基于D-S理论的学生行为评价模型的研究

针对目前学生行为评价方法的可区分度较小、可信度低、方法单一的状况,综合运用了D-S信息融合技术,基于证据推理提出了一种新的学生行为评价模型。D-S理论是一种典型的不确定性推理和信息融合方法,它适用性强,应用广泛,能很好地表示和处理学生行为表现的不确定性信息。证据的基本可信度分配和不确定度的提取采用了函数映射的方法,在预先设定的门限条件下,采用基于基本可信度分配的决策方法进行评价结果的判定,使评价目标的不确定度大大下降,可区分度明显得到了提高,学生行为的评价结果明显得到了改善,从而增强了评价的可信度。     

基于改进的BP网络的D-S证据理论及其应用

目前,D-S证据理论凭借自身独特的处理不确定性问题能力,已在众多领域得到了广泛的应用。命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一,将改进的BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力。建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法。最后,仿真实验表明该模型可行。     

基于神经网络与D-S证据理论的目标识别

针对目标识别中基本可信度分配需要专家知识在实际中难以实现的问题,提出一种基于神经网络和D-S证据理论相结合的多传感器数据融合的方法.该方法利用D-S理论来表示和处理不精确的、模糊的信息,发挥神经网络的自学习、自适应和容错能力,提高了系统识别率.最后通过实验,利用神经网络来处理证据理论中的基本可信度分配问题,对几种空中目标进行身份估计数据融合,经计算机仿真证实了该方法的有效性.     

基于D-S证据AOD冶炼过程喷溅特征融合

将采集到的氧枪振动信号、炉口音频信号、炉口火焰图像信号作为喷溅特征的表征,采用D-S证据理论进行信息融合并得到预报结果,实验结果表明,多传感器信息经过证据组合规则融合,降低了不确定性的基本概率赋值,提高了决策可信度。     

基于灰色关联和证据推理的混凝土坝浇筑仓位排序方法

针对复杂条件因素影响下混凝土坝浇筑仓位排序过程的不确定性问题,提出了一种基于灰色关联和证据推理的仓位排序方法.以全体可浇筑仓位作为对象识别框架,利用浇筑仓位的各属性指标作为证据源,通过计算指标特征值的灰色关联系数求解指标的信息不确定度,实现浇筑仓位选择指标的基本概率分配,构建识别仓位浇筑优先级的证据体,采取Dempster合成法则的证据融合确定浇筑仓位.最后,结合工程实例验证了方法的可行性和有效性.     

基于D-S证据理论的信息安全风险评估

采用Dempster-Shafer(D-S)证据理论处理信息安全风险评估中的不确定性问题,提出了基于D-S证据理论的风险评估模型。用改进的Dempster合成法则即对基本可信度分配使用"折扣率"的方法,对信息系统中存在的各种风险因素进行合成,处理风险因素中的不确定性,并通过仿真证明了该算法的正确性。最后,通过与模糊综合评判法进行比较验证了证据理论具有更高的准确性。     

D-S证据理论中冲突证据的合成方法

针对高度冲突证据的合成问题,分析了D-S合成方法及其改进方法的不足,提出了一种新的改进方法。新方法仍利用D-S合成公式,但针对该公式要求参与合成的各证据需具有相同重要程度的要求,考虑到融合系统中各证据的重要程度可能不同,直接利用公式合成可能得到与实际相悖的结论,因而引入证据权的概念,给出了证据权的具体算法,通过证据权对已有的基本可信度分配函数进行修正得到了重要性相同的新的证据的基本可信度分配模型。最后通过算例比较表明新方法的合成结果更为理想。     

利用模糊证据理论的信息融合方法及其应用

提出了一种基于模糊集合和证据理论的信息融合方法.针对证据理论应用中基本概率指派函数(mass函数)以及多传感器信息融合中各个传感器测量数据的可信度均难以确定的问题,首先利用传感器测量信息的不确定性得到辨识框架的隶属度函数;然后利用隶属度函数构造证据理论的mass函数;再根据各mass函数之间的距离评估各传感器的相对可信度,在此基础上对各个证据进行折扣,利用基于折扣系数法的改进证据理论组合规则对多传感器信息进行融合.最后将所提出的方法应用于目标识别系统中.仿真结果表明,在证据高度冲突时,该方法仍能正确识别目标,提高了信息融合系统的稳定性.     

