分布式计算环境下的动态可信度评估模型

随着计算机网络的发展,分布式计算技术得到了广泛的应用,这使得网络节点间的信任问题变得日益突出.参考社会学的人际关系信任模型,基于Dempster-Shafer证据理论和Shapley熵,文中设计出了分布式计算环境下的动态可信度评估模型,这一可信度评估模型清晰地反映了可信度的动态性、连续性和不确定性等特性.该模型通过历史交互信息获得直接可信度,并根据每个节点的信用记录和其直接可信度函数的信息量对其直接可信度进行修正,然后综合考虑修正后的各个节点的直接可信度信息,利用Dempster规则合成计算出综合可信度.最后利用仿真实验分析了新模型对可信度的评估效果,并对未来的工作做了展望.

基于证据折扣优化的冲突证据组合方法

D-S证据组合规则在处理高冲突度信息时,会得出与直觉相反的结论,出现冲突的证据组合,这一直是D-S理论研究的热点。现有改进的组合规则大部分不满足结合律原则,导致不同的组合顺序会得到不同的组合结果。针对这一问题,给出了一种新的满足结合律原则的证据组合推理规则。首先建立了基于Ign(.)函数极小化的证据折扣优化模型,然后利用最优折扣对证据进行修正,得到证据修正模型,最后利用新的证据合成规则对修正后的证据进行组合。算例验证结果表明,新的组合推理规则在处理冲突方面的性能得到明显改进。

多特征融合的输送带纵向撕裂检测

为了实现输送带纵向撕裂的准确检测,解决单一特征鲁棒性低的问题,提出了一种双模板纵向匹配特征,同时采用Dempster-Shafer(DS)证据理论进行多特征融合检测。首先提取图像的灰度匹配和几何特征,然后利用DS证据理论加以融合;融合后根据组合决策规则判断图片撕裂与否。实验表明该算法在提高了检测的准确性的同时,满足了矿井下输送带撕裂检测对实时性的要求,可为及时报警停机提供可靠依据。

机载探测设备目标识别算法的研究

针对机载探测设备多传感器系统具有多目标,大量观测数据的特点,提出了一种基于Demp-ster-Shafer(D-S)证据理论和主观Bayesian方法组合的数据融合算法。在数据融合过程中,为保证融合的实时性,融合系统采用时域融合和空域融合相结合的方法,首先对相同传感器的各次抽样值进行时域融合,然后传感器之间的融合采用D-S方法进行融合;最后,其融合结果经概率转化后,与来自于ELINT(Electronic Intelligence)的信息通过主观Bayesian方法进行识别级融合。最后给出一个实例,经过仿真计算证明了该算法的可行性和实用性。

融合知识和数据的贝叶斯网络构造方法

从数据中学习贝叶斯网络往往会因为搜索空间庞大而耗费大量时间.由于贝叶斯网络固有的因果语义,领域专家往往能够凭借自己的经验确定节点之间的因果关系.本文方法充分收集专家的意见,并利用证据理论进行综合,去除无意义的网络结构,然后利用常用的学习算法从数据中继续学习.这种融合知识和数据的贝叶斯网络构造方法利用专家知识来缩小学习算法的搜索空间,避免了盲目搜索,同时也避免了单个专家知识的主观性.实验表明该方法能够有效提高学习效率.