定性Dempster-Shafer理论

采用一个全序的符号值集合来代替数值信任度集合[0,1],提出定性Dempster-Shafer理论来处理既有不确定性又有不精确性的推理问题．首先,定义了适合对不确定性进行定性表达和推理的定性mass函数、定性信任函数等概念,并且研究了这些概念之间的基本关系;其次,详细讨论了定性证据合成问题,提出了基于平均策略的证据合成规则．这种定性Dempster-Shafer理论与其他相关理论相比,既通过在定性领域重新定义Dempster-Shafer理论的基本概念,继承了Dempster-Shafer理论在不确定推理方面的主要特点,同时又具有适合对不精确性操作的既有严格定义又符合直观特性的定性算子,因此更适合基于Dempster-Shafer理论框架不精确表示和处理不确定性．     

A non-parametric method to determine basic probability assignment for classification problems

As an important tool for knowledge representation and decision-making under uncertainty, Dempster-Shafer evidence theory (D-S theory) has been used in many fields. The application of D-S theory is critically dependent on the availability of the basic probability assignment (BPA). The determination of BPA is still an open issue. A non-parametric method to obtain BPA is proposed in this paper. This method can handle multi-attribute datasets in classification problems. Each attribute value of the dataset sample is treated as a stochastic quantity. Its non-parametric probability density function (PDF) is calculated using the training data, which can be regarded as the probability model for the corresponding attribute. The BPA function is then constructed based on the relationship between the test sample and the probability models. The missing attribute values in datasets are treated as ignorance in the framework of the evidence theory. This method does not have the assumption of any particular distribution. As a result, it can be flexibly used in many engineering applications. The obtained BPA can avoid high conflict between evidence, which is desired in data fusion. Several benchmark classification problems are used to demonstrate the proposed method and to compare against existing methods. The constructed classifier based on the proposed method compares well to the state-of-the-art algorithms.     

基于模糊理论的多传感器信息融合算法

D-S证据理论作为一种重要的不确定性推理理论,为处理传感器信息的模糊性及不确定性提供了很好的解决方法。但各个证据中的基本概率分配函数（mass函数）如何生成,仍是人们需要解决的问题。针对这一问题,提出了一种基于模糊理论中的高斯隶属度函数来得到传感器提供信息的可信度,计算了各个传感器之间的相互支持度;将各传感器的可信度和支持度转化成mass函数;利用证据理论对多传感器信息进行融合。仿真试验表明该方法能够有效提高识别的准确性和可靠性。     

Intuitionistic fuzzy evidential power aggregation operator and its application in multiple criteria decision-making

The theory of intuitionistic fuzzy sets (IFS) is widely used for dealing with vagueness and the Dempster--Shafer (D-S) evidence theory has a widespread use in multiple criteria decision-making problems under uncertain situation. However, there are many methods to aggregate intuitionistic fuzzy numbers (IFNs), but the aggregation operator to fuse basic probability assignment (BPA) is rare. Power average (P-A) operator, as a powerful operator, is useful and important in information fusion. Motivated by the idea of P-A power, in this paper, a new operator based on the IFS and D-S evidence theory is proposed, which is named as intuitionistic fuzzy evidential power average (IFEPA) aggregation operator. First, an IFN is converted into a BPA, and the uncertainty is measured in D-S evidence theory. Second, the difference between BPAs is measured by Jousselme distance and a satisfying support function is proposed to get the support degree between each other effectively. Then the IFEPA operator is used for aggregating the original IFN and make a more reasonable decision. The proposed method is objective and reasonable because it is completely driven by data once some parameters are required. At the same time, it is novel and interesting. Finally, an application of developed models to the ‘One Belt, One road’ investment decision-making problems is presented to illustrate the effectiveness and feasibility of the proposed operator.     

D-S证据推理的决策问题

在处理不确定信息的方法中,D-S证据推理性能突出,应用广泛。但也存在决策方面的困难,事实上,有效的决策方法仍是它未解决的问题之一。该文从两方面研究了这一问题。首先根据测度论中代数(域)扩张理论,引入决策命题集的概念,对决策命题加以约束;其次分析了现有的决策方法,对线性加权组合决策方法提出了改进,并结合应用实例给出了详细可行的算法。     

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 D-S 证据理论的地质雷达目标识别

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。为解决地质雷达目标识别信息的融合问题,采用D-S证据理论方法,先对目标进行雷达扫描,然后对可能的目标类型进行基本概率分配,最后利用D-S组合公式进行融合识别。试验结果验证了该理论在地质雷达目标识别上的有效性和可行性。     

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.     

