证据推理理论组合规则评价方法研究

证据推理理论(包括DS理论和DSm理论)是处理不确定信息的重要方法,其组合规则性能的好坏直接影响推理结果.为了有效评价证据推理理论组合规则的性质,总结了基于DS理论的组合规则评价方法存在的问题,并深入分析了问题出现的原因;根据DSm理论的特点,提出了基于DSm理论组合规则的评价方法.该评价方法主要从冲突证据处理、证据时序性和计算量3个方面对基于DS理论的组合规则评价方法进行了改进.     

证据推理理论近似方法研究

Dempster-Shafer （DS）和Dezert-Smarandache （DSm）证据推理理论是信息融合的有力工具。针对在证据处理过程中证据数量多以及证据组合时焦元爆炸使计算量迅速增大的问题,对证据与焦元控制方法、规则近似方法和蒙特卡洛（Monte Carlo）方法三种方法在DS理论和DSm理论下进行了分类分析,指出了下一步值得研究的三个问题。这为证据推理理论不同近似方法的使用提供了理论参考。     

DSm理论中的证据表示方法研究

针对DSm理论证据组合计算量大的问题,从证据表示方法的角度,对静态表示方法和动态表示方法的特点及计算复杂度进行了分析。鉴于查找操作是证据表示方法中产生计算量最多的部分,对有序表表示方法和二叉树表示方法的查找方式进行了分析和比较,为研究DSm理论的应用提供了理论依据。     

基于新的证据冲突表示的信息融合方法研究

DS证据理论为不确定信息的表达和合成提供了自然而强有力的方法,被广泛应用于信息融合的各个领域。但是在证据高度冲突情况下常常会导致错误的融合结果。文章首先分析经典证据理论中冲突系数的不足,引入证据距离函数表示证据之间的差异性,并提出了一种新的证据冲突表示方法,能更有效地度量证据的冲突程度。而后基于新的冲突表示方法,提出了一种新的冲突信息融合方法,该方法保持DS组合规则不变,对融合结果进行修正,能够有效解决证据高度冲突情况下的信息融合问题。最后通过算例验证了该方法的有效性。     

一种基于概率语言偏好关系的DS证据理论改进算法

DS(Dempster-Shafer)证据理论在不确定信息融合等领域有着十分广泛的应用,但当出现高冲突证据时,融合结果往往有悖常理.为了解决高冲突证据合成悖论的问题,本文提出了一种基于概率语言偏好关系的DS证据理论改进算法.该方法用概率语言偏好关系既解决了专家偏好产生的困难,又准确识别了冲突专家,而且提出了冲突证据的调整方法,在保持Dempster合成规则不变的情况下,改进了融合结果.最后分别应用数值分析和案例模拟分析检验了提出方法的科学有效性和应用可行性.     

一种有效融合高冲突证据的目标身份识别方法

DS理论(Dempster-Shafer theory,DST)已广泛应用于目标身份识别中,但是Dempster组合规则在处理冲突证据时的失效问题一直是研究的热点。为能在目标身份识别中有效融合高冲突的证据,提出DSm理论(Dezert-Smarandache theory,DSmT)和DST的混合方法。该方法采用先单帧后多帧的融合模式,在单帧融合中采用DSmT,化解可能的高冲突证据;在多帧融合时采用DST,保证了快速收敛性和较小的计算量。仿真分析验证了该方法的有效性和适用性。     

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DSmT的不同时域多传感器目标识别方法研究

摘要：复杂的战场环境变化带来传感器证据冲突．DSmT既能够处理多源信息的模糊性和不确定性,也能处理高度冲突性．利用DSmT中的经典DSm组合规则和混合DSm组合规则,解决了不同传感器在不同时域的目标识别问题．     

基于改进证据理论的装配式建筑施工高处坠落风险评价

为降低不确定信息对装配式建筑施工中高处坠落风险评价的影响,针对我国当前装配式建筑施工特点,构建了基于改进证据理论的装配式建筑施工高处坠落风险评价模型.通过实地调研及专家咨询,从人、物、环境、管理四个维度建立了装配式建筑施工高处坠落风险评价指标体系.在此基础上,采用结构熵权法确定指标权重.基于权值分配与矩阵算法对DS证据...     

