证据理论中基于区间概率的不确定测度

在证据理论的应用中,不确定测度作为一种新的评价准则,可以对知识进行量化评价.相关研究者对证据不确定测度进行了研究,但现有不确定测度在应用中存在一定的局限性,尤其是对信任函数的变化不够敏感.针对现有不确定测度对证据变化不够敏感问题,从信度区间的角度提出了一种新的证据不确定性测度.首先基于证据理论和概率论之间的关系,将证据理论中基本概率赋值函数转化为单元素子集上的信度区间,区间的上下界分别为似然函数和信任函数,然后结合证据理论中的不一致性和不精确性,定义了一种新的不确定测度SU,并通过数值算例对SU的计算过程和数学性质进行了分析,最后对SU在证据组合中的应用进行了验证.算例结果表明,在其他不确定测度无法辨别不同证据的不确定性时,SU仍能较好反映不同证据间不确定性的差异,而且对于参数化的基本概率赋值函数,SU对参数变化比较敏感.可见,考虑了区间数中值和区间长度的不确定测度SU可以很好地对证据不确定性进行度量;而且,当所有焦元都为单元素子集时,SU退化为香农熵的形式,证据不确定性的最大值与辨识框架中元素的个数有关,这在实际应用中更具意义.     

证据理论中基于区间概率的不确定测度

在证据理论的应用中,不确定测度作为一种新的评价准则,可以对知识进行量化评价.相关研究者对证据不确定测度进行了研究,但现有不确定测度在应用中存在一定的局限性,尤其是对信任函数的变化不够敏感.针对现有不确定测度对证据变化不够敏感问题,从信度区间的角度提出了一种新的证据不确定性测度.首先基于证据理论和概率论之间的关系,将证据理论中基本概率赋值函数转化为单元素子集上的信度区间,区间的上下界分别为似然函数和信任函数,然后结合证据理论中的不一致性和不精确性,定义了一种新的不确定测度SU,并通过数值算例对SU的计算过程和数学性质进行了分析,最后对SU在证据组合中的应用进行了验证.算例结果表明,在其他不确定测度无法辨别不同证据的不确定性时,SU仍能较好反映不同证据间不确定性的差异,而且对于参数化的基本概率赋值函数,SU对参数变化比较敏感.可见,考虑了区间数中值和区间长度的不确定测度SU可以很好地对证据不确定性进行度量;而且,当所有焦元都为单元素子集时,SU退化为香农熵的形式,证据不确定性的最大值与辨识框架中元素的个数有关,这在实际应用中更具意义.     

基于模糊和证据理论的行为建模

针对人类行为模型系统中存在大量的复杂任务关系和过程,系统输出的概率不确定性等问题,提出了基于Mamdani-Zadeh推理范式和D-S证据理论的建模方法.这种方法把输入空间分割成人们比较容易理解和表达问题的小区域,使用Mamdani-Zadeh和模糊D-S规则控制信度函数的输出值,从而得到了用户预期焦化元的清晰值,实现了模型系统关系、过程简单化;并通过具体例子证实了此方法的精确性和有效性。     

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。     

模糊证据理论

本文从实际应用的角度出发，将证据空间中的事件看成模糊子集。通过模糊化方法给 表示以及在限定条件下的信任函数的修正模型。     

基于信度函数的决策及应用

不确定环境下的风险决策通常用概率函数来描述事件的随机性,作为概率函数的推广,信度函数比概率函数能够更好地描述不确定信息,所适用的范围更为广泛。在随机集的框架下研究了基于信度函数的决策方法,并将其应用到一个导弹防御系统中风险评估中。     

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.     

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。     

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，本文比较了限空化概念的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”中出现的信任函数动态变化的３种条件规则之间的关系。     

基于统计证据的mass函数和D-S证据理论的多传感器目标识别

mass函数表示对证据的精确信任程度,是信任函数的基本概率分配.文章在阐述Dempster-Shafer(D-S)证据理论和决策方法的基础上,较系统地论述了基于统计证据的mass函数和D-S证据理论的目标识别的数据融合方法,并给出了具体的识别实例.从计算结果可以看出,该方法有利于目标识别的实现,具有较好的实用性.     

基于粗糙集和证据理论的目标识别方法研究

文章提出了一种基于粗糙集和证据理论的目标识别方法.首先对决策表进行约简得出决策规则,然后计算规则可信度分配和规则权重,最后根据改进的D-S合成规则进行规则合成,得到识别结果.     

