基于云模型的基本概率赋值生成方法及应用

针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题,该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数,并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后,用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明,该方法识别准确性高,且适用于样本较少的情况。

D-S证据理论中的基本概率赋值转换概率方法研究

D-S证据理论的基本概率赋值(BPA)能够有效地表示和处理不确定信息,在不确定信息处理中得到了越来越多的应用。但是如何基于BPA做出决策依然是一个有待解决的问题,将BPA转化为概率函数进行决策是一个简单可行的方法。文章基于证据理论中命题的信度函数和似真函数提供的信息,提出了一种新的基本概率赋值转换概率方法,该方法相比于现有经典TBM模型中Pignistic概率转换和基于似真函数的转换,可以更有效地利用系统已知的信息,实现基本概率赋值到概率分布的合理转换。算例表明了所提出方法的有效性。

基于广义三角模糊数的基本概率赋值构造方法

Dempster组合规则的有效运用取决于相应基本概率赋值的合理建立,但是如何生成各个证据的基本概率赋值仍然是一个有待解决的问题。基于广义三角模糊数表示模型,提出了一种基本概率赋值生成方法。该方法利用样本数据的最小值、平均值和最大值构造单元素命题的三角模糊数表示模型,多子集命题的广义三角模糊数用单元素命题的三角形的交叠部分来表示。通过广义三角模糊数的隶属度来构造基本概率赋值。数值算例结果表明,提出的基本概率赋值获取方法是实用有效的。

雷达目标识别中获取基本概率赋值的方法

由于传感器的精度、系统组成的许多环节、外部环境影响以及数据的后处理等因素的影响,雷达目标识别中存在大量的不确定性。在这种情况下,利用精确的方法处理不确定性信息,必然造成识别误差的提高。证据理论是近年发展起来的一种新型推理技术,由于它能够处理由不知道引起的不确定性,因此被广泛地应用于目标识别中。然而,在利用证据理论时,基本概率赋值的构建是证据理论实际应用中面临的最大难题。针对雷达目标识别具体问题,在系统分析证据理论的基础上,提出构建基本概率赋值的方法,并通过仿真实验验证了方法的可行性。

一种基本概率赋值转换为概率的最优化方法

将基本概率赋值转换为概率在不确定性决策中有重要作用,本文提出了一种基于证据关联系数的最优化转换方法.主要思想是:转换后所得到的概率分布可以视为一个特殊的基本概率赋值函数,从命题的上下概率之间寻优使得被转换的基本概率赋值与转换所得概率之间的证据关联系数最大.将提出的最优化转换方法与常用的Pig-nistic概率转换方法通过算例进行比较,表明了所提出方法的有效性.

基于区间信息的基本概率赋值转换概率方法及应用

D-S证据理论的基本概率赋值(BPA)能够有效地表示和处理不确定信息,在不确定信息处理中得到了越来越多的应用。基于BPA决策是一个有待解决的问题,将BPA转化为概率函数进行决策是一个简单可行的方法。文章首先定义了BPA到概率的转换定义,提出了BPA转换概率的基本准则,基于证据理论中命题的信度函数和似真函数构成的区间信息提出了一个区间概率转换(Intervalprobability transformation,IPT)方法,建立了基于IPT的信度函数决策模型。应用一个导弹防御决策的例子表明了所提出方法的有效性。

基于命题逻辑概率赋值的近似推理模式

将命题逻辑的赋值域由二值{0,1}推广到给定的概率空间,引进命题公式的概率赋值,概率赋值是经典命题逻辑赋值及各种真度概念的推广.利用概率赋值引入命题公式的概率真度、不可靠度、基于独立事件赋值集的概率真度等概念,通过讨论概率真度的性质,表明概率真度在全体命题公式集F(S)上满足Kolmogorov公理.证明全部命题公式基于独立事件赋值集的真度之集在[0,1]中无孤立点,以及在命题逻辑形式推演中,一个有效推理结论的不可靠度不超过各前提的不可靠度与其必要度的乘积之和等结论.在概率赋值的基础上,引进命题公式集的a.e.结论、依概率结论、依概率真度结论等概念,讨论这些概念之间的联系,并提出两个不同类型的近似推理模式.

基于信息守恒的基本概率赋值概率转换方法

针对现有基本概率赋值概率转换方法普遍存在缺少客观标准,主观介入程度过强的问题,该文提出了一种线性加权概率转换方法。该方法首先选择归一化先验信息作为权重,消除了概率转换时主观因素的影响,然后根据概率转换前后先验信息守恒的原理构造方程,最后给出了转换概率的迭代求解方法。实验算例表明,该文方法求解速度快,转换概率合理有效,且与对事件的认知程度相一致。

基于属性权重与方差的新的基本概率赋值方法

D-S证据理论在应用中,如何生成一个合理的基本概率赋值函数,仍然是一个亟需解决的问题。研究提出了一种基于属性权重与方差的基本概率赋值函数生成方法,该方法通过计算样本数据方差与实验数据方差之间的相似度,结合属性权重确立出每个实验数据的基本概率赋值。算例分析表明,新方法能准确的对实验数据建立基本概率赋值函数,验证了新方法的准确性与有效性。

