泛“蕴含”运算和泛“串行推理”运算研究

泛“蕴含”运算是广泛存在于经验性思维、不确定性推理和各种多值逻辑系统具有普遍意义的逻辑运算之一.但常见蕴含算子往往凭主观经验给定,缺乏理论指导和使用的有效性分析,具有很大的随意性和盲目性.本文首先研究了“蕴含”运算的思想基础,认为“蕴含”运算是“串行推理”运算的逆运算.然后提出了“蕴含”公理,从代数系统角度给出了“蕴含”运算的定义,提出并证明了“蕴含”运算的表示定理,对常见的蕴含算子进行了有效性分析.最后研究了“蕴含”运算在“串行推理”运算中的运用.从而克服了已有的蕴含运算理论存在的不足.这样实际应用就可     

基于证据推理的确定因子规则库推理方法

不确定性推理方法是人工智能领域的一个主要研究内容,If-then规则是人工智能领域最常见的知识表示方法. 文章针对实际问题往往具有不确定性的特点,提出基于证据推理的确定因子规则库推理方法.首先在If-then规则的基础上给出确定因子结构和确定因子规则库知识表示方法,该方法可以有效利用各种类型的不确定性信息,充分考虑了前提、结论以及规则本身的多种不确定性. 然后,提出了基于证据推理的确定因子规则库推理方法. 该方法通过将已知事实与规则前提进行匹配,推断结论并得到已知事实条件下的前提确定因子;进一步,根据证据推理算法得到结论的确定因子. 文章最后,通过基于证据推理的确定因子规则库推理方法在UCI数据集分类问题的应用算例,说明该方法的可行性和高效性.     

证据推理的进展及存在的问题

综合论述了证据推理的进展和存在的问题,把证据推理与贝叶斯推理、模糊逻辑推理、基于规则的推理、随机集理流体进行了横向比较,讨论了其间的必然的联系和为语气推理的发展的基础,随后总结了证据推理的改进及其在概率范围在模糊集等方面推广的进展,最后提出了证据推理的广泛应用及其研究方向。     

基于分层式证据推理的信息融合故障诊断方法

针对基于信息融合的故障诊断方法中,诊断证据的精细化获取问题和在线诊断信息量受限问题,提出分层式的证据推理(ER)诊断方法.在诊断证据获取过程中,给出故障特征参考值投点方法,按比例求取特征样本点对相邻参考值的相似度,生成点值型参考证据矩阵(REM)和在线故障特征样本的诊断证据,实现了诊断信息的精细化提取;在证据融合过程中,设计分层式ER融合模型.第1层融合中利用k-NN算法找到在线样本的近邻历史样本,然后利用ER规则实现在线样本与近邻历史样本对应证据的融合.在第2层融合中,将多个特征源提供的第1层融合结果再次融合,并根据两层融合所获证据进行故障决策;此外,在分层融合模型中,根据证据之间的欧氏距离构造目标函数及相应的证据重要性权重优化方法.最后,在多功能电机转子试验台上实施了故障诊断实验,与已有单层ER模型诊断结果进行比较,说明所提方法通过提升诊断证据的精确性、增加历史样本扩充诊断信息量,能够有效提升确诊率.     

基于证据推理规则的信息融合故障诊断方法

本文针对不确定性故障特征信息的融合决策问题,给出基于证据推理(evidence reasoning,ER)规则的故障诊断方法.首先基于故障特征样本似然函数归一化的方法求取各传感器(信息源)提供的诊断证据;从传感器误差以及故障特征对各故障类型辨别能力的差异出发,给出获取诊断证据可靠性因子的方法;给出双目标优化模型训练得到诊断证据的重要性权重,最后利用ER规则融合经可靠性因子和重要性权重修正后的诊断证据,利用融合结果进行故障决策.该方法继承了Dempster-Shafer证据理论处理不确定性信息融合问题的优点,同时克服了它在实际应用中无法区分证据可靠性和重要性的不足,使得所获诊断证据更为客观、可信.最后,通过在多功能电机转子试验台上的故障诊断实验,验证了所提方法的有效性.     

