随着现代网络信息技术的迅猛发展，D-S证据理论被视为信息融合技术中的一种重要的理论方法，在学术界被广泛认可，而且其在不确定性推理问题中表现出的优势，已成功应用到模式识别、预测、判断决策等重要领域。

本文通过分析已有的改进方法，对D-S证据理论进行了研究，展开了以下工作：

（1）详细介绍了D-S证据理论的基础知识，叙述了基本概率分配函数、信任函数、似然函数等基本概念和实际意义，总结了D-S证据理论的性质和特点。

（2）分析了D-S证据理论信息融合方法在使用时出现的问题，从修改证据理论模型和修改证据源这两方面来对D-S证据理论已有的改进方法进行归纳总结，提出了结合信息熵求解权重构造概率分配函数的方法和结合证据间距离和一致性改进的D-S证据理论新方法。

（3）从我国网络舆情现状出发，分析网络舆情对社会影响的主要因素，建立三级网络舆情预警指标，获取观测数据，基于改进的D-S证据理论信息融合技术，建立网络舆情预警模型，并利用类概率函数实现网络舆情话题演变成舆情事件的可能性的判断。同时把改进后的融合方法同经典的D-S组合规则做比较，结果表明改进后的方法可以更好地实现证据的融合，并得到更为合理的判断结果。

[1] Power D J, R Sharda.Model-driven decision support systems: Concepts and research directions [J] Decision Support Systems 2007, 43(3): 1044-1061.

[2] 朱胜男, 周树民, 王传美等. 基于改进的D-S证据理论的网络舆情信息融合[J]. 武汉理工大学学报, 2014, 36(7): 139-144.

[3] Dempster A P. Upper and Lower probabilities induced by a multi-valued mapping[J]. Annals of Mathematical Statistics, 1967, 38: 325-339.

[4] G Shafer. A mathematical theory of evidence [M]. Princeton,Princeton university press, 1976.

[5] 肖楚珍. 基于D-S证据理论的信息融合方法研究及军事应用[D]. 中南大学, 2012.

[6] 刘晓光. 基于D-S证据理论的推理系统研究[D]. 合肥工业大学, 2010.

[7] Yager R R, Liu L. Classic works of the Dempster-Shafer theory of belieffunctions [M]. Springer, Berlin/Heidelberg, 2008.

[8] Limbourg P, Rocquigny E. Uncertainty analysis using evidencetheory-confronting level-1 and level-2 approaches with data availability andcomputational constraints[J]. Reliability engineering and system safety, 2010, 23(95): 550-564.

[9] Zadeh L A. Review of Shafer’s a mathematical theory of evidence[J]. AI Magazine, 1984, 5(3): 81-83.

[10] Gordon J, Shonliffe E H. A Method of Managing Evidential Reasoning in a Hierarchical Hypothesis space[J]. Artifical Intelligence 1985, 26(3): 323-357.

[11] Smets P h. Constructing the pignistic probability function in a context of uncertainty[J]. Proc.5'h Workshop on Uncertainty in AI, 319-326.

[12] 刘爱华, 范世东, 姚玉南. 基于D-S证据理论的维修类型决策模型研究[J]. 武汉理工大学学报, 2010, 32(5): 153-156.

[13] 刘利明, 谢建, 于传强. 一种基于改进证据理论的专家意见融合方法[J]. 四川兵工学报, 2014, 35(4): 124-126.

[14] Voorbraak F. On the justification of Dempster’s rule of combination.Artificial Intelligence, 1991, 48(6): 171-197.

[15] Dubois D, Prade H. Representation and combination of uncertainty with belief functions and possibility measures[J]. Computational, Intelligence, 1998(4): 244-264.

[16] 关欣, 何友, 衣晓. 基于D-S推理的灰关联雷达辐射源识别方法研宄[J].武汉大学学报(信息科学版), 2005, 30(3): 274-277.

[17] 王鹏程, 李为民. 基于模糊集理论和D-S证据推理的空袭目标识别[J]. 现代防御技术, 2005, 33(5): 8-10.

[18] Yang J B. Rule and utility based evidential reasoning approach for multiple attribute decision analysis under uncertainty [J]. European Journal of Operational Research, 2011, 131(2): 31-61.

