基于广义梯形模糊数的基本概率指派方法

证据理论在解决不确定性问题时有着独特的优势,但是如何构造合理的BPA是制约其应用推广的首要问题。基于广义梯形模糊数的表示模型,提出了一种基本概率指派方法。首先,利用已知数据的最值与三等分均值来构造单元素命题的梯形模糊数表示模型;然后用单元素命题的梯形模糊数的叠合部分来表示多子集命题的广义梯形模糊数;最后,根据此模型计算出的隶属度进行基本概率指派。实验结果表明,所提方法简洁有效,并且能够很好解决焦元增加问题。

一种基本概率指派的模糊生成及其在数据融合中的应用

DS证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得DS证据理论在多传感器融合系统中应用非常广泛。但是各个证据的基本概率指派如何生成仍然是一个有待解决的问题。本文基于模糊匹配,提出了一种基本概率指派生成方法,并应用到多传感器目标识别中。用一个多传感器目标识别的实验表明:所提出的方法可以合理地生成基本概率指派,能够准确的识别目标。

广义证据理论中的基本概率指派生成方法

鉴于基本概率指派生成对证据理论的研究具有重要的意义,文中针对辨识框架不完整情况提出了一种强约束广义基本概率指派赋值方法,新方法可以生成空集不为零的广义基本概率指派赋值,该数值的大小反映了系统是开放世界的可能性.针对辨识框架完整情况提出了一种弱约束基本概率指派赋值方法,该方法在样本与表示模型之间不相交时,也可以给出样本与模型相似性度量的数值,根据所提出的策略生成弱约束的基本概率指派.算例表明了所提出方法的有效性.

基于正态云模型的基本概率指派生成方法及应用

基本概率指派(Basic probability assignment,BPA)生成是应用D-S证据理论的关键环节和第一步,而如何生成BPA仍然是一个有待解决的问题。本文提出一种基于云模型的BPA生成方法,首先,采用逆向云发生器生成每类样本在某属性下的正态云模型。其次,利用前件云发生器得到待测样本在该属性下对每类样本的确定度期望。再次,给出一种正态云模型交叠度计算方法,用确定度最大类的正态云模型与其他种类的最大交叠度作为对全集的信任度。最后,对确定度进行归一化得到待测样本的BPA。实验结果验证了该方法的有效性,此外,在样本数据较少情况下也能有效生成BPA。

基于核密度估计的基本概率指派生成方法

D-S合成方法作用的对象是基本概率指派(basic probability assign,BPA),如何生成BPA是D-S理论应用中重要且有待解决的首要步骤。针对生成BPA提出一种基于核密度估计(kernel density estimation,KDE)的BPA生成方法:训练数据用于构建基于最优化窗宽的核密度估计的数据属性模型;然后利用训练数据的核密度模型计算测试数据的密度—距离—分布值Tri-D(density-distance-distribution),通过嵌套式的方法分配Tri-D值获取测试数据对应的BPA;最后D-S合成BPA得到最终判断,通过分类准确率来判断BPA生成方法的有效性。实验通过在UCI数据集上与其他方法的分类准确率对比验证了提出方法的有效性。

基于云模型相似度的基本概率指派生成方法

如何生成基本概率指派是证据推理的核心环节。文章提出一种基于云模型相似度的基本概率指派生成方法。首先,根据评语云模型,将专家评价的定性语言转化为相对应的云模型;然后,利用综合云将每一个指标下的各个专家评语对应的云模型合成,得出各指标的云模型;最后,计算各指标云模型与各评价等级的云模型相似度,并对相似度进行归一化处理,得到该指标的基本概率指派。实例分析表明,该方法在解决多属性专家评估决策问题中具有可行性与有效性。

