函数用法非常简单，就一个函数，例如案例：=ETDS(O18#)函数
函数参数解释：函数选区为数组数据，每一列为决策空间，每一行为需要融合证据。
该函数基于DS证据理论，针对概率型框架进行信息融合。
Dempster-Shafer (DS) 证据理论详解
DS证据理论（Dempster-Shafer Theory, DST）是一种处理不确定性和不完全信息的数学框架，由Arthur Dempster（1967）提出，Glenn Shafer（1976）完善。它比传统概率论更灵活，适用于信息融合、决策支持和人工智能领域。
1. 核心概念
| 术语 | 定义 | 示例 |
|---|---|---|
| 识别框架 (Θ) | 所有可能假设的集合，互斥且完备。 | Θ = {A, B}（A: 设备故障, B: 设备正常） |
| 基本概率分配 (BPA, m) | 对Θ的子集分配概率，满足： • m(∅) = 0 • ∑m(A) = 1 (A⊆Θ) | m({A}) = 0.6, m({B}) = 0.3, m(Θ) = 0.1 |
| 信任函数 (Bel) | 对某个假设的最低置信度：Bel(A) = ∑m(B) (B⊆A) | Bel({A}) = m({A}) = 0.6 |
| 似然函数 (Pl) | 对某个假设的最高可能度：Pl(A) = ∑m(B) (B∩A≠∅) | Pl({A}) = m({A}) + m(Θ) = 0.7 |
| 不确定性区间 | [Bel(A), Pl(A)] 表示对A的置信范围 | {A}的置信区间：[0.6, 0.7] |
2. Dempster组合规则
用于融合多条独立证据，对两个BPA m1m1 和 m2m2，组合后的BPA为：
冲突因子K：衡量证据间的矛盾程度（K≈1时需谨慎使用）。
示例：
- 证据1：m₁({A}) = 0.6, m₁(Θ) = 0.4
- 证据2：m₂({B}) = 0.7, m₂(Θ) = 0.3
- 组合后：
- K = m₁({A})·m₂({B}) = 0.42
- m({A}) = 0, m({B}) ≈ 0.517, m(Θ) ≈ 0.483
