Q uan P an,  et al. T a rget  Identific atio n b y  A d a p tive C o mbin ation  o f   Conflicti ng Evi denc e.  Acta Aerona utica et As tronautic a Sini ca . 2010; 3 1 (7) :  1426-1 4 3 2 .         Evaluation Warning : The document was created with Spire.PDF for Python.