基于直觉模糊集的时域证据组合方法研究

证据理论已广泛应用于时空信息融合领域,由于时域信息融合表现出明显的序贯性和动态性,为实现基于证据理论的时域信息融合,有效处理时域冲突信息,结合证据可靠性评估和证据折扣的思想,在直觉模糊框架内提出了一种基于复合可靠度的时域证据组合方法.首先定义一种基于可靠度的直觉模糊数排序方法,在此基础上提出一种基于直觉模糊多属性决策的证据可靠性评估方法;然后,基于此方法对时域信息序列中相邻时间节点的证据可靠性进行评估,得到时域证据的相对可靠性因子;最后,结合由时域证据可靠度衰减模型得到的实时可靠性因子,得到时域证据的复合可靠性因子,再基于证据折扣运算和Dempster证据组合规则提出一种基于复合可靠度的时域证据组合方法.数值算例和仿真表明,该方法具有较强的时间敏感性,充分体现了时域信息融合的动态性特点,可以较好地处理时域证据中的冲突信息,基于该方法构建的融合识别系统具有较强的抗干扰能力.     

考虑可靠性的时域证据组合方法

为了实现基于证据理论的时域信息融合,根据证据折扣思想,提出一种考虑可靠性的时域证据组合方法.首先,基于一次指数平滑法对时域证据进行失真判别,并结合基于可信度衰减的证据实时可靠性评估方法,得到相邻时刻证据的实时可靠度;然后,基于改进冲突度与不确定度得到相邻时刻证据的相对可靠度;最后,基于证据折扣准则和Dempster组合规则进行证据合成,实现时域证据的序贯组合.数值仿真与分析表明,所提方法充分体现了时域证据组合的动态性特点,具有较强的冲突信息处理能力和抗干扰能力,对时域信息融合具有较好的适用性.     

基于高冲突修正的D-S证据融合方法

对冲突证据使用D-S证据理论进行融合前,应确定证据之间冲突的程度。为此,基于信任度和虚假度对冲突进行衡量与修正。计算证据的信任度和虚假度,分别对其进行排序,将具有较小信任度和较大虚假度的证据判定为高冲突证据并加权修正,再使用Dempster组合规则进行证据融合。实验结果表明,该方法可以正确判断高冲突证据,避免融合结果与事实相悖的情况,同时提高收敛的速度和精度。     

基于平均偏离度的证据组合方法

Dempster-Shafer证据理论广泛应用于信息融合中, 但是在证据高冲突情况下基于经典D-S证据组合规则的融合结果存在反直观的问题。针对这一问题, 提出一种基于平均偏离度的证据组合方法。首先引入证据距离函数获得各证据体的相互支持度, 并将支持度归一化为证据的信任度。对所有的证据进行信任度加权平均, 获得一个参考证据。然后利用该参考证据对各个原始证据进行偏离度的判定及修正。最后利用Dempster-Shafer规则完成证据的组合。实验结果表明, 新方法提高了融合结果的可靠性和合理性, 可以有效地处理高冲突证据。     

面向评价数据中用户偏好发现的证据理论方法

用户对商品和信息服务的评价包含评论和评分,富含了用户的兴趣、观点和偏好等行为信息。以真实和量化地反映用户对商品的喜好程度为目标,从海量的用户评价数据出发,基于边际效用定义用户偏好,基于D-S证据理论描述影响用户偏好的各影响因素的不确定性以及各因素之间的相互关系;以评论中的各词汇、包含正面/负面词汇的评论和评分作为用户对商品偏好的"证据",给出了综合考虑各影响因素的联合算子,以及基于MapReduce的计算方法和用户偏好发现机制。针对正确性、执行时间、加速比和并行效率等指标进行实验,结果验证了所提出方法的有效性。     

不完备信息下基于切换推理证据网络的空中目标识别方法

现有证据推理方法模型结构固定、信息处理方式和推理机制单一，难以适用于集结了不确定、错误甚至缺失等多种不完备信息环境下的目标识别。针对该问题，提出了一种切换推理证据网络（SR-EN）方法。首先，考虑证据节点删除等情况构建多模板网络模型；然后，分析各证据变量与目标类型的条件关联性以建立针对不完备信息的推理规则库；最后，提出基于三种证据输入及修正方式的智能化时空融合推理方法。与传统的证据网络（EN）以及EN与优劣解距离法（TOPSIS）等两种信息修正方法的结合方法相比，SR-EN能够在确保推理时效性的同时实现在多类随机性不完备信息下对空中目标的连续准确识别。实验结果表明，通过对各类不完备信息的有效识别，SR-EN能够实现连续推理过程中证据处理方式、网络结构和节点间融合规则的自适应切换。     

