序信息系统中基于粗糙集的证据获取与合成

通过在决策序信息系统中引入证据理论,提出一种基于粗糙集的证据获取与合成方法.利用证据信任度计算近似条件概率分配,根据属性重要度和证据支持度计算权重,然后用合成公式对近似条件概率分配进行合成,得到决策.     

基于模糊粗糙集和D-S证据理论的多源灌溉信息融合方法

针对多源灌溉信息决策过程中不确定性信息难以融合的问题,提出了一种基于模糊粗糙集和D-S证据理论相结合的决策融合方法。运用模糊粗糙集理论,建立基本概率分配函数,计算各灌溉因子与灌溉决策之间的依赖程度,构建多个融合灌溉因子对灌溉决策的识别框架;然后运用改进的D-S证据理论,进行多源灌溉信息决策层级的融合,最终解决不确定信息的表达和合成问题。应用上述方法对华北地区冬小麦土壤水分、光合速率和气孔导度等信息进行灌溉决策融合,结果显示：灌溉决策的不确定性由融合前的最高38%降至9.84%,该方法可有效地提高灌溉决策精度,降低灌溉决策的不确定性     

基于粗糙集的证据获取与合成方法研究

证据理论是处理不确定性问题的有效工具,但是其证据往往来源于专家,带有很大的主观性,且合成证据的重要性无优劣之分。提出了一种基于粗糙集的证据获取与合成方法。利用证据信任度计算近似条件概率分配,根据属性重要度和证据支持度计算权重,用合成公式对近似条件概率分配进行合成得到决策。实例结果表明了该方法的有效性。     

基于三支决策的证据融合策略

针对现有证据合成改进方法过程复杂，计算量较大，不加判别地处理证据冲突等问题，提出一种基于三支决策的证据融合策略.首先将证据关系分为一致、冲突和中立3种，建立基于三支决策的证据关系模型.设计算法筛选出证据支持的主要焦元.利用焦元集合的相似度和向量距离分别计算一致概率和代价函数.依据贝叶斯最小风险决策理论来判定证据关系.接着，在该模型的基础上提出基于三支决策的证据融合策略.根据各证据的主要焦元确定初始证据集的焦元分布.通过把证据划分到不同证据集内部或边界上来实现证据的三支划分.最后对加权修正的证据集融合结果和边界证据进行合成.算例分析表明，本文方法不仅能处理证据悖论，还使融合结果更稳定可靠.     

基于决策距离的多传感器信息融合加权平均算法

本文引入证据间距离、证据间支持度和可信度、决策距离测量等重要概念,对证据的信任函数数据进行合理化处理,并借助D-S证据合成规则实现多传感器的信息融合,从而提出基于决策距离的多传感器信息融合加权平均算法。算例分析表明,该方法能够有效解决D-S冲突问题,确保信息融合结果的准确度。     

改进证据分类合成方法在农作物生长环境评估中的应用

针对传统DS证据理论存在处理冲突证据的不足,基于证据间的相似度引入了信 息熵属性,修正了证据分类属性,结合证据间相似度属性将证据集重新划分为可信度高证据 、一般性证据和冲突证据,对分类的证据集赋予不同的重要性系数,并加以修正改进。改进后使得一般性证据和高冲突证据向可信度高的证据意见靠拢,最后利用DS组合规则对于修正后的证据进行合成。针对农作物生长环境中多个传感器获取的数据构造其所对应证据的基本概率分配函数,利用模糊理论对基本概率分配函数进行取值。实验采用各类传感器测得的真实数据集进行实验,结果表明改进的方法既能够很好地解决冲突问题,同时能降 低证据的不确定性。     

基于粗糙集和D-S证据理论的信息融合技术应用研究

针对井下信息量大、噪声多、参数多、动态等特征,提出了一种基于粗糙集数据挖掘和D-S证据理论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理;利用径向基函数(RBF)神经网络建立了井下环境识别模型;利用D-S证据理论进行两级融合决策,并对井下安全状况进行判断。仿真结果表明:该方法提高了井下信息的识别和决策效果,极大地降低了不确定性。     

基于模糊化的决策粗糙集属性约简和分类

决策粗糙集是一种基于贝叶斯风险最小化原则的具有一定容忍度的概率粗糙集模型,但当前关于决策粗糙集模型的研究只局限于处理具有离散型数据的信息表.文中将模糊集和决策粗糙集理论相结合,在决策粗糙集模型中计算期望风险损失时,利用模糊隶属度函数代替传统的后验概率求解方法,这样可推导出新的决策规则,进而可高效处理那些包含连续型属性的信息系统.实验表明该方法是可行的,并且可通过调整隶属度函数,达到更佳分类效果.     

超球SVM与证据理论在故障诊断中的应用

针对使用多传感器信息融合技术进行故障诊断时,故障模式较多、基本概率赋值难以确定的问题,提出一种基于超球支持向量机与D-S证据理论相结合的故障诊断方法。该方法使用超球支持向量机针对每一个传感器的故障空间训练分类模型,根据类内隶属度与类-类相似度得到各故障类别的基本概率赋值,利用D-S证据理论进行证据融合,基于信任函数进行故障决策。试验结果表明该方法提高了故障识别能力,有一定实践意义。     

基于直觉模糊证据合成的多传感器目标识别

对证据理论和直觉模糊集理论之间的本质联系进行分析,提出一种基于直觉模糊集改进的证据合成实用算法用于多传感器目标识别.根据直觉模糊集中隶属度和非隶属度的概念,对证据理论的可信度函数模型进行改进,提出了直觉模糊可信度分配函数模型并构造了相应的证据合成规则,以提高证据合成计算效率,使合成结果便于最终决策.通过与其他算法的对比实验验证了所提出算法的有效性.     

