基于支持度和确定度的异构数据融合方法

异构多传感器采集的数据容易存在冲突，使用传统D-S证据理论融合会得到与事实相悖的结果，针对该问题，提出了一种结合支持度和确定度的异构数据融合方法。利用Jaccard系数改进冲突系数K和余弦相似度，并结合两者计算证据之间的支持度，第一次修正证据；使用修正后证据焦元区间的兰氏距离衡量证据确定度；基于支持度和确定度共同确定证据的权重，处理原证据，得到加权平均证据后，按Dempster融合得到结果。算例及应用结果证明，所提方法在处理冲突证据和正常证据时，对比传统证据理论、经典改进方法和相似改进方法，均有更好的聚焦性能和收敛性能，证明了该方法的有效性，为多传感器数据融合提供了一定的参考价值。     

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.     

证据算法改进及在并行故障诊断的应用

针对D-S证据理论合成公式处理并发故障诊断中高冲突证据时存在的不足,提出了一种改进的证据组合方法:考虑焦元属性之间及证据之间的相互关联性,利用证据的相似度给每个证据确定支持度,再采用组合公式融合.并结合某型飞机燃油系统并发故障诊断实例验证了算法的有效性.     

基于焦元相似度的证据理论合成规则

针对证据合成过程中的冲突分配不合理、"一票否决"以及鲁棒性差等问题,提出焦元距离和焦元相似度的概念,并给出焦元距离矩阵和焦元相似度矩阵的定义.在此基础上,将证据合成分解为相关性证据合成与冲突性证据合成两个部分,建立一种基于焦元相似度的证据理论合成规则,并进行理论证明.对比实验表明,该规则可以合理地对冲突证据进行分配,有效避免"一票否决"现象,同时具有较好的鲁棒性.     

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。     

基于焦元支持度的合成规则

为了有效地融合高度冲突的证据,本文在焦元相似度和矛盾焦元的基础上提出了一种新的证据组合规则.该规则综合了Dempster-Shafer证据理论及加性融合两者的优点,首先从焦元冲突程度的角度对证据进行冲突检验,然后对冲突证据进行加性合成,从而消除证据之间的冲突.为了避免计算量过大的现象将焦元分为矛盾焦元和正常焦元两部分....     

基于局部冲突分配策略的DST算法研究

为有效克服证据理论(DST)组合规则存在的小足,提出一种基于局部冲突分配策略的DST改进算法.首先根据证据距离获得各个证据的相互支持度,并将支持度归一化为证据的相对可信度;然后通过分析局部冲突产生的原因,将冲突信息只分配给产生冲突的焦元,且分配给焦元的信息取决于证据之间焦元的信任度和相似度.实验结果表明,所提出的算法提高了证据合成结果的可靠性与合理性,可有效地解决高冲突证据融合的问题.     

自抗扰控制技术在高低温环境模拟系统中的应用

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型。首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级。对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合。实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。     

冲突再分配DSmT及解决证据间矛盾的新方法

ＤＳｍＴ 在处理多证据信源融合时,存在冲突焦元置信指派不合理增长,主焦元基本置信指派不合理收敛的问题,使决策困难．首先分析问题产生的原因,对ＤＳｍＴ 组合公式给出了改进意见,提出一种冲突再分配的ＤＳｍＴ 组合公式;然后针对多证据融合时证据间存在矛盾的问题,提出一种基于冲突率的折扣算法,修正置信指派．算例分析表明,采用上述算法可使主焦元基本置信指派得到合理收敛,冲突焦元得到合理处置,融合结果有利于决策．     

基于模糊测度和证据理论的模糊聚类集成方法

针对现有集成方法在处理模糊聚类时存在的不足,提出一种基于证据理论的模糊聚类集成方法.以各聚类成员作为证据元,以样本点间的类别关系作为焦元,通过证据积累构造互相关矩阵.考虑到模糊聚类对于各样本点的聚类有效性,提出一种结合点模糊度和模糊贴近度的类别关系表示方法,并以此作为各证据元的基本概率赋值函数.最后基于互相关矩阵构造样本点间相似性关系,并利用谱聚类算法对其聚类. 实验中通过与多种已有聚类集成方法的对比表明,该方法具有较高的聚类性能.     

基于支持向量机的水质监测数据处理

水质评价实际上是一个监测数据处理与状态估计、识别的过程,提出一种基于支持向量机的方法应用于水质评价,该方法依据决策二叉树多类分类的思想,构建了基于支持向量机的水环境质量状况识别与评价模型。以长江口的实际水质监测数据为例进行了实验分析,并与单因子方法及单个BP神经网络方法进行了比较分析。实验结果表明,运用该模型对长江口的实际水质监测数据进行的综合水质评价效果较好,且具有较高的实用价值。     

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.     