[19] Wang Y M, Yang J B, Xu D L. The evidential reasoning approach for multipleattribute decision analysis using interval belief degrees[J]. European Journal of Operational Research, 2006, 175(1): 35-66.

[20] Yager R R.On the Dempster-Sharer framework and new combination rules[J]. Information Sciences, 1987, 3(41): 93-138.

[21] Takashi Matsuyama.Belief formation observation an d belief integration using virtual behef space in Dempster—Sharer probability modal[A]. Proc.of the 1994 IEEE on Multisensor Fusion and Integrating for Intelligent Systemi [C]. Los Vegas .N V,1994, 18(4): 379-386.

[22] Smets P. Analyzing the combination of conflicting belief functions[J]. Information Fusion, 2007, 8(4): 387-412.

[23] 陈华城, 杜学绘, 陈性元等. 基于D-S证据理论的XML文档潜在信息获取算法[J]. 计算机应用研究, 2013, 30(4): 1187-1190.

[24] Qi Xue mei, Zhang Shao cong. Application of seismic multi-attribute fusion method based on D-S evidence theory in prediction of CBM-enriched area [J]. APPLIED GEOPHYSICS, 2012, 9(1): 80-86.

[25] 孙全, 叶秀清, 顾伟康. 一种新的基于证据理论的合成公式[J]. 电子学报, 2000, 28(8): 117-119.

[26] 吕雪婷, 贾瑞生, 孙惠惠. 证据冲突下D-S 融合算法的改进[J]. 系统仿真学报, 2013, 25(3): 571-574.

[27] Murphy C K. Combining Belief Functions When Evidence Conflicts[J]. Decision Support Systems, 2000, 29(2): 1-9.

[28] 丁迎迎, 李洪瑞, 杨永健等. 基于加权的目标综合识别技[J]. 火力与指挥控制, 2012, 37(3): 54-58.

[29] 李弼程, 王波, 魏俊等. 一种有效的证据理论合成公式[J]. 数据采集与处理, 2002, 17(1): 33-36.

[30] 陈一雷. 一种D-S证据推理的改进方法[J]. 系统仿真学报, 2004, 16(1): 28-30.

[31] 蒋国瑞, 胡应兰. 基于D-S 证据理论的多Agent 辩论谈判策略研究[J]. 计算机工程与应用, 2013, 49(12): 36-40.

[32] 孙即祥. 现代模式识别[M]. 长沙: 国防科技大学出版社, 2003: 358~365.

[33] 林志贵. 基于证据理论的信息融合研究及其在水利监测中的应用[D]. 河海大学, 2005.

[34] 向阳, 史习智. 证据理论合成规则的一点修正[J]. 上海交通大学学报, 1999, 33(3): 357-360.

[35] Arbel, TFerrieF. PentroPy-basedgaze Plnaning [J]. ImageandVisionComPuting, 2001, 19(11):

779-786.

[36] 王肖霞. 冲突证据合成规则的研究[D]. 中北大学, 2007.

[37] 繆燕子. 多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究[D]. 中国矿业大学, 2009.

[38] 肖婷婷, 张冰. 基于神经网络与D-S证据理论的多传感器目标识别技术[J]. 舰船电子对抗, 2010, 33(2): 90-93.

[39] 吴小平. 基于改进的BP神经网络的D-S证据理论及其应用[J]. 武汉理工大学学报, 2007.

[40] 王健. 信息融合技术在变压器故障诊断中的应用[D]. 华东理工大学, 2013.

[41] 李特, 冯琦, 张堃. 基于熵权灰色关联和D-S证据理论的威胁评估[J]. 计算机应用研究, 2013, 30(2): 380-382.

[42] 杨建平. 证据理论及其复杂系统可靠性分析方法与应用研究[D]. 2012.

[43] 黄鹍, 陈森发, 周振国等. 基于粗集理论和证据理论的多源信息融合方法[J]. 信息与控制,2004, 33(4): 422-425.

[44] 黄国庆, 王明绪, 王国良. 效能评估中的改进熵值法赋权研究[J]. 计算机工程与应用, 2012, 48(28): 245-248.

