一种基于条件证据网络的多源异类知识融合识别方法

针对融合识别领域中不同框架下多源异类传感器的不确定证据信息无法有效融合的问题, 提出一种基于条件证据网络的多源异类知识融合识别方法. 该方法将战场协同作战中不同框架下多源异类传感器的领域知识统一在证据网络的结构下, 形成多源异类知识融合识别模型, 对多源异类传感器的不确定性证据信息进行基于条件证据网络的融合推理, 得到识别结果. 仿真实例验证了所提出方法的优越性.

     

基于模糊熵和证据推理的语言?? 数多准则决策方法

定义了语言??数及其模糊熵, 提出了基于模糊熵和证据推理的多准则决策方法, 以解决准则权系数信息不完全确定的语言??数多准则决策问题. 所提方法通过建立基于语言??数模糊熵的线性规划模型来得到准则的最优权系数, 利用证据推理算法确定方案的综合准则值, 进而得出最优方案. 最后通过实例验证了所提出方法的有效性和可行性.

     

考虑可靠性与重要性的证据补偿协调融合方法

兼具可靠性和重要性的证据融合问题目前仅局限于折扣处理阶段, 尚未深入到融合规则的构建之中. 为解决此问题, 首先结合现有成果的解决思路分析其中存在的问题; 然后构建能够对基本信度分配函数进行可靠性/重要性双重折扣处理且满足交换律的证据折扣方法, 在此基础上, 基于Dempster规则和Murphy规则从非补偿性与补偿性协调视角构建可以平衡可靠性和重要性的补偿协调融合规则; 最后通过数值对比分析验证所提出方法的科学性.

     

广义系统区间观测器设计

对于不确定或者未知输入系统, 常规鲁棒观测器设计对系统和干扰有较多限制条件. 区间观测器对系统具有宽松的前提条件, 且对干扰只要求有界, 因而区间观测器更具有广泛性. 针对离散和连续的广义未知输入系统, 研究区间观测器的设计问题, 通过对离散系统和连续系统进行不同的变换, 将系统转化为易于求取区间观测器系数矩阵的形式; 然后基于相同的参数求取方式, 给出广义系统区间观测器的设计方法. 仿真结果表明了所提出方法的有效性和正确性.

     

基于新的证据冲突衡量的加权证据融合方法

对冲突证据使用Dempster-Shafer 证据理论进行融合的前提是对冲突证据作出正确衡量, 确定证据之间冲突的程度. 在分析现有的冲突衡量方法基础上, 提出一种基于新的证据冲突衡量的加权证据融合方法. 该方法通过相似性测度来衡量证据间的冲突程度; 然后确定各证据的可信度, 再加权修正证据; 最后用Dempster 组合规则进行融合. 算例表明, 该方法能正确衡量证据冲突程度, 有效地解决冲突证据的融合问题, 提高收敛速度和精度.

     

基于证据推理的联合故障检测方法

针对卡方故障检测方法对软故障的检测性能较差, 甚至会导致滤波器发散的问题, 提出一种基于证据推理的联合故障检测方法. 将组合导航中的各子滤波器作为证据, 利用每个子滤波器的状态及协方差构造联合故障检测函数, 并利用联合故障检测函数的概率分布计算基本置信指派, 再将多个证据按D-S 规则进行融合, 根据融合结果进行故障检测. 仿真结果表明, 所提出的方法对硬故障的检测性能与卡方故障检测性能相当, 但对软故障的检测性能要优于卡方故障检测, 可提高组合导航系统的可靠性和精度.

     

基于证据推理和第3 代前景理论的不确定性多属性决策方法

针对多状态不确定性多属性决策问题, 建立基于证据推理和第3 代前景理论的决策方法. 首先, 给出不确定性知识表示方法—– 确定因子结构及其构造方法; 然后, 将第3 代前景理论构造价值函数和确定权重函数引入决策方法中, 得到每个方案在各属性下的前景价值; 进一步, 根据证据推理方法对前景价值进行信息融合得到各方案的合成前景价值, 并依据合成前景价值对方案进行排序; 最后, 通过算例验证了所提出方法的可行性和有效性.

     

序决策信息系统中区间决策规则的获取

在序决策信息系统中, 定义区间为支配一个特定的对象同时又被另一个特定的对象所支配的所有对象的集合. 以区间为基本知识颗粒, 建立新的优势关系粗糙集模型, 并由此获取决策值为特定区间范围的区间决策规则. 提出区间的约简的概念, 构造区分函数计算区间的约简, 并由此计算优化区间决策规则. 该方法比初始的优势关系粗糙集方法适应性更强, 且所得区间决策规则可直接应用于序信息系统的分类问题.

