一种基于可传递置信模型的分布式决策方法

证据推理理论是研究在不确定情况下智能决策的有效方法之一。将证据推理引入到分布式决策系统,提出了一种基于可传递置信模型的分布式智能决策方法,从信息融合技术的角度构建了agent模型以及分布式决策系统的框架,并且分析了分布式决策系统的信息提取和合成算法以及决策制定算法。通过借鉴信息融合技术中证据推理的可传递置信模型和算法,使分布式决策的研究方法有进一步的发展。在仿真中采用机器人足球仿真比赛作为平台进行研究。

一种基于可传递置信模型的分布智能体决策融合方法

在分析与研究对抗性多机器人系统决策问题的基础上,提出了一种基于可传递置信模型的多智能体决策融合方法;构建了决策融合体系架构,分别设计了基于证据推理的观测智能体模型,基于TBM的决策智能体模型以及决策融合中心模型,给出了相应的算法。通过在机器人足球中的应用及仿真实验,体现了本方法在对抗性多机器人系统中决策制定的良好性能及效果。

基于可传递置信模型的模拟电路融合诊断方法研究

本文提出了一种有效的基于可转移置信模型的模拟电路故障融合诊断方法,解决模拟电路诊断中故障特征信息缺乏和决策融合中异质信息不相容等问题。该法首先采用所提出的电路温度故障信息的提取规则,将获得的温度故障信息输入隶属度函数进行故障预识别,再结合基于可测点电压神经网络故障预识别结果,利用可传递置信模型进行电路融合诊断。通过具体电路实验仿真,表明了该方法的有效性,提高了模拟电路融合诊断准确率。

从博弈论承诺可置信模型研究道德语言意义实现

黑尔认为道德语言也适用于形式逻辑并且包容着蕴含关系,并据此推出事实不蕴含价值的结论。黑尔在对道德语词应用的语境进行了研究,但认为这种语境只是一种"语句语境"对道德命题没什么影响。通过博弈论模型研究可以发现道德语言意义的实现与它在实践活动中的具体行为博弈情况密切相关。

基于双边网格和置信颜色模型的快速图像鲁棒分割方法

为了在提供少量用户交互的情况下快速、准确地处理复杂自然图像的前景提取任务,提出一种基于双边空间和置信颜色模型的快速图像鲁棒分割方法.首先使用分辨率明显低于输入图像的双边网格重采样输入图像,极大地减少待处理的图像数据量;其次基于双边网格顶点构建图并定义图切割能量项,根据高斯分布规律定义未知颜色和二义颜色的辨别准则,以构建鲁棒的颜色模型;最后采用标准的最大流/最小割算法进行全局优化求解,实现高质量的图像前景提取.实验结果表明,该方法不仅能够在1 s内提取出高分辨率图像满足实时性要求的、有意义目标物体,而且还实现了复杂场景下的图像鲁棒分割.

贫数据中基于模型自训练的空气处理设备故障诊断

针对空气处理设备(AHU)故障贫数据,基于深度置信网络(DBN)模型对4种特征选择算法进行对比研究,结果表明最大相关最小冗余算法的特征子集在诊断准确率及子集元素稳定性上表现最优。提出将DBN嵌入自训练框架的故障诊断模型,发现DBN自训练的诊断准确率较单纯DBN最高可提升19.5%。提出均匀抽样及按比例抽样2种自训练伪标签抽样策略,二者的诊断准确率均随抽样数减小而增大,在不同抽样数中的最大差异为3.42%;在所有贫数据样本中,均匀抽样策略始终优于按比例抽样,诊断准确率最大相差1.39%,表明在故障标签匮乏时,采用均匀抽样策略及较小的抽样数有利于提升DBN自训练的诊断性能。

社交网络中动态信任感知的观点演化模型

社交关系网络的复杂性和动态性为观点演化研究带来三大挑战:一是研究者在确定个体的观点交互集合时没有考虑个体的信任阈值,导致观点交互集合的准确性不足;二是现有研究通常忽略了非邻居节点之间的交互对社会群体观点演化的影响;三是现有研究通常基于个体间的观点距离来更新社交网络结构,没有考虑个体间的信任关系对网络结构的影响.为了应对上述挑战,提出一种社交网络中动态信任感知的观点演化模型(Dynamic Trust-Aware Opinion Evolution Model in Social Networks,DTAOE).具体地,首先基于信任传播规则构建出社交群体的信任矩阵;之后,基于引入的信任度阈值和信任矩阵,从邻居节点以及非邻居节点中确定当前个体的信任集合,进而基于信任集合中观点相似的个体更新当前个体的观点;最后,根据个体间的观点距离和信任关系,动态地调整社交网络的拓扑结构.上述演化步骤被重复执行直到群体的观点达到稳定状态.开展了大量的仿真实验,实验结果证明了DTAOE模型的有效性和合理性,并揭示了网络结构和信任关系对观点传播的影响机制.

