基于D-S证据理论的维修类型决策模型研究

设备维修决策是在获取设备监测信息的基础上,对设备维修内容和时机进行决策的过程。为了提高决策的正确性,必须准确掌握设备的技术状态。结合设备监测信息的特征,提出了一种基于D-S证据理论的设备维修决策模型,实例表明经过多信息融合后,维修决策结果的可信度得到了显著的提高,为维修时机的确定提供了依据。     

基于D-S证据理论的变电站设备状态监测模型

为了提高变电站设备的供电可靠性,根据已有的设备状态监测方法,利用小波分析方法和D-S证据理论,提出了一种变压器状态监测模型,通过对变电站设备特征量的分析来实现对变电站设备状态的实时监测.     

基于D-S证据理论的小电流接地故障连续选线方法

小电流接地故障发生后,系统可以带故障运行一段时间。针对这一特点,提出了一种充分利用故障信息的连续选线方法。利用D-S证据理论实现故障持续过程中多信息的融合,将多信息连续选线问题转化为证据推理问题,提高了选线性能,为定量描述各线路可能发生故障的程度,在应用中提出了单次故障度和连续故障度的概念。在充分利用故障信息的同时,采用迭代算法降低了存储容量要求。通过现场实际故障验证了该方法的正确性和实用性。     

基于神经网络与D-S证据理论的目标识别

针对目标识别中基本可信度分配需要专家知识在实际中难以实现的问题,提出一种基于神经网络和D-S证据理论相结合的多传感器数据融合的方法.该方法利用D-S理论来表示和处理不精确的、模糊的信息,发挥神经网络的自学习、自适应和容错能力,提高了系统识别率.最后通过实验,利用神经网络来处理证据理论中的基本可信度分配问题,对几种空中目标进行身份估计数据融合,经计算机仿真证实了该方法的有效性.     

基于D-S证据理论的信息安全风险评估

采用Dempster-Shafer(D-S)证据理论处理信息安全风险评估中的不确定性问题,提出了基于D-S证据理论的风险评估模型。用改进的Dempster合成法则即对基本可信度分配使用"折扣率"的方法,对信息系统中存在的各种风险因素进行合成,处理风险因素中的不确定性,并通过仿真证明了该算法的正确性。最后,通过与模糊综合评判法进行比较验证了证据理论具有更高的准确性。     

用D-S证据理论方法实现多传感器数据融合

对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ,并将其应用于飞机目标识别的数据融合中。结果证明 ,多传感器融合后降低了识别结果的不确定性 ,较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法     

基于信息熵与判断矩阵的D-S证据理论改进方法在故障诊断中的应用

针对凭借单一的证据很难进行科学故障诊断的实际情况,提出基于Dempster-Shafer证据理论进行多源信息融合的故障诊断方法.由于D-S证据理论合成公式存在不足,针对各证据的重要性不同,提出了一种将信息熵与判断矩阵一致性相结合对各证据进行加权赋值,并对其进行加权调整的方法,应用D-S证据理论合成公式对加权调整后的证据进行决策级融合.此种方法将主观因素与客观因素相结合.实例分析结果表明:融合结果提高了置信度,降低了不确定性,显著提高了故障诊断的科学性,具有理论与应用价值.     

基于改进的BP网络的D-S证据理论及其应用

目前,D-S证据理论凭借自身独特的处理不确定性问题能力,已在众多领域得到了广泛的应用。命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一,将改进的BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力。建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法。最后,仿真实验表明该模型可行。     

D-S证据理论合成规则的一些修正

在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有用的方法。但是,D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进,但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题,针对时域冲突的特点提出一种新的合成规则改进方法,由此弥补了D-S理论和Yager合成公式的不足,对于在时域上高度冲突甚至完全冲突的证据,能够取得理想的结果。     

