一种基于邻域容差信息熵的组合度量方法

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性评估的不足,然后,进一步引入邻域容差信息熵的概念;最后将混合近似粗糙度和邻域容差信息熵这两种单一度量进行结合提出一种组合度量方法,并且研究了相关性质.UCI实验结果表明,本文所提出的方法在混合信息系统中具有更好的不确定性度量效果,从而验证了该度量方法具有一定的优越性,并且从理论上也证明了该方法的可行性.     

基于信息粒化的区间值信息系统不确定性度量方法

目前区间值信息系统的不确定性度量方法大多基于粗糙集的粗糙度度量.实例分析表明该度量方法不满足严格单调性,为了解决这一缺陷,将粒计算方法引入区间值信息系统中,提出一种区间值信息系统的信息粒化模型.引入区间值信息系统的知识粒度和粗糙熵两种度量方法,理论分析出它们具有的严格单调性,在区间值信息系统的不确定性度量方面具有更好的优越性.实验验证了知识粒度和粗糙熵均比传统的粗糙度具有更好的不确定性度量效果.     

基于一般二元关系的粗糙集加权不确定性度量

不确定性度量是粗集理论的研究热点.考虑到实际数据中样本重要性的不同,在一般二元关系下构建一种带有可调参数的加权不确定性度量———α熵,证明了现有的多种不确定性度量是α熵的特例,进而对完备和不完备信息系统中知识的不确定性度量进行了统一.在此基础上基于一般二元关系提出了一种加权不确定性度量———α精度和α粗糙度,证明了α精度和α粗糙度的单调性;理论分析和实例表明α精度和α粗糙度比现有的不确定性度量更精确,更符合人们的认识规律.最后,在一般二元关系下利用α精度设计了一种加权属性约简算法,实验结果表明文中的变参数加权不确定性度量方便地融入了主观偏好和先验知识,通过改变参数α构造的组合分类器有效地提高了约简结果的分类精度.这些结论发展了基于粗糙集的不确定测度理论,提高了方法的普适性和可解释性,为一般二元关系下的信息系统知识获取提供了理论依据.     

不完备信息系统中一种新的不确定性度量方法

不确定性度量是智能计算等领域中一个重要的研究问题。在不完备信息系统中,为了融合众多不确定性度量方法的优点,引入近似粗糙度度量方法,由于该度量方法存在一定的缺陷,接着在近似粗糙度中融合知识粒度度量,提出一种新的不确定性度量方法,同时在所提出度量方法的基础上加入了一个平滑因子,以提高该度量方法在不确定性度量时的适用性。实验结果表明所提出的方法具有更好的不确定性度量效果。     

基于邻域粗糙集组合度量的混合数据属性约简算法

属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。     

基于信息结构的区间值决策信息系统鲁棒不确定性度量

现阶段基于单值的信息系统的不确定性度量研究较多,而少有关于区间值决策信息系统的不确定性和噪声标签对系统不确定性影响的研究.因此,文中提出基于信息结构的区间值决策信息系统鲁棒不确定性度量.利用KL散度定义区间值之间的相似度,构造区间值模糊相似关系,并提出区间值决策信息系统的信息结构.为了降低噪声决策对系统不确定性度量的影响,引入K近邻点计算样本关于决策的隶属度,提出2种基于信息结构的鲁棒不确定性度量方法.实验表明文中不确定性度量的有效性和合理性.     

一种基于不可区分度的组合熵与组合粒度

组合熵与组合粒度是一种新的度量信息系统不确定性的有效方法。基于对象之间的不可区分度将组合熵与组合粒度的概念推广到非完备信息系统中,并给出二者的性质。经证明,非完备信息系统中的组合熵与组合粒度之间具有严格的互补关系,并可退化为完备信息系统中的组合熵与组合粒度。实例表明该方法能够对非完备信息系统中的不确定性进行有效的度量,拓展了组合熵与组合粒度的应用范围。     

基于粗集理论的系统不确定性度量方式研究

不确定性是决策信息系统的固有特征,对系统的性能具有重要影响.有效地度量决策信息系统的不确定性具有重要意义.粗集理论是处理不确定信息最成功的工具之一.本文评述多种基于粗集理论的系统不确定性度量方式;分析它们的代数特征和数量关系;并通过仿真实验系统地比较它们的性能.结果表明"全知熵不确定率"是最有效的不确定性度量方式,其合理性通过它的成功应用得到进一步验证.     

自反二元关系下不完备信息系统的粗糙熵及粒度度量

针对不完备信息系统中各种自反二元关系形成了对系统的覆盖而非划分的情况,提出利用对象的邻域来定义粗糙熵和粒度度量以衡量系统的不确定性,证明了以上不确定性度量同完备信息系统的不确定性度量是一致的.同时在覆盖可约简的情况下,定义了覆盖约简对系统的粗糙熵和粒度度量,研究结果表明在系统分类最细或最粗时,覆盖约简的不确定性和知识的不确定性是等价的.     

