DETERMINGING BPA UNDER UNCERTAINTY ENVIRONMENTS AND ITS APPLICATION IN DATA FUSION

Dempster-Shafer (DS) theory of evidence has been widely used in many data fusion ap- plication systems. However, how to determine basic probability assignment, which is the main and the first step in evidence theory, is still an open issue. In this paper, a new method to obtain Basic Probability Assignment (BPA) is proposed based on the similarity measure between generalized fuzzy numbers. In the proposed method, species model can be constructed by determination of the min, average and max value to construct a fuzzy number. Then, a new Radius Of Gravity (ROG) method to determine the similarity measure between generalized fuzzy numbers is used to calculate the BPA functions of each instance. Finally, the efficiency of the proposed method is illustrated by the classi- fication of Iris data.

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。

基于改良三比值法的变压器故障基本信度分配计算方法

为了解决三比值法诊断结果不能直接应用于故障基本信度分配函数的构造问题,提出一种基于空间插值的变压器故障基本信度分配计算方法。根据有限元法基本原理,在分析了三比值法定义的故障特征空间基础上,按照各故障特征区域在空间几何上的分布特征对整个空间进行离散化,最后利用空间插值得到整个空间连续的故障基本信度分配函数。所述方法能够满足基本信度分配函数的要求,且计算结果定量地反映了各种故障发生的可能性。通过实例计算,验证了该方法的正确性和工程实际应用的可行性。

考虑风电不确定性的概率区间潮流模型与算法

该文基于证据理论构造了风电场的随机出力和不确定节点负荷的基本可信度分配,提出了一种电力系统概率区间潮流(probabilistic interval power flow,PIPF)模型和算法。通过构建输入不确定量的多维联合可信度分配,将概率区间潮流问题转化为若干个区间潮流问题。并采用区间优化法求解区间潮流,获得潮流状态量的区间极值,最终合成了潮流变量的似然累积概率分布和信任累积概率分布。IEEE 30、118标准系统的计算结果表明,所提的概率区间潮流把概率潮流和区间潮流统一于一个模型,获得潮流变量的似然和信任累积概率分布,可用以判断变量取值的最大和最小概率,对电力系统运行有良好的指导意义。

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。

基于粗糙集和D-S证据理论的系统安全评估

针对传统安全管理系统不能及时反映整个系统安全状态的问题,提出基于粗糙集和D-S证据理论的系统安全评估方法。利用粗糙集理论的属性约简和属性值约简对评估指标进行优化,获得最简规则。根据决策表中的属性重要性确定证据在粗糙D-S理论合成公式中的权值,以决策表为依据获取基本概率分配,建立系统安全评估模型。实验结果表明,该方法能优化评估指标,获取最简规则,提高安全评估的可靠性。

基于粗糙集和证据推理的网络入侵检测模型

证据推理依赖于专家知识提供证据,要求各证据体相互独立,因此难以应用于实际。针对上述问题,提出基于粗糙集理论的证据获取和基本概率赋值客观确定方法,利用粗糙集中的属性约简算法剔除冗余属性,形成最简属性集,以提高证据合成效率,缩短证据合成时间,减少证据合成的冲突现象。在此基础上建立一个基于粗糙集和证据推理的网络入侵检测模型,通过算例验证该模型检测精度较高、误检率较低。

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。

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。

基于两级证据合成的海上辐射源目标识别方法

在通用的D-S证据理论目标识别模型基础上,以海上电子侦察行动为背景,提出了一种基于两级证据合成的辐射源目标识别方法。在辐射源信号数据库和综合情报数据库的支持下,该方法分别采用灰关联法和综合分析法对辐射源信号和装备平台进行概率赋值,通过证据合成公式计算得到识别结果,实现从信号到设备、从设备到平台的两级识别目的。研究表明,该方法简单易行,有利于提高识别结果的准确性。

基于指数函数的证据冲突衡量方法

证据间冲突程度的有效衡量是解决高冲突证据融合问题的有效途径之一。针对冲突系数无法有效衡量证据间的冲突程度问题,在分析现有冲突衡量方法基础上,提出了一种基于指数函数的证据冲突衡量方法。首先,根据证据间基本概率赋值(BPA)关系将证据分为一致证据和非一致证据2类;然后,根据证据分类结果,综合利用差异性信息和指数函数分别构造冲突衡量系数;最后,用多种冲突衡量方法进行算例分析对比,试验结果表明本文方法可有效衡量证据间冲突程度。

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。

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。

基于多传感器信息融合的轮履混合移动机器人路况识别方法

针对未知环境下轮履混合移动机器人的路况识别问题,提出一种将支持向量机(SVM)与Dempster-Shafer(D-S)证据理论相结合的多传感器信息融合路况识别方法.设计了一个基于超声波传感器和红外传感器的数据采集系统,以提取路况的信息特征;以Platt后验概率为基础,建立了多类SVM的后验概率模型,并构造D-S证据理论所需基本概率分配(BPA)函数;同时,将SVM与D-S相结合的信息融合识别方法应用于轮履混合移动机器人的3种典型路况识别实验.结果表明,所提出的方法能够满足轮履混合移动机器人识别平坦路面、斜坡和台阶等路况的要求.

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。

基于云模型与证据理论的通信电子防御效能评估

针对通信电子防御效能评估过程中指标的不确定性描述问题,提出一种基于云模型和证据理论的信息融合评估方法。设计评语等级云发生器,根据云隶属度构造基本信度分配函数。基于证据距离修正的证据融合规则对不同指标的基本信度分配信息进行融合,并将融合后的基本信度分配与评语量化值进行线性加权,得到最终评估结果。以跳频通信装备为例进行通信电子防御效能评估,结果表明,该方法能有效降低专家评价的主观性,使评估结果更准确客观。

基于灰色关联证据的多源故障信息融合方法及其应用

针对大型设备故障诊断中特征量表现出来的不确定性和非精确性,提出了一种基于灰色关联理论来获取基本概率测度(BPA)的方法。该方法确定各故障特征量的参考样本,然后根据灰色相关性理论求得待诊断样本的相关系数,所取得的相关系数进行归一化处理即得到BPA值,经过Dempster多源组合规则进行多证据融合,得到最后的诊断结果。将所提方法用于电机转子故障诊断,实验结果表明该方法有效。

降低相似度碰撞的证据融合方法

针对相似度碰撞引发证据融合结果错误的问题,提出一种新的证据融合方法。首先,提取证据的焦元序列特征并将其转化为排序矩阵以弥补证据相似度易碰撞的不足;其次,联合证据的排序矩阵和信息熵完成对证据权重的确定;最后,生成归一化证据(MAE)并使用Dempster融合公式将MAE融合n-1次获得最终的结果。基于在线的鸢尾花数据集对证据平均融合方法、余弦相似度证据融合方法、证据距离融合方法和证据信誉度融合方法进行了花类型识别准确性的F-Score对比,上述四种方法的F-Score分别为0. 84、0. 88、0. 88和0. 88,而所提方法的F-Score为0. 91。实验结果表明,所提方法的决策准确率更高,融合结果更加可靠,能为证据决策提供了有效的解决方案。