基于距离测度的D-S证据融合决策方法

针对多源信息融合结果并依据D-S证据结构进行决策的问题,提出一种基于距离测度的D-S证据决策方法.该方法结合决策基元和非决策基元的属性进行决策,将依据D-S证据的决策问题分解成两个层面：属性层面、证据层面.属性层面上,给出候选决策从证据焦元获得支持度的方法;证据层面上,基于辨识框架幂集的元素,构造一个证据焦元向量空间,引入候选决策的理想状态向量,定义距离测度,构建决策模型.最后,对多源水质监测信息融合结果进行决策分析,结果表明该方法是合理、有效的,且具有处理冲突或非冲突证据的优点.     

D-S证据理论在电子证据内容确定性评估中的应用研究

电子证据都有不同程度的不确定性,当前理论和实践中缺乏对电子证据确定性定性、定量化的研究。文章采用D-S证据理论对电子证据内容确定性进行了评估,并与模糊综合评判法判断电子证据确定性程度做了对比分析,实验结果表明,D-S证据理论在判断电子证据确定性程度中具有可信度更高,准确性更高的特征。     

基于模糊集和DS证据理论的信息安全风险评估方法*

在信息安全风险评估过程中,存在着很多不确定和模糊的因素,针对专家评价意见的不确定性和主观性问题,提出了一种将模糊集理论与DS证据理论进行结合的的风险评估方法。首先,根据信息安全风险评估的流程和要素,建立风险评估指标体系,确定风险影响因素;其次,通过高斯隶属度函数,求出专家对各影响因素的评价意见隶属于各个不同评价等级的程度;再次,将其作为DS理论所需的基本概率分配,引入基于矩阵分析和权值分配的融合算法综合多位专家的评价意见;最后,结合贝叶斯网络模型的推理算法,得出被测信息系统所面临的风险大小,并对其进行分析。结果显示,将模糊集理论和DS证据理论应用到传统贝叶斯网络风险评估的方法,在一定程度上能够提高评估结果的客观性。     

D-S证据推理改进方法综述

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,因其归一化过程会产生有悖常理的无效结果。针对此问题,大家提出了许多不同的改进方法,基本上可以分为两类:修改证据及修改组合规则。论文总结了国内外典型文献并进行系统条理的分析,收集各方研究方法并逐步深入压缩提炼形成了一套系统清晰的解决相关问题的思路。并通过实例,比较检验了几种改进方法的有效性。     

基于粗糙集和D-S证据理论的井下风险评估方法

针对以单传感器监测数据作为井下安全性评估依据存在难以获得丰富、全面、准确的环境信息的问题,提出一种基于粗糙集和D-S证据理论的井下风险评估方法,并进行了具体的实例分析。该方法对多传感器采集的参数进行基于粗糙集的一级数据融合及基于D-S证据理论的二级数据融合,实现了对井下多种信息的整合,优化了现有的风险评估方法。测试表明,该方法可保证预测信息的完备性和独立性,实现了对矿井安全性变化趋势的动态预测。     

一种有效折扣证据源的冲突证据合成方法

为解决证据组合规则中一票否决和弱决策证据在低冲突情况下出现的反直观推理的现象，提出一种有效折扣证据源的冲突证据合成方法。首先根据证据的信任函数和似然函数求得证据间的相似度，然后求出证据之间的支持程度，并确定折扣因子，最后采用Dempster组合规则合成利用折扣因子修正后的证据源。数值算例分析结果表明，改进后的证据组合方法可以有效地处理证据冲突。     

证据论与约集论

约集论用于处理模糊性与不确定性.在某些方面,它同Dempster-Shafer的证据论相重迭,但约集论使用分划来描述约集、下界近似及上界近似,从而获取知识表示中的不确定性,而证据论使用证据函数来实现同一目的.该文针对两个理论表述上的差异,揭示出其内在的关系,以有助于人们对两者的理解,从而为开拓它们的应用铺平道路.此外,在证据论中,组合证据的基本操作是正交和,而在约集论中,基本操作是分划的交,因而存在“证据组合是否对应于分划的交”的问题.通过一个例子来说明回答是否定的.     

基于粗糙集和证据推理的网络入侵检测模型

证据推理依赖于专家知识提供证据,要求各证据体相互独立,因此难以应用于实际。针对上述问题,提出基于粗糙集理论的证据获取和基本概率赋值客观确定方法,利用粗糙集中的属性约简算法剔除冗余属性,形成最简属性集,以提高证据合成效率,缩短证据合成时间,减少证据合成的冲突现象。在此基础上建立一个基于粗糙集和证据推理的网络入侵检测模型,通过算例验证该模型检测精度较高、误检率较低。