基于CBAMs-BiLSTM模型的中国股市预测

卷积块注意力模块(CBAM)因其可以有效地提高深度学习模型的预测准确性从而在各种预测问题中显示了其优越性。然而,CBAM在股指预测问题中的有效性研究却十分有限。为了解决这个问题并提高股指的预测精度,本文提出了CBAMs-BiLSTM模型。它将多个CBAM与双向长短期记忆网络(BiLSTM)相结合。研究中,标准指标评价法(SME)和模型置信集检验(MCS)用于综合评价模型的优越性和稳健性。实验数据为具有代表性的中国股指数据集:上证综合指数和深证综合指数。数值结果表明,CBAMs-BiLSTM优于单独的BiLSTM。其中在MAE,RMSE和MAPE上分别平均降低了13.06%,13.39%和12.48%。这证实了CBAM可以有效地提高BiLSTM的预测精度。此外,通过与其他流行模型进行对比,并研究了改变数据集、预测方法和训练集的大小的影响。结果一致证实了CBAMs-BiLSTM在预测精度和投资回报方面的优越性和稳健性。

基于TBM模型的多Agent决策融合方法

多Agent系统存在的动态特性使证据推理中的可传递置信模型(TBM)能够有效地处理动态环境的证据推理。在分析和研究可传递置信模型算法的基础上,提出一种基于证据推理TBM模型的多Agent决策融合方法,构建多Agent决策融合系统的框架模型,分析该系统的信息更新、合成算法及决策制定算法。利用SimuroSot作为仿真平台,将该方法应用于判断对手的队形和策略,得到了较满意的结果。

基于深度置信网络的炼化空压机故障诊断方法

针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺,且传统浅层神经网络诊断精度不高等问题,结合深度置信网络(DBN)在特征提取和处理非线性数据等方面的优势,提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据,实现训练网络的无监督特征学习和有监督微调,构建空压机故障的深层网络模型,从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性,与传统的故障诊断方法进行了比较研究,结果表明,该方法的诊断精度优于传统的故障诊断方法,且稳定性更好。

基于面向对象模型库的多模型决策支持系统

针对面向对象模型管理方法中的两个问题,对DSS中的知识进行了重新划分,对知识的管理方法进行了阐述,同时引入模型置信度的概念,提出了多模型决策的实现方法。

复杂电子装备结构动力学模型修正技术研究

在产品实物制造出来之前,运用数字化设计仿真技术对其未来的各种性能进行全面评估、优化改进,是当下装备研发的主流模式。对于复杂结构,由于模型简化等原因,仿真模型与真实模型之间仍存在一定差异,模型置信度是衡量一个仿真模型是否可有效指导结构设计的重要因素。分析了复杂结构产品动力学模型的等效建模方法和影响模型置信度的因素,并结合电子装备结构特点提出了自底向上的逐级修正方法。最后,以某典型产品为例,按自底向上策略对仿真模型进行了修正,得到了满足工程精度要求的力学仿真模型,为后续类似产品的衍生设计仿真奠定了模型基础。

动态信任感知的偏好演化模型研究

有界置信模型(bounded confidence model,BCM)是舆论动力学中对偏好演化进行建模的重要模型,但其假设个体会完全接受与之交流个体的偏好以及所有的个体会诚实表达其偏好与实际情况不符,存在明显不足。针对该问题,提出了一种动态信任感知的偏好演化模型(dynamic trust-aware preferences evolution model,DTPEM)。首先,引入偏好接受度算子建模个体对交互对象偏好的接受度;其次,引入动态信任度算子度量个体偏好表达的诚实程度;然后建模偏好差距对信任度的影响。基于智能体模拟仿真实验与其他模型进行对比,结果表明,DTPEM在偏好演化的准确度上有了较大幅度的提升。

基于置信规则库推理的过程报警预测方法

为了更加有效的利用流程工业中的各种历史报警信息,对未来时刻的系统安全性进行评判,提出了一种基于置信规则库推理的过程报警时间序列预测方法,利用过程变量的历史报警数据建立置信规则库模型,采取粒子群算法进行模型参数学习。该预测模型可以对未来一段时间过程可能产生的报警状态变化趋势进行预测。通过数值实例仿真及实际工业过程报警数据对该模型进行验证,得到了较为满意的预测结果。

