D-S证据理论中的基本概率赋值转换概率方法研究

D-S证据理论的基本概率赋值(BPA)能够有效地表示和处理不确定信息,在不确定信息处理中得到了越来越多的应用。但是如何基于BPA做出决策依然是一个有待解决的问题,将BPA转化为概率函数进行决策是一个简单可行的方法。文章基于证据理论中命题的信度函数和似真函数提供的信息,提出了一种新的基本概率赋值转换概率方法,该方法相比于现有经典TBM模型中Pignistic概率转换和基于似真函数的转换,可以更有效地利用系统已知的信息,实现基本概率赋值到概率分布的合理转换。算例表明了所提出方法的有效性。     

基于粗糙集和D-S证据理论的云网络风险评估

提出了一种基于粗糙集和D-S(Dempster-Shafer)证据理论的云网络风险评估方法。该方法把云网络中针对虚拟机的网络攻击行为作为安全要素,首先,构建云网络风险系统,根据属性依赖度对云网络风险系统进行分解;其次,利用属性重要度对这些子风险系统进行约简;再次,利用粗糙集与D-S证据理论之间的联系,计算各个子风险系统的基本信任分配函数;最后,通过D-S证据理论的合成规则对多个证据进行合成,得到云网络所处安全状态的概率,从而评估云网络的风险。通过实例验证量化网络攻击行为对虚拟机层和物理机层的影响,结果表明,所提出的方法可以实现云网络风险评估。     

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。     

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.     

基于区间信息的基本概率赋值转换概率方法及应用

D-S证据理论的基本概率赋值(BPA)能够有效地表示和处理不确定信息,在不确定信息处理中得到了越来越多的应用。基于BPA决策是一个有待解决的问题,将BPA转化为概率函数进行决策是一个简单可行的方法。文章首先定义了BPA到概率的转换定义,提出了BPA转换概率的基本准则,基于证据理论中命题的信度函数和似真函数构成的区间信息提出了一个区间概率转换(Intervalprobability transformation,IPT)方法,建立了基于IPT的信度函数决策模型。应用一个导弹防御决策的例子表明了所提出方法的有效性。     

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ANFIS和证据理论的信息融合研究

提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数,然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值,解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论的有效结合,使得证据理论具备智能信息处理的能力,并应用于雷达与红外复合制导的目标识别融合系统.仿真结果表明:该方法提高了目标识别的置信度,降低了系统虚警率,融合结果也更加合理.     

改进的D-S证据推理地图匹配算法

随着中国的高速发展,城市道路拓扑结构越来越复杂,一些常用的地图匹配算法难以适应当今各种复杂的道路类型,尤其是道路交叉口.针对道路交叉口易出错、稳定性差等问题,文中提出了一种改进的D-S证据推理地图匹配算法.该算法对原有算法加以改进,简化证据公式,重新确定基本概率分配函数,并引人第三个证据一历史匹配程度,利用分布式融合模型对证据加以融合,将距离和角度两个基本证据融合后的结果与历史匹配程度证据再加以融合,比较二次融合后的基本概率分配函数值来确定最佳匹配路段.对改进算法执行模拟测试,与其他三种算法相比的结果表明,在错综相连的道路交叉口区域内改进算法拥有更高的匹配准确率且单点匹配耗时更少.     

D-S证据理论合成规则的一些修正

在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有用的方法。但是,D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进,但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题,针对时域冲突的特点提出一种新的合成规则改进方法,由此弥补了D-S理论和Yager合成公式的不足,对于在时域上高度冲突甚至完全冲突的证据,能够取得理想的结果。     

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。     

基于信息融合方法的电机故障诊断研究

研究鼠龙异步电机转子故障诊断技术,先运用小波包分析技术对电机电流信号进行了特征值的提取,将信号进行3层分解,然后将噪声信号分离并对噪声信号进行FFT能量分析,根据噪声能量含量的大小来判断断条故障的严重程度。然后利用BP神经网络对电机的电流信号能量特征值分别进行训练和检验,并初步得出诊断结果。再运用D-S证据理论对BP神经网络的输出结果进行了决策层的信息融合故障诊断,并得出了最终的诊断结果。实验表明,在一定程度上采用多证据的融合能进一步提高诊断的准确度。     

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.     

修正的D-S证据理论在液压故障诊断中的应用

针对液压系统出现故障隐蔽性强、可变性强的问题,给出基于修正的D-S（Dempster-Shafer）证据理论的多传感器时空域信息融合方法。通过测试待诊断部分的压力、温度、流量并结合经验值,得到各部分信度函数分配,根据D-S组合、决策规则,对多个传感器多个测量周期的时空域信息进行融合,识别出故障部分。实验表明：该方法在证据高度冲突时仍有效果并有效防止了指数爆炸现象,算法简单,能准确定位故障。     

故障诊断中关联结果与专家知识的融合技术

故障诊断技术包括基于模型的诊断和基于知识的诊断。基于综合应用两方面技术进行诊断的信息融合的故障诊断技术为解决复杂诊断对象提供了解决思路，但其中涉及到要将数据关联的结果与专家的诊断知识相融合的技术关键。为解决这个关键技术，应用以证据理论为基础的证据推理方法和信息融合中的数据关联方法，将数据关联的结果转化为信任区间，与专家诊断知识进行动态的融合处理，进而提出将数据关联结果与专家知识相融合的方法。航天器故障诊断的实例说明，这种方法可以解决关联结果与诊断知识的融合问题，实际应用效果良好。     

基于多级信息融合的转台故障诊断系统研究

根据转台系统复杂的结构特点,提出了一种多级信息融合的故障诊断方法.首先针对来自各子系统的多传感器信息,应用神经网络进行局部故障模式分类;然后,将多个子系统诊断结果应用D-S证据理论加以综合,给出系统级的故障诊断决策.实验表明,该方法在复杂系统故障模式分类和不确定性推理具有较强的处理能力,能有效地提高故障诊断的可靠性和准确度.     

考虑多源信息的配电网故障定位容错方法

针对传统配电网故障定位算法仅考虑配电网馈线终端单元作为单一信息源存在容错率较低的问题,利用用户用电采集系统的供电信息作为冗余信息,考虑分布式电源接入配电网的影响构建故障定位适应度函数,并通过二进制粒子群算法求解模型.利用改进D-S证据理论进行证据融合,根据证据决策准则得到配电网故障区段定位结果.仿真结果表明,该算法可有效实现故障定位,并且在单重故障与双重故障下FTU信息有误时,较传统算法相比容错率有所提高.     

基于多源信息融合的变压器检测与评估技术

传统电力变压器状态检测大多针对单类传感器获得的数据进行处理,忽视了不同传感器之间的潜在联系,导致误判时常发生。为了避免信息孤岛,高效利用多源信息,根据多源信息的差异和互补性,将不同来源、不同模式的多类传感器信息进行多级别、多方面、多层次的信息检测,以获得电力变压器故障状态和特征估计,进而实现被测电力变压器故障态势的精确描述。首先,设计了多维状态参量的带通滤波器、能级放大及脉络检波等信息处理电路,有效提高了传感信息精确度。其次,建立基于信息融合的变压器健康状态评估模型,提高了系统整体的在线检测水平和故障诊断能力。最后,利用多源信息融合模型,验证了该方案的可行性和优越性。