D-S证据推理

D-S证据推理（D-S evidential reasoning），工学-控制科学与工程-系统辨识、建模与自适应控制-信息融合-信息融合理论基础-不确定推理-D-S证据推理，不精确推理理论。满足贝叶斯概率论更弱的条件，具有更直接表达“不确定”和“不知道”能力的不确定性推理方法。由A.P.登普斯特（Arthur Pentland Dempster，1929～ ）于1967年首先提出，后由G.谢弗（Glenn Shafer）加以扩充和扩展。D-S证据推理可处理由不知道所引起的不确定性。它采用信任函数而不是概率作为度量，通过对一些事件的概率加以约束以建立信任函数而不必说明精确的难以获得的概率，当约束限制为严格的概率时，它就进而成为概率论。证据推理的最新发展和应用的方向有：基于规则的证据推理模型及其规则库的离线和在线更新决策模型，证据理论与支持向量机的结合，证据理论与粗糙集理论的结合，证据理论与模糊集理论的结合，证据理论与神经网络的结合，基于数据的马尔可夫与狄利克雷混合方法实现对证据理论质函数的赋值。