多传感器信息融合测控体系在温室测控中的应用研究

对农作物生长环境的温度、湿度和光照等参数的实时监测和远程控制是农业生产现代化的重要手段,为此设计了一种以ARM嵌入式微处理器2410为硬件平台,结合Linux操作系统和ADS1.2集成开发环境,同时采用D-S证据理论和BP神经网络相结合算法的多传感器信息融合测控系统。BP神经网络提供一定数量的证据,D-S证据理论降低证据的不确定性,将这种基于二者的多传感器信息融合算法应用于农作物生长环境监控中,最终得到了在S1(T>30°)温度区间内93.47%的可信度,可见设计的基于多传感器信息融合的测控体系具有良好的应用前景。     

基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

基于改进信度函数分配方法的煤种判别技术

针对电厂煤质不稳定的问题,提出基于D-S证据理论进行煤种判别的方法.提出一种根据以往的煤质分析数据建立可更新的典型样本库,然后根据典型样本库获得信度密度函数的方法.利用入炉煤元素分析结果和低位发热量作为证据,结合典型样本库计算出证据在各目标模式下的信度函数分配及不确定度,再利用D-S联合规则将数据进行融合,对目标煤种做...     

面向汽车主客观审美评价的不确定性推理模型

为了克服主、客观单一评价方法的片面性和局限性,从不确定信息推理的角度,提出结合主、客观评价证据源进行信息融合的汽车前脸形态审美评价模型. 依据人类视觉审美原理与计算美学方法,构建汽车前脸美度指标体系及指标计算公式. 运用两极递进排序法调查,获得审美评价值;依据用户的审美偏好进行审美群体分类,运用灰关联分析法计算指标权重,得到各群体主观评价的证据. 运用熵值法和相关性定权法计算指标权重,得到2种客观审美评价的证据. 基于Dempster-Shafer证据理论对主、客观证据信息的可信度进行融合推理,实现汽车前脸形态审美评价. 经实验验证,该方法能较好地平衡审美主体的主观意愿与客体的客观反映,具有较好的合理性与可靠性.     

基于改进的D-S证据理论的栅格地图构建

针对非结构化环境地图构建问题,提出了一种基于改进的D-S证据理论的栅格地图构建方法。使用移动机器人多超声波传感器进行了环境探测;针对某些情况下不能应用D-S证据理论进行信息融合和D-S证据组合过程有时会产生有悖常理的无效结果的问题进行了讨论,提出了采用近似处理算法对D-S证据理论进行改进,并将其用于多传感器信息融合,构建了2维D-S栅格地图;运用D-S证据理论进行了判决,构建了2维0-1栅格地图;对D-S栅格地图进行了分析,提出了基于D-S栅格地图的环境评价与环境探测效果评价方法。仿真结果表明,基于改进的D-S证据理论的栅格地图构建方法适用于非结构化环境的地图构建。     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S（Dempster-Shafer）证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

不确定性推理与知识获取技术

在构成常识性推理的３个基本部分中,不确定性推理（假设评价）是最重要的。论述了几种常用的定量不确定性推理方法,即基于概率论的推理方法,证据理论,模糊逻辑和信息推理等,以及建立在这些不确定性推理方法上的包含度理论,并了包含度理论和不确定性推理技术在知识获取中的应用。     

基于信息融合技术的航空电子设备故障诊断研究

提出一种基于模糊神经网络局部诊断和D-S融合决策的航空电子设备故障诊断方案。首先将设备故障特征信息进行有效组合,构建多个子模糊神经网络完成故障的局部诊断,以获得彼此独立的证据;然后应用Dempster-Shafe证据理论对各个证据进行决策融合,最后根据构建的诊断框架特点用局部诊断输出值及其正确率来获取基本概率赋值。该方案应用于某型号机载电台的仿真结果表明,经过信息融合多级处理后,诊断结论的可信度明显增加,故障识别的正确率得到有效提高。     

基于D-S证据理论的多类支持向量机融合方法

多源信息决策级融合是一种高层次、直接针对具体决策目标的融合,融合结果直接影响决策水平．针对决策级融合问题,提出了一种基于D-S证据理论的多类支持向量机融合方法．首先构造多个多类支持向量机分类器,然后采用一种新的基于成对类别概率的基本概率赋值方法,应用D-S证据理论将它们融合．仿真结果验证了该方法可以得到更高、更稳定的识别率．     

基于Web的复合材料设计专家系统

通过ASP.NET与SQLServer技术实现了多用户的协作设计,多专家的知识提供,并提供了强有力数据管理及挖掘技术,实现了一个基于Web的复合材料设计专家系统原型.这里,基于可信度的不确定性推理,采用了D-S证据理论,在规则中为每个证据引入加权因子,提出了一个新的多个证据推理机制,使系统实现了具有一定性能的复合材料设计及其典型构件设计,而且,可以反复执行,直到获得比较满意的结果为止,并随着该系统的运行,可不断补充其知识库,使结果趋于完善.     

基于D-S证据理论的运动平台多传感器目标分类

为提高空中运动平台对目标分类的能力，将基于D-S证据理论的信息融合方法用于运动平台多传感器的目标识别方面．在简述D-S证据理论的基础上，提出基于D-S证据理论的运动平台多传感器目标识别的信息融合方法．仿真实例表明了该方法的可行性．