普适计算

计算技术的发展需要与之适应的计算模式，计算技术在桌面计算模式下经历的20年的飞速发展正蕴育着一种革新性的计算模式——普适计算，普适计算是信息空间与物理空间的融合，在这个融合的空间中人们可以随时随地和透明地获得数字化的服务；计算机本身将从人们的视线中消失，人们注意力的中心可以回归到要完成的任务本身，普适计算将从根本上改变人们对什么是计算的思考，也改变我们整个生活和工作的方式，该文综述了普适计算研究的现状和发展趋势，并讨论了普适计算的两个关键研究内容——觉察上下文的计算和普适计算系统软件，最后简要介绍作者在智能空间领域的研究成果。     

基于FDI的用户模型及其在上下文觉察计算中的应用

上下文觉察计算是普适计算的重要内容。当前的上下文觉察计算研究大多没有为用户提供个性化的服务。已有的个性化上下文觉察服务的用户模型，其用户偏好的设置比较简单。本文从心理学的观点出发，提出一个使用基于场依存一独立性（FDI）的用户模型来为用户提供个性化的上下文觉察服务。本文系统分析了这种用户模型对上下文觉察计算的重要性，并给出了使用基于FDI的用户模型在上下文觉察计算中的应用过程。试验表明这种模型提供的个性化服务能够提高上下文觉察计算应用的有效性。     

一个基于本体的觉察上下文计算模型

觉察上下文计算（Context-Awareness Computing）中必然涉及到知识的共享，引入了本体融合（Ontology Fusion）概念，构建了一个基于本体的觉察上下文计算模型，讨论了该模型的基本框架，分析了上下文信息的获得，设计了上下文信息与本体库的映射过程，研究了本体融合、本体信息存储以及本体库与行为的映射中的相关问题。结合普适计算场景，用实例演示了该模型的运行过程。     

普适计算的人机交互框架研究

普适计算通过向用户提供透明的计算服务使其注意力回归到任务本身．它正在逐步发展成主流的计算模式．人机交互的效率和自然性是影响其发展的关键因素之一．文章从认知心理学的角度分析了用户在普适计算环境中的认知特征，论证了人类有限的认知是普适人机交互中的瓶颈，计算系统的交互模式必须适应用户的认知特征．据此提出了普适计算模式的Multimodal context-sensitive交互框架，对上下文信息和用户多通道主动输入信息进行无缝融合，作者将其在移动导游导航系统TGH中加以实现．用户评测结果初步证明该框架对于提高普适计算人机交互效率和自然性具有良好的效果。     

普适计算的信任管理

普适计算将信息空间与物理空间融合，在该融合的空间中，用户可以随时随地、透明地获得数字化的服务，但这种服务会带来安全隐患。针对相互合作主体的不可预知性，该文对当前信任的研究进行分类，提出了普适计算的信任管理方法，解决了信任建立的2个关键性问题。     

有上下文觉察能力的智能会议室系统模型的研究

通过利用多Agent、语义Web、上下文觉察和逻辑推理等技术，参考早期的普适计算系统，提出了一个新的智能会议室系统模型。该模型使用本体Web语言——OWL实现知识共享和上下文推理；使用逻辑推理检测和解决上下文知识的不一致问题，并向使用者提供一种策略语言来控制他们的私人信息。     

基于模糊证据理论的水质环境状态估计

从信息融合的角度，将湖泊水质环境多因子综合评价过程看成是一个多源数据融合处理与状态估计过程，提出基于相似度的模糊证据理论，评估湖泊水体富营养状况．通过引入模糊集合的相似度，一方面，确定模糊焦元的权值，并修改证据模型；另一方面，确定模糊焦元对类别焦元的信任函数的贡献因子，并建立状态估计与评价模型，使其能够处理湖泊水体富营养状况的突发性带来的某些焦点元素的显著变化问题．对太湖水体富营养状况的评估做了实证分析，并与营养状态指数评价方法进行比较，结果一致，说明基于相似度的模糊证据理论的估计方法可行．     

觉察上下文的Web服务研究与应用

现有的Web服务框架不能适应普适计算的特点,即无法为移动用户提供自定义的个性化的服务.通过对现有Web服务的扩展,提出了一个觉察上下文的自适应的Web服务开发与部署框架.在该框架中,客户端的上下文信息作为SOAP消息的头块被分布式地传递和处理,Web服务可为客户端提供自定义的个性化的服务.同时,上下文是可扩展的,通过自动的上下文处理,Web服务可自适应新的上下文而不需要改变Web服务本身.     

