改进Dempster-Shafer证据与概率模型集成的变压器故障诊断

针对单个变压器故障诊断模型准确率有限的问题,提出基于kappa系数改进Dempster-Shafer(D-S)证据理论与概率模型集成的变压器故障诊断方法。首先,分别构建基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的变压器故障诊断概率模型,拟合诊断模型在样本上的基本概率分配函数。然后,建立D-S证据理论信息集成框架,提出基于kappa系数与准确率权重的证据修正方法,从子模型与故障类型两个角度对证据进行修正,进而融合概率模型诊断结果。最后,通过仿真验证本文所提方法的有效性。

基于Dempster-Shafer理论的查询扩展模型(英文)

查询扩展是提高信息检索召回率的有效方法,已有许多研究者提出了诸多扩展方法,但大多数方法均是简单地把扩展的词添加到查询中.这样如若不加区分原查询词和扩充词,则扩展后的查询就可能偏离原查询的语义.该文基于Dempster-Shafer证据理论,提出了一个查询扩展的计算模型,该模型把原始查询项看作主证据,扩展项为原始查询项的辅助证据,为了能组合这两类证据,该文给出了两个带权重的Dempster-Shafer组合规则,实验表明该方法能有效地提高检索效率.

基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用

给出了一种基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种基于Dempster-Shafer证据理论的多故障特征信息融合的故障诊断方法,并以旋转机械故障诊断为例,详细说明了该方法的具体实现步骤.结果表明,经过多故障特征信息融合,诊断结论的可信度明显提高,不确定性明显减小,因此充分显示了该诊断方法的有效性.

数据融合中的Dempster-Shafer证据理论

虽然 D- S方法已广泛地应用于各种数据融合系统中 ,但在实际应用中依然存在着许多困难。总结了数据融合应用中的 Dempster- Shafer证据理论研究概况 ,从四个方面阐述和对比分析了一些有代表性的研究成果 ;

基于Dempster-Shafer证据理论的端口扫描检测方法

端口扫描是通过对目标系统端口试探性的访问来判断端口是否开放的行为.它往往是攻击者入侵行为的第一步.端口扫描检测是入侵监测系统不可缺少的一部分,而当前端口扫描的检测方法不多,并且准确性不高.为提高扫描检测的准确性,本文使用Dempster-Shafer证据理论对两种扫描检测方法产生的数据进行融合:一种是基于端口分布特征的扫描检测方法,该方法简单且具有较高的检测率;另一种是基于序列假设测试的扫描检测方法,该方法充分利用了端口扫描的本质特征.实验结果表明,同单独使用基于端口分布特征或序列假设测试的方法相比,这种基于Dempster-Shafer证据理论的扫描检测方法对端口扫描的检测准确得多.

基于Dempster-Shafer理论的GHSOM入侵检测方法

结合证据推理DS理论,提出了基于Dempster-Shafer理论的GHSOM神经网络入侵检测方法,一方面处理数据不确定性中的随机性和模糊性问题,可以在噪音环境下保持良好的检测率,此外通过证据融合理论缩小数据集,有效控制网络的动态增长。实验结果表明,基于Dempster-Shafer理论的GHSOM入侵检测方法实现了对子网拓展规模在检测中的动态控制,提升了在网络规模不断扩展时的动态适应性,在噪音环境下具有良好的检测准确率,提升了GHSOM入侵检测方法的扩展性。

基于Dempster-Shafer证据理论的数据融合技术研究

系统地研究了 Dempster- Shafer(D- S)证据推理的数据融合技术 ,分析了传感器基本概率分配函数 (basic probability assignment- BPA)的构造方法 ,分别对双传感器随参数分布的几种情况进行了检测融合 ,利用红外场景生成器生成的 3～ 5μm和 8～ 1 2 μm双通道的红外背景及目标的序列图像 ,仿真了融合对探测操作特性 (receiver operatingcharacter- ROC)曲线的性能改进 ,对 AGEMA THV90 0型双通道红外热像仪的小目标图像也开展了实验处理 。

论Dempster-Shafer理论的一个悖论

Kyburg指出,在Dempster-Shafer(D-S)理论中应用 Dempster组合规则组合某些基本概率指派将导致悖论。基于Shafer的D-S理论解释,我们可以利用概率函数来表达该理论的基本概念和组合规则。在此基础上,本文分析这一悖论产生的原因。

时空LBP矩和Dempster-Shafer证据融合的双模态情感识别

针对视频情感识别中存在运算复杂度高的缺点,提出一种基于时空局部二值模式矩(Temporal-Spatial Local Binary Pattern Moment,TSLBPM)的双模态情感识别方法。首先对视频进行预处理获得表情和姿态序列;然后对表情和姿态序列分别提取TSLBPM特征,计算测试序列与已标记的情感训练集特征间的最小欧氏距离,并将其作为独立证据来构造基本概率分配(Basic Probability Assignment,BPA);最后使用Dempster-Shafer证据理论联合规则得到情感识别结果。在双模态表情和姿态情感数据库上的实验结果表明,本文提出的时空局部二值模式矩可以快速提取视频图像的时空特征,能有效识别情感状态。与其他方法的对比实验也验证了本文融合方法的优越性。

一种新的基于Dempster-Shafer理论的自适应遥感分类融合方法

提出了一种基于Dempster-Shafer’s理论和模糊Kohonen神经网络分类融合的方法。该方法融合了非监督神经网络模型和在Dempster-Shafer证据理论框架中使用邻域信息的思想 ,即当一个待识别模式的每个邻域被划分为支持识别框架中某一类的一个证据体时 ,该证据体支持关于该模式隶属关系的某一假设。SPOT遥感数据的分类实验证明 ,该方法同已有的神经网络技术分类方法相比较 。

时态Dempster-Shafer理论

In this paper,we propose temporal Dempster-Shafer theory to handle the combination of uncertainty andtime. In temporal Dempster-Shafer theory,the element of the temporal frame of discernment is defined as an eventthat associates a hypothesis with corresponding time interval. And the assignment of belief to subset of the temporalframe of discernment is performed by the mass function. It is a representation and reasoning mechanism that combinesuncertainty and time by the basic frame of Dempster-Shafer theory.

