证据理论研究

对证据理论中的基本概率分配函数、信任函数和似然函数进行定义,研究了它们的性质,并描述了知识的不确定性,提出处理知识的不确定性的算法     

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。     

"Dempster_Shafer"证据理论在智能化遥感分类中应用研究

论述了Dempster_Shafer理论表示不确定性的理论与方法，指出不同的专业领域对不确定性问题的求解更多地依赖于专家的经验与常识。同时，给出基于一种特殊的概率分配函数的Dempster_Shafer理论的推理方法，并依此推理方法在智能化遥感分类系统中作了应用性验证；最后指出时态Dempster_Shafer理论是今后智能化遥感动态监测领域的一个重要研究方向。     

利用模糊推理的证据理论信息融合算法

证据理论具有比较强的理论基础,能处理随机性或模糊性所导致的不确定性。但证据理论应用中基本概率分配函数（mass函数）难以确定,针对这一问题,提出了一种基于模糊推理的证据理论信息融合算法。该方法利用模糊理论中的高斯隶属度函数来获得模糊观测下具有概率特性的似然函数,并且由此似然函数得到每个传感器提供信息的可信度;再将各传感器的可信度转化成基本概率赋值函数即mass函数;最后利用证据理论对多传感器信息进行融合。对目标识别的仿真试验表明该方法获得的结果比直接结果具有更高的精度和可靠性。     

基于证据理论的小波域多特征医学图像融合

针对多源医学图像融合过程中融合权值选择的不确定性,根据DS证据理论,采用证据理论中的基本概率分配函数来描述判决结果的不确定性。利用图像的区域方差、区域能量、区域信息熵三个特征,然后对特征进行归一化,将各个特征值作为基本概率分配的依据,在小波域内对高频分量采用基于DS证据理论的多特征融合规则进行图像融合。利用拉普拉斯能量,在小波域内对低频分量采用拉普拉斯能量自适应融合规则。实验结果表示：所提算法综合了多个特征的优势,降低了融合过程中的不确定性,较大程度地保留了图像信息。     

基于D-S证据理论的火灾检测方法研究

从多传感器信息融合的角度出发,重点研究了一种解决不确定性问题的有力方法-证据理论方法。结合火灾发生理论和传感器特性以及广泛的专家经验和重大火灾事故的经验总结,将D-S证据理论应用于多传感器信息融合,选取合适的基本概率分配函数。     

证据理论在有序命题类问题中的基本概率分配

针对证据理论在有序命题类问题中的应用构造基本概率分配函数。有序命题类问题作为一种常见的分类问题,是证据理论应用的一个活跃领域,其基本概率分配存在显著的特点,在分析其特征的基础上,采用基于典型样本的方法,利用实测值与典型值之间的距离构造正态分布曲线的密度函数,进而构造基本概率分配函数。将该方法应用于海上溢油事故等级的评定,通过数据模拟分析其存在的不足,并通过弹性拉大实测值与典型值之间的距离、将“不知道”概率赋值等方法进行改进。实验结果表明改进的基于典型样本的方法能够有效地进行基本概率分配,满足应用的特点和需要。     

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。     

无限论域中的粗糙近似空间与信任结构

在粗糙集理论中存在一对近似算子:下近似算子和上近似算子.而在Dempser-Shafer证据理论中有一对对偶的不确定性测度:信任函数与似然函数.集合的下近似和上近似可以看成是对该集合所表示信息的定性描述,而同一集合的信任测度和似然测度可以看成是对该集合的不确定性的定量刻画.针对各种复杂系统中不确定性知识的表示问题,介绍了无限论域中经典和模糊环境下信任结构及其导出的信任函数与似然函数的概念,建立了Dempser-Shafer证据理论中信任函数与似然函数和粗糙集理论中下近似与上近似之间的关系.阐述了由近似空间导出的下近似和上近似的概率生成一对对偶的信任函数和似然函数;反之,对于任何一个信任结构及其生成的信任函数与似然函数,必可以找到一个概率近似空间,使得由近似空间导出的下近似和上近似的概率分别恰好就是所给的信任函数和似然函数.最后,指出了主要理论成果在智能信息系统的知识表示和知识获取方面的潜在应用.     