基于D-S证据理论的基本概率赋值的获取

在基于证据理论的目标识别融合中,基本概率赋值的获取是一个与应用密切相关的课题,也是实际应用中最难的一步。本文讨论了几种用经验获取基本概率赋值的方法。

确定基本概率赋值的一种新方法

本文提出了确定证据理论中基本概率赋值的一种新方法．这种方法仅要求专家给出少量的信念函数数值做为约束，利用最小确定原则提供的目标函数，无偏地解出基本概率赋值的数值．该方法在一定程度上避免了在建立知识库时要由专家予先给出过多的基本概率赋值的数值的困难．因而显得有很强的吸引力和应用前景．

基于模糊概率赋值的新型贝叶斯异常检测模型

提出了一种结合模糊决策与贝叶斯方法的异常检测模型,该模型将系统中与安全相关的事件进行分类,并以模糊隶属度函数的形式给出各类事件发生异常的实时置信度。异常检测系统综合某时刻所有实时概率取值,做出贝叶斯决策。同简单使用阈值方法的贝叶斯入侵检测模型相比,采用了模糊概率赋值的贝叶斯异常检测模型,在提高对问题描述的精确性同时,由于它对多种类型安全相关事件提供支持而具有更好的适应性,可以更全面地对更复杂的系统行为进行建模。

概率算子“可能”的核心情态语义及其概率赋值手段

“可能”是一个概率模态算子,其核心情态语义特征为[+概率可能]。按照概率模态“概率值的连续标度法”,“可能”的赋值范围为“0<X<1”(X=可能,0=否定,1=肯定);在互动交际中,说话人可以通过添加程度限定词和其他情态表达形式的手段来对“可能”所表达的“概率可能”进行限定。

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.

一种新的基本概率函数构建方法及应用

针对Dempster-Shafer(D-S)证据推理中基本概率赋值函数的构造问题,基于模糊聚类分析给出了一种新的构建方法。将它应用到雷达目标识别的仿真实验中,并与灰关联法相比较,结果表明该方法切实可行,不仅提高了基本概率赋值的准确性和稳定性,而且利用了数据的结构信息,有效缓解了证据的冲突。

一种基于确定度的决策概率转换方法

针对现有将基本概率赋值转换为决策概率方法的不足,提出一种基于确定度的决策概率转换方法。该方法根据基本概率赋值的特点,将单子集命题的基本概率赋值之和作为系统对命题的确定度,并用其对比例信度转换方法和比例似真度转换方法进行线性组合,得出命题的决策概率。通过算例对比新方法与已有方法,结果表明新方法更加合理有效。

一种有效的证据理论合成公式

D-S证据理论是一种有用的不确定性推理方法 ,由于证据合成公式存在不足 ,影响了证据理论的应用。本文提出了一种有效的合成公式 ,即把支持证据冲突的概率按各个命题的平均支持程度加权进行分配。新的合成公式提高了合成结果的可靠性与合理性 ,即使对于高度冲突的证据 ,也能够取得理想的合成结果。

基于D-S证据理论的煤粉细度融合诊断

针对电厂煤粉细度在线测量难的问题,提出利用数据融合技术识别煤粉过细、煤粉正常、煤粉过粗。在分析与煤粉细度相关的多个运行状态参量基础上,根据历史运行数据,确定煤粉细度的典型样本,然后对各状态参量应用D-S融合规则得到结果。而对于D-S证据理论应用中基本概率赋值难以确定问题,应用正态分布曲线构造相似度函数,继而得到基本概率赋值,减少了方法的主观性。根据运行数据验证,该方法能够有效诊断煤粉细度,且具有较好的鲁棒性,具有工程实用价值。

一种基于能量函数的证据合成算法

传统证据合成的计算量会随着证据个数急剧增加,限制了DS证据理论的广泛应用。从减少参与证据合成的焦元数量出发,提出了一种改进的DS证据理论的实用算法,以解决DS证据理论的实用化问题。该算法以焦元的能量函数、证据的平均能量函数作为选择抛弃焦元和剩余焦元的标准,同时将抛弃焦元的基本概率赋值重新分配给与之具有嵌套关系或相交关系的剩余焦元。该算法保留了抛弃焦元在证据合成过程中的生存权利,充分考虑了计算量和准确性。通过实例比较了该算法与其他几种近似算法的性能,验证了所提出算法的有效性和合理性。

基于区间数和证据理论的雷达辐射源参数识别

针对雷达辐射源参数的不确定性,研究区间类型的雷达辐射源参数识别,构造区间参数的雷达辐射源数据库。首先,利用区间数距离形成区间相似度并基于此构造一种切合实际的基本概率赋值(basic probability assignment,BPA)。再将其与证据理论结合形成辐射源识别的信度区间,利用证据组合规则对信度区间进行区间重组。最后进行自适应判决识别,得到识别结果。仿真结果表明,区间证据理论方法能够较好的处理区间类型以及区间值和标量值混合类型的辐射源参数,得到满意的识别结果,具有一定实际意义。