D-S证据理论在综合评估中的应用

目前常用的综合评估方法包括层次分析法、模糊综合决策法、基于神经网络的方法等,这些方法存在如下不足:(1)只能给出一个综合评估结果,却不能给出评估结果的确定性和不确定性度量;(2)不能处理评估信息中的未知性因素。为此,本文提出一种基于D-S证据理论的综合评估方法,以期解决上述问题。     

基于模糊理论的证据航迹关联算法分析

针对模糊推理航迹关联算法隶属度函数确定较为繁琐、影响算法灵活性等现实问题,将证据理论引入模糊航迹关联算法,对隶属度函数进行加权处理以获取证据信息,并在此基础上进行基于证据理论的融合处理.仿真分析表明,基于模糊理论的证据航迹关联算法具有较强的环境适应性,能够在不大幅增加运算量的情况下进一步降低模糊航迹关联的不确定性,体现了证据理论在解决不确定问题上的优良特性.     

D-S证据理论在决策支持系统中的应用

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。证据理论能够对各自独立的证据加以综合给出一致性结果,并能处理具有模糊和不确定信息的合成问题,最终达到信息互补。与其他推理方法相比更符合人类思维决策过程。为此,提出一种基于D-S证据理论的灾害决策支持方法,并根据试验结果验证了该方法的有效性和可行性。     

D-S证据理论在电路故障诊断中的应用研究

针对传统的线路切割法在电路故障诊断表现出的诸多问题,提出了一种基于D-S证据理论的多故障分类器的信息融合系统框架模型。在该模型中,基于SVM的故障分类器模型、基于贝叶斯的故障分类器模型和基于神经网络的故障分类器模型中的故障集合的并集共同构成识别框架,并利用Dempster合成法则对测试数据进行融合。实例研究表明,该模型增强了诊断系统的可分析性,有效提高了故障模式的识别能力。     

D-S证据理论在电子证据内容确定性评估中的应用研究

电子证据都有不同程度的不确定性,当前理论和实践中缺乏对电子证据确定性定性、定量化的研究。文章采用D-S证据理论对电子证据内容确定性进行了评估,并与模糊综合评判法判断电子证据确定性程度做了对比分析,实验结果表明,D-S证据理论在判断电子证据确定性程度中具有可信度更高,准确性更高的特征。     

D-S证据理论在机床故障诊断中的应用

探讨D-S证据理论在机床故障诊断中的应用,介绍了基于D-S证据理论的决策,D-S证据理论的不足及其改进方法,并用实例分别介绍了证据冲突不大时和证据冲突较大时D-S证据理论在机床故障诊断中的处理方法。     

基于灰色关联和D-S证据理论的感应电转子故障诊断

针对单一的灰色关联或D-S证据理论在转子故障诊断中存在的不足,将灰色关联和D-S证据理论相融合的决策级信息融合方法应用到感应电机转子故障诊断中;首先用灰色关联对故障进行初步诊断,然后,将灰色关联分析的诊断输出结果作为D-S证据理论的基本概率分配,最后,依据证据组合规则进行合成,得出转子故障的最终诊断结果;实验仿真结果验证了方法在转子故障诊断中的有效性,可以减小诊断的不确定性,提高故障的诊断准确率和诊断精度。     

D-S证据理论在目标特征数据分析中的应用

为解决空中目标识别问题,引入特征值这一概念。Dempster-Shafer证据理论是不确定推理的重要方法,通过Dempster合成规则将不确定性信息进行重新分布,将来自测量分系统的目标特征值,通过D-S证据理论进行融合,应用于目标识别。实验结果表明该方法误判率低、分类精度高,能较好地实现空中目标的分类。     

D-S证据理论在数据融合中的应用及改进

对证据合成的基本原则和D-S合成公式作了分析,针对D-S算法实现过程中存在的失效问题提出了解决的方法,对该理论的不足采用了修正的合成规则,通过实例运算表明该方法能够对传感器提供的不一致证据进行组合,并使组合结果更加直观.     

改进的D-S证据理论在电路故障诊断中的应用研究

针对传统的线路切割法在电路故障诊断表现出的诸多问题,提出了一种基于改进D-S证据理论的电路故障诊断方法.在该方法中,基于多传感器的故障信息源的并集共同构成识别框架,并利用改进的Dempster合成法则对测试数据进行融合.实例研究表明,该方法增加了诊断系统的可分析性,有效地提高了故障模式的识别能力,使故障元器件定位的准确...     

