证据函数的限定化关系*

如何描述证据理论中信任函数的动态变化是一个很重要的研究课题，证据函数的限定化概念在刻画这种动态变化方面具有重要用途．本文比较了限定化概念的2种定义方式．指出了Kruse 等人在他们的著作“uncertainty and Vagueness in Knowledge BaSed systems”中出现的错误．并给出了该书的定理6.10和定理6.11的正确证明．最后利用限定化的概念,讨论了引起信任函数动态变化的3种条件规则之间的关系．     

基于D-S证据理论的审计证据评价系统设计

在信息技术迅速发展的背景下,利用计算机技术进行审计证据的处理与评价具有重要意义。D-S证据理论能够进行不确定性推理,可以用于处理审计证据判断的不确定性,因此开发基于D-S证据理论的审计证据评价系统是可行的。在阐述D-S证据理论基本原理的基础上,分析审计证据评价系统的功能需求,设计系统的功能结构,阐述审计证据合成模块的程序流程,并基于B/S结构实现该软件系统。该系统能够提高审计证据的证明效力,降低审计风险。     

D-S证据推理的决策问题

在处理不确定信息的方法中,D-S证据推理性能突出,应用广泛。但也存在决策方面的困难,事实上,有效的决策方法仍是它未解决的问题之一。该文从两方面研究了这一问题。首先根据测度论中代数(域)扩张理论,引入决策命题集的概念,对决策命题加以约束;其次分析了现有的决策方法,对线性加权组合决策方法提出了改进,并结合应用实例给出了详细可行的算法。     

证据理论中证据度量函数与可加性

证据理论是信息融合、数据挖掘、决策系统等应用模型的理论基础。研究了证据理论中信任函数与似然函数的可加性问题,定义了双联信度函数,证明了该函数为可加集函数的充要条件是基本概率分配函数的非零赋值局限于单点集和两点集。     

D-S证据理论在审计证据融合中的应用研究

古典概率难以解释审计判断的不确定性,而D-S证据理论是进行不确定性推理的有效方法,因此应用D-S证据理论进行审计证据融合的研究。针对审计证据的组合问题,提出了基于三角形模糊隶属度函数的基本概率分配函数计算方法,给出了证据组合结果的判决规则,并通过实例验证了该方法的有效性。     

冲突证据组合方法

通过引入自冲突概念来刻画基本信任指派的自相矛盾程度,提出了一种权重分配准则,给出了计算权重的算法,可得到更为合理的组合结果.     

信任函数组合与局部冲突处理

在证据理论框架中,数据融合是将几个来自不同证据源的信任函数组合成一个信任函数,Dempster组合规则是人们常用的方法,但由于此规则是通过按比例放大组合后焦元的基本信任指派值而使其满足信任函数的标准定义,尽管这一标准化方法有逻辑上的解释,但还是招致诸多批评,并提出了一些修正的组合规则。Dempster组合规则尤其在较强冲突情形下其组合结果是不符合常理的,因此不同证据源的冲突处理是信息融合的主要问题。该文通过分析比较已有的主要组合规则,提出了一种处理冲突的新方法--局部冲突处理法,此方法可克服已有方法的缺点,而且组合结果更加合理。     

信任函数理论的研究进展

一、引言通过对人工智能及专家系统的进一步研究,人们发现仅仅采用符号计算难以处理问题求解过程中所遇到的各式各样的不确定信息,而这种不确定性是无处不在的:从知识获取到计算机视觉与模式识别,从状态空间的有效搜索到自然语言理解。导致不确定的原因可能是:(1) 信息不是完全可靠的,例如,在基于规则的系统中,由专家给出的规则可能存在例外,甚至专家自身也会对规则缺乏自信;(2) 信息是不完备的,例如,在     

证据理论与模糊函数相结合的弹道目标识别

以稳健性为原则,选定物理意义明确、提取难度较低、类别可分性强、特征值起伏度小的若干种特征进行弹道中段目标群的识别研究。通过建立各类特征的模糊隶属度函数,完成相应不同证据体的基本概率赋值。再利用重新定义的证据理论冲突系数,对冲突或较低可信度证据进行修正。最后,尝试将模糊函数与改进证据理论相结合的算法应用于弹道中段的目标识别,仿真结果表明该无监督模式识别方法能够可靠地识别出真实弹头,也更具有良好的泛化能力。     

基于证据理论的云计算信任模型研究

信任模型是研究云计算中信任机制的重要问题,其研究结果可应用于云计算数据安全、服务安全,平台安全等研究.为了解决信任的量化和不确定问题,利用证据理论对信任及信任行为进行建模,并认为信任由直接的服务行为结果和间接的第三方推荐组成.提出信任的传递和聚合方式,并将建立的信任模型通过传递方式和聚合方式进行实验;结果显示该信任模型在聚合和信任行为结果纪录情况下,有利于抑制信任的不确定.