Vague集不确定信息处理SPA方法研究进展

Vague集是智能信息处理中一种新的有效方法,近几年成为智能信息处理的热点而受到普遍关注.SPA方法(集对分析方法)是不确定信息处理的一种重要手段,结合Vague集与SPA方法的不确定信息处理具有效果好和易于实现的优点.本文对Vague集不确定信息处理的SPA方法应用现状进行了综述.对Vague集不确定信息处理的SPA方法的未来发展和需要解决的问题进行分析与讨论,提出未来该领域的发展方向及前景.

移动机器人地图创建中的不确定传感信息处理

该文研究移动机器人自主创建地图中的不确定传感信息处理问题 ,基于灰色系统理论提出了一种新的对传感信息进行解释和融合的方法用于声纳信息的处理 ,并以此建立环境的栅格地图 .声纳的传感信息存在较大的不确定性 ,这里引入灰数的概念来表示和处理这种不确定性 ,对于机器人在不同位置的测量结果 ,根据灰色系统理论对信息的理解方式设计融合方法 ,得到一个对环境的整体表示 .通过仿真环境和真实机器人平台上进行的创建地图实验 ,表明这种方法具有良好的鲁棒性和准确度 .

基于信息分形的行人轨迹预测方法

行人轨迹预测应用十分广泛,比如自动驾驶、机器人导航等。在轨迹预测中,一些不确定信息给轨迹预测任务带来了挑战,比如判别器中对轨迹信息判别的不确定,复杂的交互信息。在不确定信息处理科学领域,信息分形能有效处理不确定信息的不确定性和复杂性。受此启发,为了充分处理判别器中轨迹信息判别的不确定性,提升预测精度,该文提出了基于信息分形的轨迹预测方法。首先,场景信息和历史轨迹信息被特征提取模块提取。然后,通过注意力模块获取到场景-行人之间的交互信息与行人-行人之间的交互信息。最后基于生成对抗网络和信息分形生成合理的轨迹。在两个公共数据集ETH/UCY上实验表明,该方法能有效处理轨迹信息的不确定性,提高轨迹预测的精度。比如突然转弯、从后方超越前人、避让等行为的轨迹都能有效预测。在平均位移误差(ADE)和终点位移误差(FDE)上相比基准模型误差平均降低了11.11%和23.48%。

三支决策与Vague集

三支决策和Vague集都可用于边界不确定信息的处理.本文将三支决策理论与Vague集理论相结合,开展一些相关研究.首先,在讨论粗糙集与Vague集关系的基础上,对三支决策粗糙集与Vague集之间的关系进行分析研究;其次,以三支决策的视角,分别用条件概率、阈值对(α,β)以及风险损失函数λ对Vague集中的隶属函数给出新的描述和定义;然后,通过分析这两种集合之间的关系,提出基于Vague集的三支决策划分,用隶属函数结合阈值对定义其三个域,得到对应的三条决策规则;最后,定义Vague集的三支决策隶属函数并研究其相关性质.

Inferno模型解释

从柱面扩张的角度考虑证据与假设之间的依赖关系，给出Inferno模型中约束传播关系的解释，并证明约束传播公式所满足的条件是柱面扩张意义下的概率相容．

建筑工程方案的优化选择

本文应用未确知数学的理论与方法来对建筑设计方案进行评价。

On Normalization of Comprehensive Evaluation System with Complex Uncertain Information

This paper systematically proposes basic requirements on normalization of comprehensive evaluation system with complex uncertain information due to human participation. Four basic academic ideas are as follows: 1) It is necessary to normalize conditions of information acquisition. 2) The effectiveness of comprehensive evaluation depends on the correctness of information acquisition. 3) Any evaluation results can be transformed into linguistic satisfactory degrees. 4) Linguistic values can include a great deal of information. This paper mainly deals with how to select objects to be evaluated, evaluators (panelists) and the methods of information processing, how to construct criteria of evaluation, how to normalize terms of evaluation, the results of evaluation, and the procedure of evaluation.