D-S证据理论在多传感器目标识别中的应用

针对多传感器目标信号的特点 ,运用小波变换和FOBW编码对信号进行特征提取。在此基础上 ,运用D S证据理论对目标进行融合识别。与单一传感器的识别结果相比较 ,上述方法能明显提高识别能力 ,同时降低识别的不确定性 ,提高识别的实时性。     

基于D—S证据理论的空分设备故障诊断研究

根据空分设备故障诊断的复杂性,采用D—S证据理论实现空分设备的故障诊断。文中以空分设备中的主换热器为例,通过采集主换热器发生故障时的相关传感器的数据信息,得出各传感器对主换热器各故障模式的信度函数分配,通过D—S证据理论的合成公式进行数据融合,从而确定主换热器的故障模式。实验结果表明：基于多传感器的数据融合算法在故障诊断方面具有较高的准确率。     

基于D-S融合的电子电路故障诊断研究

根据电子电路故障元件诊断的不确定性问题,给出了多传感器D-S信息融合实现电路故障诊断的方法。通过检测电路工作时电子元件的温度和关键点电压两方面数据信息,得出两传感器对各待诊断元件的信度函数分配。再利用D-S联合规则结合模糊逻辑理论,得到融合后的信度函数分配,从而确定故障元件。实验结果说明:多传感器融合算法具有较高的准确率。     

基于Rough-Vague集与证据理论的态势估计方法

针对态势估计中的事件检测需要依靠领域知识,提出一种基于Rough-Vague集与D-S证据理论的态势估计方法。基于Rough集与Vague集进行事件检测,根据目标历史数据建立事件决策表,通过属性约简得到简约的事件决策表,提出一种基于简约决策表获得目标事件Vague集的方法,根据Vague集的相似度建立评价系数来判定事件结果。目标在不同时刻发生的事件就是证据,基于证据合成公式得到最终的目标态势估计结果。实例分析表明该态势估计方法中事件检测不需要任何领域知识,对态势结果的不确定性具有很强的聚焦能力。     

可拓学理论在信息融合中的应用研究

基本概率分配函数的选取是实际应用D-S证据推理的信息融合算法的难题之一。探讨了可拓集理论和关联函数的本质,提出对关联函数进行归一化处理,并以归一化后的数据作为证据体对分类命题的可信度分配,利用Dempster组合规则生成总体可信度分配,实现多源信息的融合。仿真计算结果表明,该算法是可靠的和有效的。     

基于模糊粗糙集和D-S证据理论的多源灌溉信息融合方法

针对多源灌溉信息决策过程中不确定性信息难以融合的问题,提出了一种基于模糊粗糙集和D-S证据理论相结合的决策融合方法。运用模糊粗糙集理论,建立基本概率分配函数,计算各灌溉因子与灌溉决策之间的依赖程度,构建多个融合灌溉因子对灌溉决策的识别框架;然后运用改进的D-S证据理论,进行多源灌溉信息决策层级的融合,最终解决不确定信息的表达和合成问题。应用上述方法对华北地区冬小麦土壤水分、光合速率和气孔导度等信息进行灌溉决策融合,结果显示：灌溉决策的不确定性由融合前的最高38%降至9.84%,该方法可有效地提高灌溉决策精度,降低灌溉决策的不确定性     

基于多类SVM和D—S证据理论的决策融合算法研究

D-S证据理论是决策融合领域研究较多的一种有效方法。然而,如何根据实际情况构造D—S证据理论中的基本概率赋值函数是必须面对的一个重要课题。本文提出了一种基于多类支持向量机和D—S证据理论的决策融合算法,将多类支持向量机作为局部判决器,构造了相应的基本概率赋值函数,然后用D—S证据理论对各初步判决结果进行融合,得出对目标的最终识别结论。最后与投票表决法对比,做出仿真,并进行分析,验证了算法的合理性和有效性。     

D-S证据理论在数据融合中失效问题的研究

D S方法作为一种重要的处理不确定性问题的数据融合方法,已经广泛应用于各种数据融合系统中。解决D S融合公式在处理冲突证据时的失效问题一直是研究的热点。国内外的各种改进方法主要分为对融合公式的改进和对融合模型的改进2个方向。对各种方法进行理论上和数据上的比较分析表明:修改模型的方式效果明显优于修改融合公式。     

基于D-S证据理论对超市消费者购物分析

介绍了D-S证据理论的基本原理,结合超市消费者需求情况,给出了一个利用D-S证据理论来对消费者购买商品不确定性的确定性计算算法。     

D-S证据理论在探地雷达目标识别中的应用

为解决探地雷达的目标识别问题,提出了一种基于雷达扫描数据、实地探测情况、历史信息和已有水文地质信息,并利用D-S证据理论这一具有解决多数据源不确定信息推理和融合特点的理论对目标进行综合识别的方法.实现了探地雷达目标在不确定条件下获得较高可信度的识别.试验结果验证了该理论在探地雷达目标识别上的有效性和可行性.