基本概率指派生成方法在高铁设备故障诊断中的应用研究

以高铁设备故障诊断为研究背景,提出一种基于样本证据距离和可信度函数的基本概率指派(BPA函数)的生成方法。根据所提出的概率赋值和传感器可信度生成方法,生成初始BPA。为了消除干扰影响,同时考虑证据冲突问题,引入冲突消解的方法,对初始BPA经过冲突阈值判别并进行相应的冲突消解。高速列车转向架故障诊断试验表明,所提出BPA生成的方法简单有效,能够处理冲突较大的数据。

大样本条件下证据基本概率指派函数生成方法研究

基于大样本条件下模糊C-均值聚类分析方法,依据测试数据与聚类中心之间的欧氏距离提出了一种新的基本概率指派生成方法,并应用到入侵检测中。通过KDD CUP99数据集测试表明:所提出的方法可以有效地生成证据基本概率指派函数,利用DST能够准确地识别出检测周期内网络连接行为。

广义证据理论的基本框架

针对经典证据理论不能有效处理辨识框架不完整情况下的信息融合问题,提出了一种广义证据理论.新理论定义了广义基本概率指派函数,对空集的广义基本概率指派大小表明了支持辨识框架不完整命题的程度,提出了能够融合广义基本概率指派的广义组合规则,该组合规则是一个与空集基本概率指派相关的函数,同时满足交换律和结合律.广义证据理论是经典证据理论的推广,当空集赋值为零时,广义证据理论退化为经典的证据理论.用算例表明了所提出的广义证据理论的有效性.

基于联系云和改进冲突证据融合算法的泥石流易发性评价

泥石流作为一种常见的地质灾害,其形成机制复杂,影响指标众多且呈现多重不确定性,为综合考虑多种影响因素协同作用,基于信息融合和不确定性分析理论,提出一种基于证据理论和云模型的泥石流易发评价方法。首先,应用联系云模型(CCM)计算泥石流易发性关键评价指标的基本概率分配函数(BPA);然后,引入兰氏距离和邓氏熵,分别修正指标BPA的可信度和不确定度,得到修正后的BPA;最后,基于D-S证据理论对修正BPA进行证据融合,实现泥石流易发性评价,并进行实例验证。结果表明:所采用的CCM能够克服正态云模型计算BPA时要求指标为正态分布的缺陷,并考虑的指标分布的随机性和不确定性;提出的方法与其他4种常用的证据融合方法评价结果基本吻合,用于泥石流易发性评价有效可行;基于兰氏距离和邓氏熵改进的冲突证据融合算法可提高证据融合的收敛速度和精度,并且结果更准确可靠。

基于样本差异度的基本概率指派生成方法

提出一种基于样本差异度的基本概率指派(BPA)生成方法.建立三角模糊数模型,根据所提出的差异度函数计算模型和待测样本的差异度,生成初始BPA.为了消除干扰影响,对初始BPA进行冲突阈值判别并进行相应的冲突消解,使得传感器在受到干扰等情况下也可输出合理的BPA.鸢尾花分类实验表明,所提出的方法简单实用,具有较强的干扰消除能力.

多信息融合的城市燃气管道泄漏诊断技术研究

为提高城市燃气管道泄漏检测能力,预防燃气泄漏事故,将信息融合技术应用于管道泄漏检测领域,并提出一种基于D-S证据理论与支持向量机(SVM)的多传感器信息融合诊断技术。在实验室条件下,采集管道不同位置和不同周期的声发射传感器信号,提取特征参数,构建SVM分类器,该分类器的输出结果经处理后作为基本概率指派(BPA)。然后,利用多层D-S理论,依次融合不同空域与时域传感器信息。最后,根据分类判决门限得出最终诊断结果。研究表明:多传感器信息融合使诊断不确定度明显下降,所属信度值显著提高,最终决策结果与实际一致;与单传感器诊断相比,多传感器信息融合后诊断技术具有更高的准确率和更好的稳定性。

基于粗集理论的知识系统证据推理研究

证据推理是处理不确定问题的重要方法 ,但实用中存在许多问题 ,如假设集的基本概率指派 (bpa)往往由专家事先确定 ,带有较强的主观性 .基于证据推理和粗集理论的基本关系 ,利用粗集约简、决策表确定基本概率指派等方法解决上述问题 .并在此基础上 ,提出了一种决策表的证据推理方法 ,用于决策表的预测 .实例表明 。

