基于D-S证据理论的地震应急救援群决策

为解决地震应急救援群决策中专家偏好冲突问题,提出一种基于登普斯特-沙弗尔(DS)证据理论的专家偏好型应急救援群决策方法。首先,考虑方案执行时间和方案资源的客观属性以及专家的主观偏好,在传统地震救援群决策过程基础上,设计改进的专家偏好型群决策过程;然后,借鉴应急协商模型,设计考虑方案执行时间和资源的偏好函数,基于三角模糊数定义专家主观偏好程度,并运用D-S证据理论综合专家偏好度作方案选择;最后,以2017年九寨沟地震为试验算例,开展方法对比性试验和偏好敏感性试验。结果表明:与仅考虑方案执行时间和资源或基于三角模糊偏好相比,考虑方案执行时间和资源偏好的决策方案更能满足实际地震应急救援需求,且专家的平衡性偏好更有利于地震应急救援方案的正确选择。

基于DS证据融合生成伪标签的SAR图像变化检测

合成孔径雷达(Synthetic Aperture Radar,SAR)图像变化检测是一种检测两张SAR图像中变化区域的技术。在基于神经网络的无监督变化检测方法中,伪标签的质量影响到了检测结果的精度。为了提高精度,提出一种基于登普斯特-沙弗(Dempster-Shafer,DS)证据融合理论生成伪标签的方法,再结合多层次模糊C类均值聚类和卷积小波神经网络实现变化检测。该方法通过对三种不同差异图聚类生成的伪标签进行DS证据融合得到融合伪标签,使训练样本更加准确,然后利用网络对像素进行分类,得到变化检测结果。经过实验,该方法在渥太华、越南红河和黄河数据集上的检测精度分别达到了98.48%、97.95%和96.18%。

粗证据理论和遗传算法下优化无线传感器网络节点分布

在有限的资源范围内和不确定的动态环境下，为保证分布式传感器网络有效信息的获得，进行无线传感器网络节点分布的优化显得非常重要。考虑到贝叶斯在非先验知识估计上具有不确定性，本文特从登普斯特证据理论和遗传算法角度提出了一种新的框架一GDT（GDT--Genetic Algorithm and Dempster Evidence Theory），该方法可有效地进行节点分布优化，从而缩减了网络的能耗，延长了网络的生命周期，增强了无线传感器网络的自适应能力。

基于最优支持度的证据融合表情识别方法

为了实现多区域表情特征的决策级融合,提出一种基于最优支持度的表情证据融合方法。首先,将眉毛、眼睛、嘴巴3个显著区域的纹理特征作为表情分类证据,并采用指数函数构建各证据的初始基本概率分配;然后,在有监督学习下构建证据支持度的优化式,同时将权重求解转化为同类样本支持度的最大化和异类样本支持度的最小化,并对初始基本概率分配进行修正;最后,基于登普斯特-谢弗(Dempster-Shafer,D-S)证据理论实现三区域证据的决策融合。该算法在CohnKanade库上进行实验,取得了94.2%的平均识别率以及752 ms的平均识别时间。与现有的决策融合和分类方法相比,特别提高了害怕、伤心、厌恶等不易分类表情的识别率。所提方法不仅具有较高分类识别率,而且对各表情分类保持较好鲁棒性。

来袭鱼雷类型识别指标提取与算法设计

针对水面舰艇在鱼雷防御行动中难以准确识别来袭鱼雷类型的问题,该文从战技特征层信息入手,提炼出14个与鱼雷类型识别密切相关的证据指标;根据获取性难易程度将指标进行分类。针对登普斯特-谢弗证据理论的不足,引入了一种改进的融合算法,提出了对证据进行确定性信息预处理的方式,建立了完整的信息融合算法流程。仿真结果表明,通过提取证据指标和改进融合算法,该文算法对鱼雷类型的识别精度比传统方法大大提高,从而为水面舰艇采取有针对性的鱼雷防御措施提供了重要保障。

基于互补判断矩阵的DS/AHP方法

为克服传统DS/AHP方法中因度量标度选择问题和知识矩阵求解问题而带来的推断信息精确性差和集成结果有效性有待商榷的缺陷,结合传统方法的建模思路分析指出其中存在的问题,通过引入互补判断矩阵提取决策者对方案组与识别框架之间的相对偏好推断,在此基础上提出由残缺互补知识矩阵向BPA函数转换的定理,并结合证据折扣思想和证据组合规则构建了开展推理判断的改进方法步骤,应用一个算例说明了提出方法的具体操作过程。