证据推理规则的性质研究及方法修正

证据推理规则能有效处理证据的重要性及可靠性,针对该方法中证据权重归一化对合成结果的影响进行研究,据此分析证据合成时是否应归一化权重;探究证据推理规则与证据折扣方法之间的联系,证明两者的合成结果呈比例关系;分析证据推理规则在证据的重要性与可靠性表示上的不合理之处,并提出一种改进方法,证明了修改后的方法仍然满足4条基本合成公理．     

基于证据推理的快餐店顾客满意度评价方法

结合快餐店的特点,选取对快餐店顾客满意度有重要影响的评价指标,运用专家打分的方法确定各评价指标的权重,从产品、服务和环境三个方面建立快餐店顾客满意度的评价指标体系.针对实际评价过程中信息不完全和问卷选项不标准等问题,设计了一种基于证据推理的快餐店顾客满意度评价方法.通过安徽省某公司的8家连锁快餐店的实例分析,验证了所提评价方法的有效性和实用性,并依据评价结果给出了提高顾客满意度的合理化建议,对快餐行业的经营活动具有一定的指导作用     

设备故障诊断中神经网络与证据推理结合的信息融合方法

针对设备故障诊断中存在的处理数据量大、故障类型复杂多变、领域知识难于准确获得、故障识别率低的现状,提出了利用信息融合的思想,将神经网络和证据理论相结合应用于故障诊断的新方法。提高了故障诊断系统的灵活性、故障诊断的效率和准确性。     

基于证据推理的嵌入式软件可信性评估方法*

传统的可信性评估模型通常使用软件度量医逻辑验证方法进行定量估计,在应用于体系结构复杂、可信度要求较高的嵌入式软件时,依然存在可信需求不明确、专家主观认知无法集成等问题.在分析嵌入式软件可信需求的基础上,构建一种基于证据推理方法的嵌入式软件可信性评估模型,并定义证据合成算子和效用估算模型以实现多样化可信证据的一致融合与量化.仿真实验验证了该模型在解决嵌入式软件可信性评估问题时的合理性与有效性.     

基于DS证据推理的信息安全风险评估方法研究

在分析影响信息安全风险要素的基础上,构造了信息安全风险评估的层次结构模型,提出了基于Dempster-Shafer证据推理的信息安全风险评估方法。该方法可充分利用信息安全风险评估过程中专家的认知判断信息,处理评估过程中专家认知判断信息的不确定性问题,从而有效地提高风险评估的合理性。     

Dempster证据合成法则的通用实现方法

证据推理是不确定性推理的一种重要方法,而Dcmpstcr合成法则是进行证据推理的核心。针对目前Dcmp- stcr证据合成法则的算法实现不能处理合成结果的焦元为多个假设或命题的集合、近似算法的计算不够精确等问题, 提出通过位向量表示识别框架子集,并利用线性表、平衡树等数据结构实现证据合成的3种精确、通用算法。理论分 析与仿真实验表明,所实现的算法是有效的。     

基于证据推理的程序恶意性判定方法

针对可执行程序恶意性难以判定的情况,提出一种基于证据推理的程序恶意性判定方法.首先,建立程序恶意性判定模型;然后,通过对程序进行反编译,抽取影响程序安全性的特征,建立程序行为集合;使用BP神经网络对模型进行训练得到各个行为的概率分配函数BPAF(basic probability assignment functions),并使用加权和形式的合成法则对程序行为进行合成;最后,实现对程序恶意性的判定.实验结果表明了该方法的有效性.     