基于粗糙集和D-S证据理论的云网络风险评估

提出了一种基于粗糙集和D-S(Dempster-Shafer)证据理论的云网络风险评估方法。该方法把云网络中针对虚拟机的网络攻击行为作为安全要素,首先,构建云网络风险系统,根据属性依赖度对云网络风险系统进行分解;其次,利用属性重要度对这些子风险系统进行约简;再次,利用粗糙集与D-S证据理论之间的联系,计算各个子风险系统的基本信任分配函数;最后,通过D-S证据理论的合成规则对多个证据进行合成,得到云网络所处安全状态的概率,从而评估云网络的风险。通过实例验证量化网络攻击行为对虚拟机层和物理机层的影响,结果表明,所提出的方法可以实现云网络风险评估。     

一种基于D-S理论的P2P网络信任模型

随着P2P网络在许多领域的广泛应用,有必要建立P2P网络的信任机制．根据P2P网络中对等体之间的平等关系和松耦合特性,提出了一种基于Dempster-Shafer证据理论的P2P网络信任模型．该模型给出了信任辨别框、基本信任概率分配函数以及置信区间的定义,并在此基础上建立了P2P网络的信任传递机制和信任聚合机制．把该模型应用于基于P2P的制造资源网络中证明了其正确性和合理性．     

基于概率论与证据理论的风电场电能质量评估方法研究

针对风电场电能质量提出一种基于概率论和证据理论的评估方法。该方法综合模糊评判法和概率统计法评价电能质量各指标样本,引入D-S证据理论计算指标权重,减少了主观因素对评估结果的影响,使评估结果更客观、准确。     

基于D—S证据理论的多传感器目标识别应用

以目标识别为背景,详细阐述了Dempster—shafer（D-S）证据理论方法的原理、多传感器信息融合的实现方法．并以多感觉智能机器人为载体,运用递归集中式融合方法测量数据结构中的互不相容元素对目标进行识别．从识别结果可以看出,这是一种识别目标的有效方法．     

基于D-S证据理论的月球探测机器人的信息融合

为解决传统的D—S理论在判别传感器数据之间的相互关系时过于绝对化和经验化的问题，引入了互信因子的概念，用于表示不同证据间的相互支持程度，提高决策的可靠性．采用D—S证据理论实现了月球探测机器人的信息融合，并以障碍物检测为例进行了验证，实验结果表明了该方法的可行性和有效性。     

一种基于D-S理论的网格环境下移动代理的动态规划方案

网格和移动代理技术的结合,在支持任务调度、作业管理、资源管理以及智能决策等网格关键技术的问题领域有着独到的优点.通过对移动代理在网格环境下的规划问题进行研究,网格所具有的动态性、地域分布性、不确定性使得移动代理原有的静态迁移策略无法适应网格环境.结合基于D-S理论的资源信任度函数提出动态规划方案,即在移动代理进行迁移时,由移动代理与其所在的网格虚拟组织中的信任调度模块协同工作,完成移动代理的迁移任务,保护了移动代理不遭到恶意平台的攻击.     

基于证据理论的信任模型中冲突证据

基于证据理论的信任模型是常用的信任模型之一,且证据理论是一种具有良好理论基础的不确定性推理方法。为了解决证据收集以及冲突证据合成可能会产生不合理结果的问题,通过改进证据收集方法提高证据质量,同时结合证据距离、相似度、支持度和可信度,在证据合成过程中将冲突证据进行重新分配。实验结果表明：改进的证据合成机制提高了合成证据的合理性,使得信任计算结果更为可信。     

基于D-S证据理论的障碍目标身份识别

以越野环境中典型的障碍物为识别目标,选用单目视觉与激光扫描仪建立融合系统,基于D-S证据理论融合多传感器信息,实现UGV对障碍目标的身份识别。首先将每个传感器的观测数据从观测空间变换到证据空间,对每种身份分配一个基本概率赋值;融合系统再根据Dempster组合规则计算各个命题组合后的概率赋值函数和相应的信任度区间,然后计算综合概率赋值函数和信任度区间;最后根据计算结果和决策规则进行障碍身份识别。试验表明:该方法优于利用单个特征识别障碍物身份,能大大提高系统对于障碍物的识别分类能力。