不完备信息系统下的不确定性度量方法

在不完备信息系统中,不确定性度量是Rough Set理论中的一个难题。文中通过分析现有完备信息系统的不确定度量方法以及不完备信息系统的特性,提出了广义相似关系,并以之为基础给出了一个直接度量不完备信息系统不确定性的方法。通过实例分析,验证了该方法的有效性。     

TDLAS技术温度测量的不确定度分析方法研究

随着可调谐二极管激光吸收光谱（TDLAS）技术在工业测量与科学研究领域的广泛应用，对其测量结果的质量进行量化评定已成为迫切需要。以一套已集成的TDLAS测温系统为例，根据最新国家标准，基于不确定度传播律，理论分析了影响测温结果测量不确定度的因素，给出了评定TDLAS测温系统在线测量结果不确定度的一般方法。分析表明TDLAS系统测温结果的测量不确定度随所测温度值的变化而变化，并受所选谱线参数、吸收信号信噪比、系统响应情况等条件的影响。理论推导了针对测温系统的不确定度评定公式，结果表明对特定测温范围与测温系统，需对其进行温度标定，补偿系统误差。     

非模型化相机标定方法及测角误差研究

结合航空摄影光学校准方法和垂线法的概念,提出了一种不依赖于解析模型的相机标定方法,对CCD全像面进行亚像素层级的全视场逐点标定,构建分度视场角-像面坐标映射表;测角过程不依赖于成像模型,而使用映射表标准值插值解算。通过对标定过程进行分析,研究了此方法中影响测角精度的关键参数:一维靶标的靶点直线度、图像处理精度等,获得了系统误差分布特性及测角不确定度。最后通过水平方向测角验证实验,验证了此方法的可行性及误差分析的正确性。     

结构光测量系统的投影仪标定方法研究

传统单目视觉结构光测量系统通过解相位间接计算被测物的高度信息,系统约束性过强、不易操作、且标定精度较低.将双目立体视觉原理引入单目结构光视觉测量系统,根据投影仪图像坐标和摄像机图像坐标的对应关系,将投影仪当作一个逆向的相机,建立了投影仪模型,使用成熟的相机标定算法对投影仪进行标定.再配合四步相移法和基于多频外差原理的时域相位展开法,实现条纹图像的快速精确解相位.相对于传统的单目视觉结构光测量系统,本方法具有单目视觉系统操作简单、鲁棒性强的特点,同时也可以达到双目视觉测量的精度.实验结果表明,这种方法的投影仪标定精度达到了实际应用的要求.     

小样本ATS测量不确定度评定方法研究

提出一种基于灰色系统理论和贝叶斯信息融合理论评定小样本自动测试系统（Automatic Test System,ATS）测量不确定度的新方法。该方法在已有测量不确定度灰色评定模型的基础上,引入灰色关联理论,建立新灰色评定模型,并引入贝叶斯信息融合思想,融合历史测量数据和当前测量数据的评定结果,得到最终测量不确定度。以某ATS测量链中具体的传递单元作为实例,按该方法计算测量不确定度,并将评定结果与其他常用方法评定结果进行比较,达到很好的一致性,且该方法评定小样本ATS静态测量得到的结果准确度高,评定小样本ATS动态测量,更符合其动态测量特性且计算量小。     

基于改进修正权重的证据组合方法

针对证据组合过程中修正权重的确定问题,提出了一种综合考虑证据间关联关系和自身不确定度的改进修正权重确定方法,实现了对待组合证据的有效修正。基于对证据信息随机性和不具体性的阐述,得到了证据综合不确定度的度量方法。结合基于改进冲突度的相似性权重和基于综合不确定度的可靠性权重,确定了改进的修正权重。应用Dempster组合规则对修正后的加权平均证据进行有效组合。算例分析结果表明,所提方法能够充分利用证据信息,解决证据冲突,组合结果更为客观、准确,可信度更高。     

SINS/SAR组合导航系统中量测滞后补偿方法研究

针对捷联惯导(SINS)/合成孔径雷达(SAR)组合导航系统中,图像匹配耗时所造成的量测输出延迟问题,提出一种补偿量测滞后的无序量测算法。该算法首先求出滞后时刻到当前时刻的等效量测量,然后,计算追溯状态向量以及与追溯状态向量有关的协方差,对当前时刻的状态估计量进行更新,得到系统状态量的准确估计值,修正捷联惯导系统相应的状态量。将提出的滤波算法应用于SINS/SAR组合导航系统中进行仿真计算,并与不考虑量测滞后的标准卡尔曼滤波比较,结果表明,提出的新算法能够有效补偿量测的输出滞后,提高导航系统的解算精度。     

一种度量数据信息不确定性的方法

对数据信息不确定性的度量是学术界和工业界十分关注的课题,目前常用的不确定性度量方法基本上是基于方差或信息熵的,在方差计算的基础上提出了一种简单的度量方法来度量随机数据的不确定性,这种度量方法基于累积方差但与传统方的基于方差的形式有所不同,和信息熵具有类似的表示意义而且计算度更快,分析结果表明该方法可以在对离散随机数据的不确定性度量应用中作为一种选择方案。此外,对定义的度量方法的性质和效果进行了讨论。