一种新的基于置信距离的冲突证据融合方法

针对传统DS证据理论在处理高冲突证据融合所存在的不足,提出了一种新的冲突证据加权融合方法.该方法充分考虑证据本身的特性和证据间的关系,先引入证据熵来评价证据的质量,对证据进行预处理,再应用证据间的距离计算证据的相似度和证据权重,最后对修正后的证据进行融合.数值算例表明,该方法能够有效地处理高冲突证据融合问题,相比其他改进算法,具有较好的收敛速度和较小的计算量.     

不确定性证据聚类问题讨论

讨论了以证据形式表达的多源信息聚类问题，并根据证据之间的冲突程度提出了证据聚类准则．在此基础上，还研究了证据在各类之间转移时引起聚类状态改变的情况，并根据Dempster组合规则推导出了证据与各类之间的隶属关系，为寻找证据聚类方法提供了理论基础．     

基于证据价值的冲突证据合成方法

证据理论作为一种不确定性推理,广泛应用于人工智能、信息融合等方面。针对高冲突证据在组合过程中易产生各种与事实相悖的结论,提出了基于证据价值的冲突证据合成方法。此方法首先定义了证据价值的标尺,借用欧氏距离的概念计算证据自身价值,并规则化作为权重,然后引入未知项,修正证据源,再利用D-S合成公式对证据进行合成。实例分析表明,此方法在处理冲突证据时是有效、可行的。     

基于证据理论和混淆矩阵的传感器可靠性评估

在信息融合系统中,各传感器提供的信息不一定完全可靠,在融合前有必要对传感器的可靠性进行评估,进而对其提供的信息进行预处理。基于证据理论,在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出证据之间的关系对传感器可靠性进行评估;然后利用传感器的可靠性因子对证据进行折扣运算,实现对信息的预处理;最后利用Dempster组合规则进行融合。基于证据理论的融合识别算例表明,所提出的方法综合利用了传感器的先验信息和动态输出,可以较好地反映传感器的性能,并能够有效降低可靠性传感器的影响,具有较好的融合效果。     

电子证据的归属及证明力研究

笔者结合电子证据其自身的显著特征,探讨应将电子证据列为一种独立的证据类型,并且着重就电子证据的证明力等问题展开讨论。     

基于证据向量差异度改进的冲突证据融合方法

针对传统Dempster-Shafer证据理论合成高冲突证据时会出现融合结果不合理的问题,提出了一种新的冲突证据加权方法和融合规则。该方法引入证据向量差异度概念对证据冲突系数进行修正,并应用修正后的冲突系数计算证据集互信度矩阵和证据权重,最后对加权修正后的证据进行融合。数值算例表明,该方法可以合理有效地解决冲突证据融合的问题,相比于其他改进方法,具有更快的收敛速度和更强的鲁棒性。     

一种特殊相关证据的合成方法

Dempster-Shafer证据理论的合成方法只适用于独立的情况,相关证据的合成则比较复杂,本文认为两个相关证据是由两个独立源证据和一个相关性源证据通过正交和合成所得。相关证据的合成则为这三个源证据的正交和,因此必须从相关证据中分离出独立部分和相关部分。针对相关证据的BPA为可分离mass函数的情形,给出了具体明确的合成方法。     

伪证据识别和处理在噪声数据评估中的应用

由于自身因素或外界干扰,机场噪声监测设备往往会测得异常数据,使得该监测点对其他监测点的可信度判断出现错误。当将这种伪证据与其他证据进行融合时,使用D-S组合规则可能会得到较差的融合结果,甚至是违背常理的结果。为了抵消伪证据对融合结果造成的影响,论文介绍了一种利用合成规则的聚焦性识别伪证据的方法,并将识别出的伪证据进行处理再融合。实验结果表明该方法能有效的抵消伪证据造成的影响,得到较好的融合效果,并可成功适用于含有大量不确定信息的机场噪声监测数据可信度证据融合中。     

浅议计算机证据的提取

近几年来,随着计算机技术的快速发展普及,计算机已成为人们工作、生活中不可缺少的部分,与此同时,利用计算机的犯罪层出不穷。对利用计算机的犯罪在侦查、取证、鉴定、采信等各个环节上都不同于传统犯罪,司法工作者也面临着新的挑战。本文针对当前计算机犯罪难提取、难固定的现状,对在windows系统中常见计算机证据的提取进行分析,并探讨有效获取计算机证据的方法。     

新的证据冲突度量方法

为了解决证据理论在处理高度冲突证据时会出现的失效问题,研究了证据冲突的度量和表示方法.首先,证据距离作为一种主要的证据冲突度量方法,通过分析各种证据距离的不足,定义一种新的概率距离,并结合Jousselme距离来描述证据之间的差异性.其次,由于证据距离无法完全代表证据冲突,根据模糊交叉熵的概念,定义了基本概率指派(basic probability assignment,BPA)交叉熵来表示证据之间的散度.再次,通过Hamacher T–余范融合证据距离和证据散度两个方面,提出一种新的证据冲突度量方法.最后用数值算例验证了该方法的有效性.