使用D-S方法和上述各改進方法對表1數據進行融合的結果見表2。由于2號證據對A目標的BPA為0，無論其他證據對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2對目標B的支持率高，雖然其他證據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，未知項m(X)的數值始終在增加。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的證據越來越多，m(A)的數值有所增加，但是增加速度很慢，且未知項m(X)的數值沒有明顯降低，系統無法作出決策。隨著證據的增多，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沒有考慮證據之間的相關性，在系統收集到4個證據時，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)。分析其原因可以發現：由于傳感器本身不可靠或是敵人的干擾或是環境惡劣等因素，導致證據2與實際情況有較大的偏差，Murphy通過將證據進行平均以“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，系統需要更多的證據才能有效“抵消”收集的“壞值”。而鄧勇加權方法考慮了證據之間的相互關聯的特性，考慮了各個證據的有效性，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，其組合規則在大多數情況下是合理的。但是由于人為或自然環境等因素，信息融合系統中收集的證據常常有較大的沖突，這時使用傳統的Dempster組合規則無法有效地處理這些沖突證據。本文總結分析了相關的國內外典型文獻的改進思想，并進行系統條理的分析，為證據理論的發展和改進提供了有價值的參考，并為證據理論在不確定性推理方法奠定了良好的基礎。