定性Dempster-Shafer理论

采用一个全序的符号值集合来代替数值信任度集合[0,1],提出定性Dempster-Shafer理论来处理既有不确定性又有不精确性的推理问题·首先,定义了适合对不确定性进行定性表达和推理的定性mass函数、定性信任函数等概念,并且研究了这些概念之间的基本关系;其次,详细讨论了定性证据合成问题,提出了基于平均策略的证据合成规则·这种定性Dempster-Shafer理论与其他相关理论相比,既通过在定性领域重新定义Dempster-Shafer理论的基本概念,继承了Dempster-Shafer理论在不确定推理方面的主要特点,同时又具有适合对不精确性操作的既有严格定义又符合直观特性的定性算子,因此更适合基于Dempster-Shafer理论框架不精确表示和处理不确定性·

基于Dempster-Shafer理论的大豆病害信息诊断模型

针对大豆生长病害智能诊断过程中计算机技术辅助决策的难点,构建了一个基于Dempster-Shafer理论的大豆病害信息诊断模型。对模型进行了理论及特性分析,建立了该种方法实现的理论框架,给出了具体的应用规则,并结合大豆病害的实例进行了具体应用。结果表明,该方法在大豆病害诊断过程中会大大提高决策的精度和可信度。

基于Dempster-Shafer合成法则的服务提供商选择研究

服务提供商的选择问题具有不确定性和风险性。本文根据服务供应链及服务的独特性总结出服务提供商的评价指标体系,阐述了Dempster-Shafer合成法则的基本原理,通过案例分析发现Dempster-Shafer合成法可以保证服务提供商的多因素评价的准确性和有效性,对服务集成商的决策提供支持。

基于Dempster-Shafer证据理论的匹配区多特征适配性分析方法

匹配区的适配性分析在景象匹配视觉导航中至关重要。目前已有很多匹配区适配性分析特征指标,但都只能片面说明匹配区的适配性。试图将多种特征指标进行综合,解决不同特征指标对适配性分析的冲突性,提出一种特征指标适配置信度和不确定置信度的度量方法,利用Dempster-Shafer(D-S)证据理论对置信度进行融合,得出匹配区适配综合置信度,实验验证了该算法的有效性。

基于Dempster-Shafer证据理论的协同频谱感知算法

认知无线电的首要任务是频谱感知,单个认知用户的频谱感知结果容易受到衰落和多径的影响,本文结合证据理论研究了多个认知用户的协同频谱感知问题。为了在融合中心未知先验信息的条件下实现对授权用户的有效检测,文章基于Dempster-Shafer证据理论,对认知用户的本地感知结果提取证据,然后在融合中心进行融合并判决,提出了一种基于Dempster-Shafer证据理论的协同频谱感知算法。仿真结果表明,该算法能够在融合中心未知先验信息情况下,获得较好的频谱感知性能。

基于Dempster-Shafer证据理论的信任评估模型

从网格的动态性、分布性、不确定性等特征出发,参考社会学的人际信任关系结构,提出了一种基于Dempster-Shafer证据理论(简称D-S理论)的信任评估模型.该模型根据网格节点间的历史交易记录,给出“直接信任”的形式化描述,建立网格节点信任推荐机制,并利用D-S理论对证据进行组合,从而得到“间接信任”.然后将直接信任和间接信任进一步组合为“综合信任”,从而有效实现信任信息的融合.将本文提出的信任度评估方法应用到调度算法中,结果证明了该信任模型的可行性和实用性.

基于Dempster-Shafer证据理论的航空发动机磨损状况融合诊断

本文利用Dempster-Shafer证据理论对滑油光谱分析得到的铜、铁、银3种元素含量进行融合诊断,从而达到对航空发动机磨损状况更为准确的判断,同时也提高了发动机工作的可靠性。通过对实测的两组样本数据进行融合诊断分析,发现3种元素的融合诊断结果比单一元素诊断结果更准确、可信度更高。第一组样本数据诊断正确的概率从37.05%提高到76.52%,第二组样本数据诊断正确的概率从69.59%提高到96.26%。

基于Dempster-Shafer证据理论的无功/电压控制分区

提出一种基于D-S证据理论的电网无功/电压控制分区方法。首先根据电气距离计算基本概率分配的分区支持度和模糊样本相似度的分区支持度;再对这2种支持度进行D-S融合,提高分类可靠性,形成客观分区证据。如果某节点客观分区证据不充分,还可以考虑专家群的意见综合评判,融合主客观综合证据得到更符合实际的分区结果。IEEE-118节点系统的分区测试,证明了所提分区策略是可行和有效的。

Dempster-Shafer证据理论在水利工程良性运行评价中的应用

要改善水利工程不良运行现状,只有在正确评价水利工程良性运行与否的前提下,才能有针对性地讨论和研究其适用的运行管理措施。然而,针对水利工程运行管理这一涉及社会、经济、管理等多个学科的特殊对象,其评价最大的难点就在于对其评价中定性指标的定量化问题,对此,给出了一种基于Dempster-Shafer证据理论的定性指标无量纲化方法,较好地解决了水利工程良性运行评价中的难点问题,具有较强的可操作性和实际意义。