证据理论与模糊距离不确定性信息融合方法

针对决策支持系统中专家不确定性意见难以融合的问题。提出了一种基于证据理论和模糊距离相结合的决策融合方法。运用模糊距离方法来获得专家的权重和属性指标的相对权重,对专家决策中由于主观认识的局限性带来的不确定性问题进行了研究。运用DS证据理论识别框架计算出概率分配函数,对所有方案进行排序选择,得出最终的决策融合意见。通过实验表明,运用此方法对不确定性信息的融合具有很好的可行性和有效性。     

传感器网络节点数目算法的比较研究*

节点数目的确定问题直接影响着网络的运行成本和工作效率,是传感器网络研究中一个基本的研究课题。介绍并分析了基于瞬时和长时两种不同感应模型的节点计算算法,即基于调度的节点数量确定算法和基于暴露量的节点数量确定算法,给出了覆盖滑动窗口的概念,归纳出两种算法在精度、性能指标和应用范围等方面的差异,得出两种方法均能有效确定满足覆盖节点数目的门限值,只是各自的覆盖滑动窗口的尺寸有所不同的结论。     

A new correlation coefficient of mass function in evidence theory and its application in fault diagnosis

Applied Intelligence - Evidence theory as a generalization of probability theory has an advantage of handling uncertainty. The mass function, also named as basic probability assignment (BPA), plays...     

基于ELM和证据理论的纹理图像分类

目前纹理图像分类有不同的方法,但对纹理的描述还不够全面,而且当有新方法提取的特征加入时,系统的可扩展性也不够,通用性不好。本文针对上述问题提出了一种将D-S证据理论与极限学习机相结合的决策级融合模型,用来对纹理图像进行分类。采用三种不同方法来提取特征以获得更多更全面的纹理表现形式,并对提取的每种特征向量用极限学习机建立相应的分类器,最后用D-S证据理论在不确定性表示、度量和组合方面有着的优势来进行决策级融合。对于证据理论中基本概率赋值函数(BPAF)难以有效获取的问题,由于极限学习机具有学习速度快,泛化性能好的优点并且产生唯一的最优解的优点,所以利用其来构造其基本概率赋值函数。实验结果表明这种方法比单个分类器具有更高的识别正确率,降低了识别的不确定性。     

一种信度马尔科夫模型及应用

马尔科夫链以其无后效性广泛应用于自然科学和工程技术领域. 经典的马尔科夫链并不能反映对象状态的不确定性, 并且当状态划分边界过于清晰时, 状态转移情况不稳定. 为了保持状态转移的稳定性以及能够有效地表示和处理对象状态的不确定性, 本文提出了一种信度马尔科夫模型. 新模型引入了Dempster-Shafer (DS) 证据理论来描述对象状态的不确定性, 将对象的所有状态归类为一个辨识框架, 建立基本概率指派函数, 然后生成一个命题转移概率矩阵, 最后根据对象当前的状态得到将来的状态. 本文提出的信度马尔科夫模型是对经典马尔科夫链的推广, 向下兼容了它的性质. 实例表明, 新模型克服了上述缺陷, 获得了较经典马尔科夫链更加合理、准确的结果, 具有更高的有效性和实用性.     

A novel evidence-based fuzzy reliability analysis method for structures

Epistemic uncertainties always exist in engineering structures due to the lack of knowledge or information, which can be mathematically described by either fuzzy-set theory or evidence theory (ET) In this work, the authors present a novel uncertainty model, namely evidence-based fuzzy model, in which the fuzzy sets and ET are combined to represent the epistemic uncertainty. A novel method for combining multiple membership functions and a corresponding reliability analysis method is also developed. In the combination method, the combined fuzzy-set representations are approximated by the enveloping lines of the multiple membership functions (smoothed by neglecting the valleys in the membership functions curves) and the Murphy’s average combination rule is applied to compute the basic probability assignment for focal elements. Then, the combined membership function is transformed to the equivalent probability density function by means of a normalizing factor. Finally, the Markov Chain Monte Carlo (MCMC) subset simulation method is used to solve reliability by introducing intermediate failure events. A numerical example and two engineering examples are provided to demonstrate the effectiveness of the proposed method.     

Evidence theory in multivalued logic systems

A systematical framework of uncertainty reasoning is proposed based on multivalued logic and Dempster-Shafer's evidence, theory. the uncertainty of the truth value of a proposition is modeled by the use of basic probability assignment over the truth value space [0,1]. This basic probability assignment is interpreted as the probability restriction on the truth value of a proposition. A general approach is provided to find the probability restriction on the truth value of a composite proposition given the probability restrictions on the truth values of its components. Two inference patterns (forward inference pattern and backward inference pattern) are investigated in terms of propagation of probability restrictions. Examples are given to show that the results from applying the proposed theory are consistent with human intuitions. © 1995 John Wiley & Sons, Inc.