动态外观模型和高阶能量的双边视频目标分割方法

针对复杂场景下视频目标分割质量不佳和时间效率低下的问题,提出了一种动态外观模型和高阶能量的双边视频目标分割方法,将视频目标分割转换为基于双边网格单元的马尔可夫随机场(MRF)模型求解问题。首先将带关键帧标记的视频序列映射至高维的双边网格,极大地减少待处理的数据。然后以非空网格单元作为图的结点并构建图割优化模型,其关键在于定义了具有置信度判别的动态外观模型,并在能量函数中引入鲁棒的高阶能量项。最后利用最大流/最小割算法进行全局优化求解,为视频像素点分配二值标签,最终获得高质量的视频目标分割结果。采用DAVIS 2016和SegTrack v2数据的实验结果表明,该方法在提供少量用户交互的情况下,不仅能在处理具有复杂场景的视频时获得理想的视频目标分割结果,而且还能显著提高视频目标分割的时间效率。

基于改进组合深度学习模型的大坝位移预测研究

大坝位移可直接影响大坝的质量和运行安全,为找出大坝位移的合理预测模型,以时间卷积神经网络模型为基础(TCN),采用遗传算法对麻雀搜索算法(SSA)、灰狼算法(GWO)和蝙蝠算法(BA)三种仿生算法进行改进,得到MSSA、MGWO、MBA三种优化算法,并引入深度置信网络模型(DBN)构建了D-MSSA-TCN、D-MGWO-TCN、D-MBA-TCN三种组合赋权模型,以均方根误差、决定系数、平均绝对误差、效率系数和GPI指数为精度指标体系,结果表明在三种优化仿生算法中,MSSA算法的运行效率及精度最高,三种组合模型的精度显著高于其余模型,其中D-MSSA-TCN模型在所有模型中精度最高,可推荐用于估算坝体位移。

基于实体关系抽取的军事装备图谱构建

由于信息技术的不断进步,许多军事装备数据库结构松散,难以有效利用,导致效率低下、管理混乱等问题。针对上述问题,提出一种基于CRF和句法分析树的实体关系提取方法。通过海量数据训练,优化军事知识图谱构建方法,将单算法提取方法改进为三元数据提取方法,完成军事装备图谱构建。实验结果表明,该方法准确率可达72%,且加入置信模型后,准确率提高了12.6%,综合评价准确率可达78.11%。这一结果对军事装备领域知识图谱的构建具有重要的实用价值。

基于Hu相关滤波的光学卫星视频点目标跟踪

针对光学卫星视频运动目标跟踪问题进行研究,提出一种鲁棒的特征描述和匹配跟踪方法.引入相关滤波的思想,首先利用样本集的Hu不变矩和中值滤波,建立目标的跟踪模板并进行目标特征描述.然后,将目标跟踪的判断区域降维处理,建立判断区域的Hu置信模型.利用FFT推导了快速相关法,进而通过求得跟踪置信图最大值实现目标跟踪.针对跟踪轨迹采用卡尔曼滤波辅助和优化跟踪处理,提高算法的鲁棒性.试验数据采用SkySat和吉林一号拍摄的视频各两段,对5个点目标进行跟踪试验,跟踪精度优于90%,跟踪过程目标不丢失,且轨迹平滑.针对13×13的判断区域,与一般相关性方法相比,处理速度可提升约5倍.可为光学卫星视频点目标实现快速可靠跟踪提供技术基础.

分布式AP选择策略在室内定位中的应用

由于物体遮挡和无线接入点(AP)故障等因素,导致将所有AP节点作为特征输入的定位效果并不一定最优。传统AP选择方法通过比较整体区域的信号特征参数进行选择,并没有考虑不同子区域与AP节点之间的相关性。针对该问题,提出一种分布式AP选择算法,能够有效去除较大噪声和位置分辨能力弱的AP节点。通过将室内区域划分为若干个子区域,并计算子区域与AP节点的相关性,选取相关性优的AP节点作为该子区域的训练节点,最后通过深度置信网络模型进行定位模型训练。实验结果表明:在12 m×12 m的区域范围内,该算法平均定位误差为0.415 1 m,较BP算法、RADAR算法而言,平均定位误差分别降低了35.95%,46.78%,运行时间分别减少了22.8%,32.9%。

基于遗传算法的预测结合方法及其应用

金融资产的方差与协方差是资产配置、套期保值、风险管理等实务应用的关键参数,因此对多元波动率预测模型的研究具有重要意义。文章采用预测结合技术,根据设定的优化准则对多个多元波动率模型的预测加权结合作为协方差的预测,其中最优权重通过遗传算法确定并动态调整。以常用低频与高频多元波动率模型为待选模型,沪深300指数与股指期货为实证数据,在多种常用损失函数下的样本外预测性能比较指出,基于遗传算法的线性预测结合在指数变化平稳与震荡期间均可以获得统计上显著较高的预测精度,是较使用单个多元波动率模型更稳健的选择。