     

基于分类优化的离散证据推理

离散信息在专家系统、模式识别、决策分析等领域普遍存在, 为了解决这类信息融合问题, 提出一种离散证据推理方法. 首先, 将每个离散证据拆分成一类单点值证据; 然后, 以冲突最小化为目标修正类内证据, 并采用证据推理进行组合; 最后, 以同样的方法对类间证据进行修正与组合. 所提出方法不仅可以解决离散证据的内外部冲突问题, 而且能够克服运算量过大的问题. 算例分析表明了所提出的方法是合理且有效的.

     

基于改进熵和新得分函数的区间直觉模糊多属性决策

针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.

     

基于属性分辨度的最大相容块规则提取算法

提出一种基于属性分辨度的不完备决策表规则提取算法, 它是一种例化方向的方法. 首先从空集开始, 逐步 选择当前最重要的条件属性对对象集分类, 从广义决策值唯一的相容块提取确定规则, 从其他的相容块提取不确定 规则; 然后设计属性必要性判断步骤去除每条规则的冗余属性; 最后通过规则约简过程来简化所获得的规则, 增强规 则的泛化能力. 实验结果表明, 所提出的算法效率更高, 并且所获得的规则简洁有效.

     

基于扩展原理的混合型证据推理不确定决策方法

提出一种基于扩展原理的混合证据推理不确定决策模型.通过α截集将同一决策问题中各属性使用的精确数、区间数和模糊数等异构评估信度统一分解为区间结构,采用区间证据推理方法求解各隶属度下的效用区间,并按隶属度次序重组方案效用;化简模糊数质心公式,并用于模糊定量评估的信度计算和方案模糊效用的排序;最后,通过具体实例验证了所提出方法的有效性和可行性.将该方法在算例中的适用情况进行比较和分析,结果表明所提出的方法具有良好的适应性.     

一种基于FCOWA-ER 的SVM多分类方法

支持向量机(SVM) 在处理多分类问题时, 需要综合利用多个二分类SVM, 以获得多分类判决结果. 传统多分类拓展方法使用的是SVM的硬输出, 在一定程度上造成了信息的丢失. 为了更加充分地利用信息, 提出一种基于证据推理-多属性决策方法的SVM多分类算法, 将多分类问题视为一个多属性决策问题, 使用证据推理-模糊谨慎有序加权平均方法(FCOWA-ER) 实现SVM的多分类判决. 实验结果表明, 所提出方法可以获得更高的分类精度.

     

基于关联规则的电网故障诊断解析方法

针对电网故障诊断解析模型存在多解和误诊问题, 提出一种基于关联规则的电网故障诊断解析方法, 并通过解析保护和断路器动作及告警信息的不确定性, 构建诊断的评价指标. 利用解析方法获得故障的完备诊断, 进而基于各类不确定性事件概率, 采用评价指标从完备的诊断集合中求取最优诊断. 故障诊断算例验证了所提出方法的有效性.

     

不一致决策表规则获取的粒计算方法

针对不一致决策表的规则获取,从属性多粒度角度考虑,按粒度由粗到细将决策表划分成不同的粒度空间,通过定义相容粒关系矩阵和不相容粒关系矩阵,并充分挖掘隐含在矩阵中的启发式信息,实现对不同粒度空间确定性规则和不确定性规则的获取.最后,从实例分析以及UCI测试对算法进行验证,并与现有算法进行实验对比,实验结果与分析表明了所提出算法的可行性和有效性,而且按此方法获取的规则集的泛化能力更强.     

基于自适应快速决策树的不确定数据流概念漂移分类算法

由于不确定数据流中一般隐藏着概念漂移问题, 对其进行有效分类存在着很多困难. 为此, 提出一种基于自适应快速决策树的算法. 该算法基于一般决策树算法的原理, 以自适应学习规则计算信息增益, 以无标记情景学习拆分原理检测不确定数据流中的不确定数值属性, 通过自适应快速决策树节点的拆分方法将不确定数值属性转化为不确定分类属性, 以实现对不确定数据流的有效分类, 进而有效检测到其中隐含的概念漂移现象. 仿真结果验证了所提出方法的可靠性.

     

三角模糊数型不确定多指标决策的可能度关系法

针对指标权重未知的三角模糊数型不确定多指标决策问题, 提出4 种新的三角模糊数比较可能度的等价定义, 并得到一些优良性质关系. 借鉴合作博弈中极大极小算法, 提出一种基于三角模糊数比较可能度关系的指标权重确定方法; 集结所有决策方案比较的可能度, 并对决策方案集进行最优判定和排序, 即可得到三角模糊数型不确定多指标决策的比较可能度关系法. 最后通过算例表明所提出算法的可行性和有效性.