神经网络的企业能力集扩张模型研究

如何借助于不确定性推理技术和原理(概率推理、证据推理、模糊推理、信息推理、包含度推理等)研究不确定情形下的能力集扩张问题,仍是能力集扩张理论中很值得研究的内容之一。关于不确定情况下的能力集扩张问题,目前的文章主要是研究企业已有能力集或实需能力集是不确定的情形,没有解决两者都是不确定的情况,正是基于此目的,采用模糊粗集神经网络方法研究此种情况下的企业能力集扩张过程,解决模糊的市场需求、粗糙的已有能力集等不确定性影响因素,帮助决策者将企业能力集扩张到企业管理决策问题满意解所需的能力集。     

Modification of evidence theory based on feature extraction

With its effectiveness of uncertainty reasoning,Dempster—Shafer evidence theory is widely used inmany fields such as information fusion and decision-making[1,2].However,counter-intuitive behaviors areoften involved when combining highly conflicting evi-dence sources with the Dempster’s combination opera-tor at the normalization step.Many modification meth-ods have been proposed to solve the problems[3,4].Some researchers think the combination rule is thesource of the drawback,and have to mo…     

MEDDIA:机械故障诊断专家系统的证据理论应用分析

在领域专家系统不确定性知识表达及推理问题上,证据理论方法能克服纯概率理论方法和信任模型方法的缺点和不足,并能较强地模拟人类领域专家的推理、判断特征。但至今,证据理论尚未真正在专家系统中应用实现。本文对机械故障诊断专家系统 MEDDIA 应用证据理论来处理不精确性推理问题作了可行性分析,讨论了其与信任模型之间的内在联系,并就应用该理论具体工作步骤作了说明。     

证据理论组合模型用于三维荧光光谱水质分析

为了充分利用三维荧光光谱信息,提高分析模型对水质综合指标的预测精度及稳健性,提出了一种基于D-S（Dempster-Shafe）证据理论的模型组合方法。传统的模型组合方法主要依赖于对某个单一的预测性能评价指标进行优化来确定组合权值,没有对多个性能指标进行综合性考虑。将三维荧光光谱看作多个不同波长的激发光照射下的发射光谱,基于每个发射光谱建立子模型,将多个性能指标作为证据,确定子模型的概率分配函数,然后基于DS证据合成理论对子模型的可信度进行评价并确定组合权值。实验以40个不同来源的地表水样本为研究对象,建立组合分析模型,对总有机碳值（TOC）进行定量分析。实验证明,组合模型相对于子模型而言各个评价指标均有较大提高,充分说明了该方法的有效性。     

网络入侵检测中的不确定性推理方法

在分析常规的入侵检测方法难以适应网络环境的问题及用途信息和专家知识的模糊性和不确定性基础上,提出将人工智能中的不确定性推理方法应用于网络入侵检测系统,给出了一种基于模糊关系的不确定性的传播方法,该方法可处理在入侵检测中遇到的模糊的、不确定的信息,从而有效地判断出用户的入侵行为。     

基于证据推理的信息不完全的多准则分类方法

针对准则权系数信息不完全确定且有训练集的多准则分类决策问题,提出一种基于证据推理方法。该方法首先通过证据推理算法将准则值集成,得到集成效用值,在考虑训练集的基础上,结合不完全确定的准则权系数信息建立非线性规划模型。通过遗传算法求解该模型得到准则权系数和分类效用阈值,进而求出方案的效用值,并通过与每一分类的效用阈值比较,得到整个方案集的分类。最后实例说明该方法的有效性和可行性。