使用D-S方法和上述各改進方法對表1數(shù)據(jù)進行融合的結果見表2。由于2號證據(jù)對A目標的BPA為0，無論其他證據(jù)對A的支持程度有多高，經典D-S方法的最后融合結果A的概率均為0。僅僅由于證據(jù)2對目標B的支持率高，雖然其他證據(jù)對它的支持率都不高，最后的融合結果卻是B。這是典型的失效問題。

Yager的結果中，不論以后收集多少支持A的證據(jù)，未知項m(X)的數(shù)值始終在增加。孫全對Yager的改進方法可以部分克服原方法的缺點，表2中可以看出，隨著支持A的證據(jù)越來越多，m(A)的數(shù)值有所增加，但是增加速度很慢，且未知項m(X)的數(shù)值沒有明顯降低，系統(tǒng)無法作出決策。隨著證據(jù)的增多，Murphy的平均方法和鄧勇加權方法都能正確的識別出目標A。但是由于Murphy沒有考慮證據(jù)之間的相關性，在系統(tǒng)收集到4個證據(jù)時，Murphy方法才識別出目標A(對應表中的m1，m2，m3，m4列)。鄧勇加權的方法在收集到第3個證據(jù)時就可以正確識別目標(對應表中的m1，m2，m3列)。分析其原因可以發(fā)現(xiàn)：由于傳感器本身不可靠或是敵人的干擾或是環(huán)境惡劣等因素，導致證據(jù)2與實際情況有較大的偏差，Murphy通過將證據(jù)進行平均以“抵消”這一“壞值”的影響。但是由于Murphy的方法只是對證據(jù)簡單平均，在某些情況下(如本例中m2(B)=0.9，也就是m2強烈支持目標為B，系統(tǒng)需要更多的證據(jù)才能有效“抵消”收集的“壞值”。而鄧勇加權方法考慮了證據(jù)之間的相互關聯(lián)的特性，考慮了各個證據(jù)的有效性，有效地降低了“壞值”對最終融合結果的影響，使得在比較少的證據(jù)下就能使結果收斂為正確的目標。

4 結語
不確定信息的表示和若干個信息的綜合是不確定性推理的主要問題，D-S證據(jù)理論為不確定信息的表示提供了一個很好的框架，其組合規(guī)則在大多數(shù)情況下是合理的。但是由于人為或自然環(huán)境等因素，信息融合系統(tǒng)中收集的證據(jù)常常有較大的沖突，這時使用傳統(tǒng)的Dempster組合規(guī)則無法有效地處理這些沖突證據(jù)。本文總結分析了相關的國內外典型文獻的改進思想，并進行系統(tǒng)條理的分析，為證據(jù)理論的發(fā)展和改進提供了有價值的參考，并為證據(jù)理論在不確定性推理方法奠定了良好的基礎。