基于云理论的普适计算协同信任模型

将风险理论用于普适计算需要解决的核心问题是对“风险”的定义,云理论是一种定性与定量之间相互转换的有效工具,该文借鉴云理论的概念对普适计算中上下文信息的动态变化进行判断,综合多种风险信号,给出风险信号和“风险”的定义。跟据 “信任风险”和基于云理论的信任模型提出协同信任模型,并列举了一个模型实例。     

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。     

D-S证据理论在目标身份识别中的应用

针对多源信息融合中目标身份属性识别问题,简要介绍了D-S证据理论框架,阐述了基于基本概率指派(BPAF)决策的目标身份属性融合策略、步骤,利用D-S合成规则得到融合后的基本概率指派,实现了多传感器信息融合.仿真实验证明了方法的有效性.     

Multi-sensor data fusion based on the belief divergence measure of evidences and the belief entropy

Multi-sensor data fusion technology plays an important role in real applications. Because of the flexibility and effectiveness in modeling and processing the uncertain information regardless of prior probabilities, Dempster–Shafer evidence theory is widely applied in a variety of fields of information fusion. However, counter-intuitive results may come out when fusing the highly conflicting evidences. In order to deal with this problem, a novel method for multi-sensor data fusion based on a new belief divergence measure of evidences and the belief entropy was proposed. First, a new Belief Jensen–Shannon divergence is devised to measure the discrepancy and conflict degree between the evidences; then, the credibility degree can be obtained to represent the reliability of the evidences. Next, considering the uncertainties of the evidences, the information volume of the evidences are measured by making use of the belief entropy to indicate the relative importance of the evidences. Afterwards, the credibility degree of each evidence is modified by taking advantage of the quantitative information volume which will be utilized to obtain an appropriate weight in terms of each evidence. Ultimately, the final weights of the evidences are applied to adjust the bodies of the evidences before using the Dempster’s combination rule. A numerical example is illustrated that the proposed method is feasible and effective in handling the conflicting evidences, where the belief value of target increases to 99.05%. Furthermore, an application in fault diagnosis is given to demonstrate the validity of the proposed method. The results show that the proposed method outperforms other related methods where the basic belief assignment (BBA) of the true target is 89.73%.     

基于平均偏离度的证据组合方法

Dempster-Shafer证据理论广泛应用于信息融合中, 但是在证据高冲突情况下基于经典D-S证据组合规则的融合结果存在反直观的问题。针对这一问题, 提出一种基于平均偏离度的证据组合方法。首先引入证据距离函数获得各证据体的相互支持度, 并将支持度归一化为证据的信任度。对所有的证据进行信任度加权平均, 获得一个参考证据。然后利用该参考证据对各个原始证据进行偏离度的判定及修正。最后利用Dempster-Shafer规则完成证据的组合。实验结果表明, 新方法提高了融合结果的可靠性和合理性, 可以有效地处理高冲突证据。     

基于D-S证据理论的信息融合软件的设计与开发

基于D-S证据理论,采用手工方式融合多源信息,具有劳动强度大、计算结果出错概率高等问题。针对这些问题,本文设计、开发了基于D-S证据理论的信息融合计算分析软件(DSIF)。DSIF软件以Delphi7和SQLServer2000等为开发工具,采用模块法设计思路,具有使用方便、维护简单、稳定性好、通用性强、扩展性好等特点。同时,该文依据D-S证据理论信息融合的特点,给出信息融合计算分析流程图及DSIF的体系结构。以水质监测数据为对象,DSIF软件为工具,进行信息融合,来说明DSIF软件的特点及其功能。     

An improved evidence fusion algorithm in multi-sensor systems

Multi-sensor information fusion plays an important role in practical application. Although D-S evidence theory can handle this information fusion task regardless of prior knowledge, counter-intuitive conclusions may arise when dealing with highly conflicting evidence. To address this weakness, an improved algorithm of evidence theory is proposed. First, a new distribution distance measurement method is first proposed to measure the conflict between the evidences, and the credibility degree of the evidences can be obtained. Next, a modified information volume calculation method is also introduced to measure the effect of the evidence itself, and the information volume of the evidences can be generated. Afterwards, the credibility degree of each evidence can be modified based on the information volume to obtain the weight of each evidence. Ultimately, the weights of the evidences will be used to adjust the body of evidence before fusion. A numerical example for engine fault diagnosis exhibits the availability and effectiveness of the proposed method, where the BPA of the true fault is 89.680%. Furthermore, an application for target recognition is given to show the validity of the proposed algorithm, where the BPA of the true target is 98.948%. The experimental results show that the proposed algorithm has the best performance than other methods.

     

基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

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．     

基于改进证据理论和神经网络的故障诊断模型*

针对单一故障诊断方法精度低的问题,提出了一种基于D-S证据理论和神经网络相融合的决策层融合故障诊断模型。该方法利用证据理论来处理不精确的、模糊的信息,用神经网络来处理证据理论中的基本可信度分配问题。由于证据理论合成公式无法处理高冲突的证据,提出了一种改进的基于冲突焦元的证据合成规则。该模型在降低决策不确定性的同时大大提高了诊断的精度。最后通过发动机故障诊断实例验证了该模型的有效性。