基于直觉模糊和证据理论的混合型偏好信息集结方法

针对混合型偏好信息的集结问题,利用直觉模糊实现了5类混合型偏好信息的统一,提出利用冲突系数和Jousselme距离综合表示的证据冲突度计算专家权重的方法,最后利用Demsper组合规则对专家权重修正后的证据进行组合.实例分析表明,所提出的偏好信息统一方法能够保持转化前后方案的优先顺序不变,通过专家权重对专家意见的修正使得证据合成结果能体现多数专家的一致意见,具有较高的实用价值.     

一种新的冲突表征下的异类源信息融合算法

异类源信息融合时常遇到证据高度冲突的情况,此时应用传统Dempster-Shafe(rD-S)证据理论进行融合将出现错误的结果。针对以往冲突证据融合研究中使用冲突系数k表征证据之间的冲突程度所存在的不足,提出了一种新的证据冲突表征方法。在此基础上确定证据间的冲突度和相似度,得到证据的权重。对加权修正后的证据利用D-S证据理论进行融合。算例验证表明该方法可以有效地对冲突证据进行融合,收敛效果较好。     

面向互联网问诊文本的医疗事件时序关系抽取

互联网问诊文本中存在大量的医疗事件及其时序关系，这些信息是推断患者患病诊疗时间线的关键信息，但问诊文本通常有不规范的特点。针对不规范的问诊数据，在注意力双向LSTM模型的基础上，添加关系发现词特征为关系识别提供了重要时序线索，弥补了不规范数据中针对两个医疗事件发生时间的描述缺失；添加时序背景知识对模型预测的错误结果进行关系修正，提升了关系抽取效果。从好大夫网站获取到患者真实的问诊文本作为数据进行实验。实验表明，该方法在各种时序关系抽取的F1值上都优于现有方法，提升效果在4%～16%之间。     

一种迭代修正的冲突证据改进方法

针对多传感器数据融合领域中使用D-S组合规则无法有效融合传感器不确定证据信息的问题,提出一种迭代修正的冲突证据改进方法。该方法通过计算证据之间的相互支持度和证据之间的相似度,综合度量每个证据的修正参数。利用修正参数修正证据,并通过D-S组合规则融合。然后,以融合结果作为参考证据,重新度量每一个原始证据的修正参数,修正原始证据再融合。通过多次迭代修正融合,直至最后两次的融合结果收敛为止,最后通过两组冲突证据验证了该方法具有很好的融合效果。     

Credibility decay model in temporal evidence combination

Data fusion in time domain is sequential and dynamic. Methods to deal with evidence conflict in spatial domain may not suitable in temporal domain. It is significant to determine the dynamic credibility of evidence in time domain. The Markovian requirement of time domain fusion is analyzed based on Dempster's combination rule and evidence discount theory. And the credibility decay model is presented to get the dynamic evidence credibility. Then the evidence is discounted by dynamic discount factor. It's illustrated that such model can satisfied the requirement of data fusion in time domain. Proper and solid decision can be made by this approach.     

基于证据理论物联网安全态势感知方法研究

社会物联网技术迅速发展,安全问题日益严重,对简便易用的物联网安全态势感知方法进行了研究。针对当前物联网安全态势感知系统缺乏通用性、过分依赖专家知识的缺点,提出了一种基于改进D-S证据理论的物联网安全态势感知方法。利用模糊高斯隶属函数计算漏洞信息隶属度矩阵,归一化后作为证据分布矩阵;利用改进Topsis方法衡量证据可信度,聚合两两证据间的局部可信度,根据态势评估场景改进期望正负解向量,充分抑制冲突性证据可信度,提高相互支持证据间可信度,利用加权平均方法进行漏洞信息融合得到态势评估结果;基于时间因子折扣和高危漏洞比例折扣证据理论融合形成态势感知结果,利用时间因子聚合多个态势评估数据,根据时间尺度对不同时刻的态势评估证据进行折扣,越接近当前时刻的证据折扣度越小,反之越大。同时,综合考虑不同时刻物联网漏洞信息,利用高危漏洞比例信息进行自适应动态加权,把不同时刻的高危信息折扣入识别框架,系统的危险变化信息集中体现在证据融合过程中。经过实验表明,在不同数量证据体融合和4种常见冲突证据融合中,改进Topsis方法对可信命题的融合概率更高;在态势评估方面,准确评估当前系统危险程度;在态势感知方面,折扣...     