[45] Inagaki T. Interdependence between safety-control policy and multiple-sensor schemes via Dempster-Shafer theory [J]. IEEE Transactions on Reliability, 1991, 40(2): 182-188.

[46] 杜峰, 施文康, 邓勇. 证据特征提取及其在证据理论改进中的应用[J]. 上海交通大学学报, 2004, 38(9): 164-168.

[47] 肖明珠, 陈光禹. 一种改进的证据合成公式[J]. 数据采集与处理, 2004, 19(4): 467-469.

[48] Dubois D, Prade H A. set-theoretic view on belief functions: logic operations and approximations by fuzzy sets [J]. International Journal of General Syst. 1986, 12(4): 193-226.

[49] Dubois D, Prade H A.On the combination of evidence in various mathematicalframeworks: reliability data collection and analysis[J]. Brussels, ECSC, EEC, EAFC. 1992, 30(12): 213-241.

[50] Lefevre E, Colot O, Vannoorenberghe P. Belief functions combination and conflict management[J]. Information Fusion, 2002, 3(2): 149-161.

[51] 马国清, 赵亮, 李鹏. 基于Dempster-Shafer证据推理的多传感器信息融合技术及应用[J].现代电子技术, 2003, 19(4): 41-44.

[52] 肖志宏, 罗志增, 叶明. 用证据理论实现多信息融合的一种改进算法[J]. 机器人, 2000, 22(1): 7-11.

[53] Tessem B. Approximations for efficient computation in the theory of evidence[J]. Artificial Intelligence, 1993, 61(2): 315-329.

[54] 刘洪永, 程远平, 周红星等. 立井煤与瓦斯突出危险性分析及防突措施[J]. 采矿与安全工程学报. 2007, 2(4): 173-177.

[55] 杨善林, 朱卫东, 任明仑. 基于可变参数优化的相关证据合成方法研究[J]. 管理科学学报, 2003, 6(5): 12-16.

[56] 罗志增, 蒋静坪. 相关证据的融合及其在机器人多感觉信息融合中的应用[J]. 传感技术学报, 2000, 3(4): 177-182.

[57] Deng Y. Combining belief functions based on distance of evidence[J]. DecisionSupport Systems, 2004, 38(3): 489-493.

[58] 蒋黎明. D-S证据理论中一种新的冲突证据融合方法[J]. 计算机科学, 2011, 38(4): 236-238.

[59] Joussleme A L, Grenier D,Bosse E. A New Distance between Two Bodies of Evidence[J]. Information Fusion, 2001, 2(2): 91-101.

[60] 杨风暴. 证据冲突的衡量方法研究[J]. 华北工学院学报, 2005, 26(1):58-60.

[61] 陈莹莹. 基于信息融合的风力发电机组故障诊断方法[D]. 华东理工大学, 2013.

[62] 王瑶华. 基于变精度粗糙集的网络舆情预警研究[D]. 武汉理工大学, 2013.

[63] 张应碧.网络舆情信息的评估与预警研究[D]. 武汉理工大学, 2011.

[64] 曾润喜. 网络舆情突发事件预警指标体系构建研究[J]. 情报理论与实践, 2010(1): 77-80.

[65] 张玉亮. 基于发生周期的突发事件网络舆情风险评价指标体系[J]. 情报科学, 2012(7): 1034-1037.

[66] 曾润喜, 杜换霞, 王君泽. 网络舆情指标体系、方法与模型比较研究[J]. 情报杂志, 2014, 33(4): 96-101.

[67] 戴维民, 刘轶. 我国网络舆情信息工作现状及对策思考[J]. 图书情报工作, 2014, 58(1): 24-29.

[68] 李纲, 陈璟浩. 突发公共事件网络舆情研究综述[J]. 图书情报知识, 2014, 31(2): 111-119.

[69] 唐涛. 基于情报学方法的网络舆情监测研究[J]. 情报科学, 2014, 32(1): 124-127.

[70] 张芳, 化存才, 何伟全等. 采用网络舆情指数评价体系分级预警的多层模糊综合评判模型[J]. 重庆理工大学学报: 自然科学版, 2013, 27(12): 123-128.

[71] 刘毅. 网络舆情研究概论[M]. 天津: 天津人民出版社, 2007: 51-53.