直觉模糊框架内的证据动态可靠性评估及应用

基于证据理论与直觉模糊集之间的关系,提出了一种新的证据可靠性评估方法,该方法可以在先验知识缺乏的情况下,对各证据源的可靠性进行评估。首先,将证据理论中的基本概率赋值函数(Basic Probability Assignment,BPA)转化为直觉模糊集;然后,通过直觉模糊集之间的相似度度量对各BPA之间的相似度进行计算;在此基础上,提出证据支持度的概念,通过分析证据支持度与证据可靠性之间的关系,获得证据的相对可靠性和绝对可靠性;最后,基于证据折扣运算对原始证据进行修正,采用Dempster组合规则对修正后的证据进行组合。此外,基于直觉模糊框架内的证据可靠性评估,提出了一种多传感器融合方法,通过数值实验对该方法的性能进行了对比分析,结果表明,该方法可以实现对不可靠证据的有效评估。     

洱海2005～2014年水质状况及变化分析

以洱海湖区2005—2014年的水质监测资料为基础,运用内梅罗水污染指数法进行分析计算,结合湖泊富营养化状态,对洱海水质及这一段时间的变化趋势进行分析评价。评价结果表明,洱海水质处于清洁状态,保持在中营养状态,湖泊富营养化进程减缓,磷作为内梅罗指数最大贡献因子,成为影响洱海水质的主要污染物。洱海枯水期水质好于丰水期水质,污染以面源污染为主,洱海水环境保护工作取得成效。     

改进的直觉模糊粗糙集相似性度量方法

针对现有的直觉模糊粗糙集相似性度量的问题,提出了一种改进的基于海明距离的直觉模糊粗糙集相似性度量方法。该方法考虑了犹豫度并引入加权参数,解决了相似性度量不精确的问题。首先给出了直觉模糊粗糙值间的相似性度量定义,并揭示其若干重要性质。在此基础上,提出了直觉模糊粗糙集间的相似性度量方法,并证明其具有同样性质。最后通过数值算例分析说明了该方法更合理、更有效。     

Interval-valued intuitionistic fuzzy cosine similarity measures for multiple attribute decision-making

In this work, considering all information carried by the membership degrees, nonmembership degree, and hesitancy degree in interval-valued intuitionistic fuzzy sets (IVIFSs) as 3-D vector representations, we propose a cosine similarity measure and a weighted cosine similarity measure for IVIFSs based on the extension of the cosine similarity measure (angular coefficient) between intuitionistic fuzzy sets in 2-D vector space. Then, the weighted cosine similarity measure for IVIFSs is applied to multiple attribute decision-making problems under the interval-valued intuitionistic fuzzy environment. Through the similarity measure between the ideal alternative and each alternative, the ranking order of all alternatives can be determined and the best alternative can be easily identified as well. Finally, two illustrative examples are given to demonstrate the applications and efficiency of the proposed decision-making method.     

基于海明距离的直觉模糊粗糙集相似度量方法

针对直觉模糊粗糙集的相似度量问题,提出了一种基于海明距离的直觉模糊粗糙集相似度量方法。首先给出了两个直觉模糊粗糙值问的相似度量方法,并揭示了它的若干重要性质。然后,在此基础上,又提出了一种基于海明距离的直觉模糊粗糙集相似度量方法,并证明它也具有同样的性质。最后用数值算例验证了这种方法的有效性。     

关于模糊粗糙集的相似度量

基于对不确定性信息处理的背景,定义了模糊粗糙值与模糊粗糙集的相似度量,研究了它们的有关性质。     

Belief and Plausibility Functions on Intuitionistic Fuzzy Sets

Belief and plausibility functions based on Dempster–Shafer theory have been used to measure uncertainty. They are also widely studied and applied in diverse areas. Numerous studies in the literature have presented various generalizations of belief and plausibility functions to fuzzy sets. However, there are still less generalizations of belief and plausibility functions to intuitionistic fuzzy sets. Because intuitionistic fuzzy sets can present the degrees of both membership and nonmembership with a degree of hesitancy, the knowledge and semantic representation becomes more general and applicable than fuzzy sets. In this paper, we propose a generalization of belief and plausibility functions to intuitionistic fuzzy sets based on fuzzy integral. Some numerical examples show the effectiveness of the proposed generalization. Furthermore, this generalization of belief and plausibility functions to intuitionistic fuzzy sets is able to catch more information about the change of intuitionistic fuzzy focal elements.     

Fuzzy Bayesian system reliability assessment based on Pascal distribution

The main purpose of this paper is to provide a methodology for discussing the fuzzy. Bayesian system reliability from the fuzzy component reliabilities, actually we discuss on the Fuzzy Bayesian system reliability assessment based on Pascal distribution, because the data sometimes cannot be measured and recorded precisely. In order to apply the Bayesian approach, the fuzzy parameters are assumed as fuzzy random variables with fuzzy prior distributions. The (conventional) Bayes estimation method will be used to create the fuzzy Bayes point estimator of system reliability by invoking the well-known theorem called ‘Resolution Identity’ in fuzzy sets theory. On the other hand, we also provide the computational procedures to evaluate the membership degree of any given Bayes point estimate of system reliability. In order to achieve this purpose, we transform the original problem into a nonlinear programming problem. This nonlinear programming problem is then divided into four sub-problems for the purpose of simplifying computation. Finally, the sub problems can be solved by using any commercial optimizers, e.g. GAMS or LINGO.