一种基于变权的动态多属性决策方法

针对实际问题中决策信息不完全的动态多属性决策问题, 提出了广义优序法. 将决策问题转化为各方案的广义优序数矩阵问题, 并在此基础上引入逼近理想解的排序法思想, 提出了确定属性权重和时间权重的变权方法. 该方法体现了对决策属性、时间样本的重要性和决策者的主观偏好, 使得决策结果更加符合决策者的选择. 最后通过实例分析验证了所提出方法的科学性和有效性.

     

基于诊断证据静态融合与动态更新的故障诊断方法

提出一种将诊断证据静态融合与动态更新相结合的故障诊断方法.在静态融合阶段,利用Dempster组合规则融合每个时刻的多条局部诊断证据,获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标;在动态更新阶段,基于条件化的线性组合更新规则,利用当前时刻静态融合证据更新历史证据,获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标.在两个阶段中,基于静态和动态信度收敛性指标函数,分别给出相应的优化学习方法,获取静态融合中局部诊断证据的静态折扣系数、动态更新中历史与当前证据的更新权重系数等参数的最优值.在最大信度原则下,利用更新后获取的诊断证据做出诊断决策.最后,通过在电机柔性转子实验台上的诊断实验,将所提方法与已有的典型融合诊断方法进行了对比分析,说明所提出的融合诊断方法及其性能指标函数和参数优化方法的有效性.     

A method for multiple attribute decision-making with the fuzzy preference relation on alternatives

This paper investigates the multiple attribute decision-making (MADM) problem with preference information on alternatives. A new method is proposed to solve the MADM problem, where the decision maker (DM) gives his/her preference on alternatives in a fuzzy relation. To reflect the DM's subjective preference information, a linear goal programming model is constructed to determine the weight vector of attributes and then to rank the alternatives. Finally, a numerical example is used to illustrate the use of the proposed method.     

基于模糊偏序关系评估决策的智能信息融合

针对信息融合系统应综合考虑获取信息所要求的资源、计算复杂度和时间所需要的最小成本的问题,提出了基于模糊偏序关系评估决策的智能信息融合系统,利用模糊偏序关系的排序方法,来对传感器进行评估决策和智能选择,并与证据理论相组合,应用于目标识别,仿真结果表明了该方法的有效性。     

一种证据距离量化及传感器可靠度确定的新方法

为解决传统传感器可靠度确定方法中存在的一定条件下证据间距离量化结果不合理的问题,基于信息粒度理论提出了一种新的证据距离--认知距离,并以此提出传感器可靠度的计算方法,用可靠度决定的折扣因子对证据进行折扣,最后使用DS证据理论对修正后的证据进行融合.仿真实验表明,与几种代表性的基于传感器可靠度的融合方法和证据理论及其改进方法对比,本文方法在不同情况下均具有良好性能.     

基于方案修订的群决策一致性形成的研究

层次分析法(AHP)是群决策中经常使用的一种方法,利用AHP进行群决策的过程实质上也是决策者个体偏好集结的过程。针对如何将不同形式的偏好信息进行有效集结以形成群决策一致性方案的问题,提出一种通过活用AHP修订决策方案达到决策者群体的一致性偏好最终得以形成的方法,在利用决策者的决策信息进行群组划分的基础上明确各个划分的决策偏好差异,提出了活用AHP进行群决策一致性形成的方向,并形成了有效的动态群决策过程。     

多传感器数据融合的多准则决策模型

在多准则下考察传感器的融合权重, 提出一种新的多传感器数据融合方法. 通过多个性能指标折中估计传感器权重, 以降低决策的主观性和偶然性; 提出从不同融合级别来定义多个准则, 定性地提高了多准则的信息量; 在没有决策者对各准则偏好信息的情况下, 以最小化准则冗余度和最大化评价差异度为原则建立多目标优化模型对准则权重向量优化求解. 仿真实验结果表明, 相比于单准则和单层次的融合方法, 所提出方法具有更低的决策风险和更高的稳定性.