基于不确定度的基本概率赋值概率转换方法

基本概率赋值概率转换是合成证据用于辅助决策的主要方法之一.针对现有转换方法中存在的缺少合理转换依据,灵活性和客观性不能兼顾的问题,提出一种基于不确定度加权的概率转换方法.该方法将概率转换视为一种决策过程,选择原BPA与最特异BPA间的Jousselme距离作为不确定性量度,通过"假设-校验"的方法联合求解最特异BPA与转换概率.实验算例表明,所提出方法的处理过程与人们的决策过程一致,概率转换结果合理有效.

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。

加权距离的D-S证据理论在岩体评价中的应用

为降低岩体各评价指标间的冲突性和评价过程中的模糊性与不确定性对评价结果的精度和信度带来的不利影响,构建基于D-S证据理论的岩体质量综合评价模型。首先,依据岩体质量影响指标和分级标准,运用欧氏距离法衡量各指标与各质量等级之间的关联程度,进而确定岩体质量基本概率分配函数(BPA)。然后,根据指标间距离以及指标间的相似度与支持程度确定指标权重,并修正BPA。最后,对修正的证据运用D-S组合规则,得出质量等级。将该方法应用到某工程实例中,并在评价过程中与可拓法进行比较,以验证其优缺点。实例研究表明,用该方法得到的评价结果与工程实际相吻合,与可拓法相比,该方法在评价精度和定量反映指标间的一致性程度上有明显优势。

结合贝叶斯近似变换的冲突证据合成方法

为了解决D-S证据理论在处理冲突证据合成问题中存在的不足,改进了证据合成规则,提出了用该规则和贝叶斯近似变换相结合的证据合成方法。首先分析了封闭世界和开放世界假定中识别框架上认知集合间的转换关系,然后根据证据理论和贝叶斯近似变换的基本知识分析冲突产生的影响,最后根据原证据焦元交集和并集的基数关系改进了合成规则,并进行了实例验证。改进的合成规则能更好的保留原来的信息,而且通过与贝叶斯近似变换的结合减少了焦元的数量,结果表明该方法是一种准确有效的冲突证据合成方法。

改进D-S证据理论在变电站人体跌倒检测的应用

为了提高变电站人体跌倒检测准确率,提出了一种基于改进D-S证据理论的人体跌倒检测算法。利用垂直外接矩形和最小面积外接矩形对检测到的人体目标进行描述,分析目标区域的矩形宽高比、人体质心高度比和人体躯干倾斜角的人体目标特征变化。针对复杂人体姿态情况下存在的目标特征冲突问题,提出采用D-S证据理论对特征信息进行融合。通过自定义的广义三角模糊函数构造3种人体特征的基本概率指派函数,生成3种人体目标特征基本概率指派(basic probability assignment,BPA)。基于Murphy算法,提出一种双重加权平均证据源的改进算法,既可以融合各个独立证据的一致信息,也可以融合冲突信息。实验结果证明,该人体跌倒检测算法具有较高的跌倒识别准确率,可以合理的生成基本概率指派,有效地融合冲突证据,能够满足变电站人员安全监控的需要。

基于BP神经网络和D-S证据理论的滚动轴承故障诊断方法研究

针对单一传感器对滚动轴承故障信息的识别具有不确定性的缺陷,提出了基于BP神经网络与D-S证据理论的多传感器信息融合的方法。将BP神经网络的输出结果进行归一化处理作为各焦元的基本概率分配,轴承的5种故障类型作为系统的识别框架,根据Dempster合成法则进行决策级融合。试验结果表明,利用该方法对轴承的内圈磨损、外圈磨损、滚珠磨损等故障进行试验诊断,提高了故障诊断的准确率,验证了该方法的可行性。

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。