虚拟现实系统手势识别融合算法

该文首先给出D-S证据理论的概念,基于证据理论的思想提出了一种虚拟现实系统中比较适用的手势识别算法。在此算法中还讨论了隶属度概念,借助于模糊聚类算法中的隶属度概念提出了手势的隶属度,该文使用的隶属度公式只是模糊聚类算法的一个子集。     

基于D-S理论的故障诊断融合算法及应用研究

针对工业现场传感器状态类型复杂多变、被测参量难以准确可靠获得等问题,提出了一种基于RBF神经网络和证据理论的两级信息融合方法。利用RBF神经网络实现特征层数据融合,并建立基本信任分配函数,解决了D-S证据理论确定基本信任分配函数困难的问题;基于D—S证据理论的传感器故障诊断方法,可用来判断出工业现场传感器的有效工作状态。木材含水率检测结果表明,基于RBF神经网络和证据理论的两级信息融合方法可正确定位并准确分离出失效传感器。     

一种基于置信最大熵模型的证据推理方法

D-S证据组合规则在处理高冲突信息时会得出与直觉相反的结论,这一直是D-S理论研究的热点.与相关理论优势互补是克服证据理论固有缺陷的有效方法之一.基于对最大熵原理和证据理论的研究,定义了辨识框架上的基本最大熵置信分配函数,并与经典的D-S组合规则及其改进方法相结合,给出了相关推理公式及基于置信最大熵模型.理论分析和实验表明,最大熵新证据的加入使非单焦元的基本置信赋值按比例重新分配给了单焦元,很好地处理了高冲突信息.     

D-S证据理论在审计证据融合中的应用研究

古典概率难以解释审计判断的不确定性,而D-S证据理论是进行不确定性推理的有效方法,因此应用D-S证据理论进行审计证据融合的研究。针对审计证据的组合问题,提出了基于三角形模糊隶属度函数的基本概率分配函数计算方法,给出了证据组合结果的判决规则,并通过实例验证了该方法的有效性。     

证据理论在粮库储粮空洞检测中的研究

针对国家粮库储粮真实性检测的现状,提出了一种基于证据理论的粮库储粮空洞的检测方法,并给出了检测系统的基本模型。详细介绍了D-S证据理论的方法及其应用,通过理论分析与对比,将该方法成功的运用到粮仓检测这个新领域,实验数据表明了该方法的可行性。     

基于人工免疫与D-S证据理论的故障诊断方法

针对使用信息融合技术进行故障诊断时,基本概率赋值难以确定的问题,提出一种基于人工免疫原理与D-S证据理论相结合的故障诊断方法.该方法使用无类标数据进行人工免疫聚类,构建每一个传感器的故障空间的分类模型,设计了中心抗体和一般抗体的识别半径对未知样本进行免疫识别,计算该样本在各故障分类器下的基本概率赋值,最后通过D-S证据理论将各基本故障概率赋值进行融合诊断,基于信任函数进行故障决策.试验结果表明该方法可以处理多信息源数据,提高了故障识别能力,有一定实践意义.     

证据理论的近似算法

提出了一种新的D—S证据理论近似快速算法,它利用证据平均能量函数选择参加融合的焦元,并将被抛弃焦元的mass值分配在参加融合的焦元中,仿真结果证明该方法不但能够加快证据组合的运算速度,而且还克服以往近似算法中为了快速而牺牲精度的缺点,保证了融合结果的准确性。     

证据理论在车辆身份识别中的应用研究

论文详细地介绍了D-S证据理论,并探讨了D-S证据理论在车辆身份识别系统中的运用。通过实例得出了D-S理论在多传感器数据融合应用中的初步结果,将其应用于车辆身份识别系统中,可大大提高识别率。     

基于D-S证据理论的XML文档潜在信息获取算法

传统的XML文档检索方法主要是基于关键词匹配的检索,忽略了关键词的语义信息和蕴涵于信息组合中的潜在信息。针对上述问题,提出了基于D-S证据理论的XML文档潜在信息的获取算法。该算法通过引入本体定义了概念间的语义关系和信息的组合方式,提出了基于D-S证据理论的检索模型和指标权重的计算方法,并结合似然函数设计了一个动态的阈值,有效地消除语义匹配过程中存在的不确定性,解决了信息组合中潜在信息的获取问题。此外,还将该算法应用于电子政务领域个人和企业敏感信息的检测中,实验证明了该算法比传统的方法有着更高的查准率和查全率。     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

Assessment of Power Quality Based on D-S Evidence Theory

Technological advancement of measurement systems has enhanced the accuracy of power quality assessment by using a combination of measured information. This paper proposes a novel approach for estimating power quality based on information fusion technique of Dempster-Shafer(D-S) evidence theory. First, in order to accurately extract transient features regarding power quality indexes, wavelet packet transform and lifting wavelet transform are proposed to detect various disturbance signals measurement. By using many kinds of transformed transient indexes and steady state indexes, a novel reliability distribution function is constructed,and synthesized assessment index of power quality is drafted based on information fusion technique of D-S evidence theory. Finally,the simulation results prove that D-S evidence theory is a more effective means for evaluating the power quality.     

非精确信息下基于证据理论的融资策略分析

由于市场环境的复杂性,企业在选择融资业务时所获取的信息往往表现为非精确性信息,因此难以做出有效的决策。针对此问题,基于D-S证据理论提出了一种定量化的决策模型。将不同类型的非精确信息转化为D-S证据理论的焦元表示,以不同融资业务下企业利润的差额为目标函数,根据证据推理,利用信任函数和似然函数构造了目标函数的上下界概率分布,并据此给出企业融资行为的决策依据。实例仿真表明,根据该模型的计算结果,企业可以很直观地做出最佳融资方式的选择。