基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题,采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先,综合考虑了惯组指标信息的权重和可靠度,基于证据推理融合多元信息得到激光惯组性能评估结果。其次,根据性能评估结果,通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求,在满足性能状态要求前提下以单位时间内期望维护成本最小为目标,确定最优维护时机。最后,使用某型号激光惯组进行了实验验证,说明所提出的方法的有效性。     

一种基于证据推理规则的集成学习方法

集成学习作为提高分类器泛化能力的一类方法,经常被用于深度学习领域提升模型效果.然而,目前的集成学习方法在结合策略方面多采用表决融合,难以从分类器内挖掘有效信息,难以有效体现各分类器之间的联系.针对上述问题,本文提出一种基于证据推理(Evidence reasoning,ER)规则的集成学习方法.首先,从人类对事物认知过...     

基于绝对贪心和预期效率的0-1背包问题优化

With analysis and research the traditional theory of solving knapsack problem, and then to optimize enigmatical knapsack problems, this paper proposed a new algorithm based on the absolute greedy and expected efficiency strategy. Through the three sets of simulation experiments, it shows that the algorithm can solve a class of knapsack problems and it is superior to greedy algorithm, backtracking algorithm, dynamic programming algorithm, branch and bound algorithm. The convergence speed is ten times as the artificial glowworm swam algorithm by comparing with these two algorithms. Finally, it analyzed discrete degree of data and determined an adaptive scope of the algorithm.     

一种基于自适应证据推理规则的集成学习方法

当前集成学习中的结合策略难以兼顾各个基学习器之间的信息和模型的可解释性。使用证据推理（evidential reasoning,ER）规则作为结合策略,将各个基学习器结果作为证据参与融合,可以较好地解决以上问题。但传统ER规则的证据参数是单一的,对不同的基学习器模型使用相同的证据参数显然是不合理的。为此,提出一种基于自适应证据推理（adaptive-evidential reasoning,A-ER）规则的集成学习方法,该方法在每次证据融合前对证据的类别进行判断,针对不同的证据类别自适应分配不同的证据参数。通过不同的分类案例表明,该方法与案例中其他方法相比具有更高的分类精度,证明了该方法使证据参数设置更加合理且具有更好的可解释性和泛化能力。     

一种基于概念图的推理问题解决方法

本文使用概念图为数据库的推理问题建立了相关的解决模型,给出了推理相关的知识 表示及推理过程的描述,建立了相关的推理控制系统。     

一种基于改进证据理论的推理决策方法

针对证据理论的Zadeh悖论问题,提出了一种基于冲突一致度与交并集动态调整的推理决策方法。首先,该方法基于对冲突度与一致度的综合考虑,引入冲突一致度的概念,并基于冲突一致度对多源证据进行折扣操作。其次,基于交并集权重的动态调整对多源证据进行融合。然后,基于最大信任做出推理决策。最后,使用MATLAB构建仿真算例来对提出的方法与典型的证据合成方法进行比较验证。实验表明,该方法切实有效,能够避免悖论问题的产生,推理结果的区分能力优于典型方法。     

基于证据推理网络的实时网络入侵取证方法

在分析现有网络入侵取证系统所存在问题的基础上,提出了一种基于证据推理网络的实时网络入侵取证方法NetForensic,将弱点关联性的概念引入网络入侵取证领域,根据网络系统的弱点知识和环境信息构建了证据推理网络,利用证据推理网络所提供的多阶段攻击推理能力,NetForensic实现了高效实时攻击流程重构.实验数据表明,NetForensic给出的证据链完整可信,且具备实时推理的能力,为快速有效的调查取证提供了有力保证.     

基于冲突强度和非正则化的证据合成方法研究

证据推理广泛应用于不确定推理和数据融合等许多方面,但D-S合成规则对于高冲突证据的处理不是十分合理的。论文在分析D-S合成规则以及一些改进方法的基础上,提出了一种基于冲突强度和非正则化的冲突证据合成规则,并引入确定度的概念来衡量合成的效果。仿真实验结果表明,该规则比D-S合成规则有了明显的改进。