D-S规则推广及其在飞机目标识别中的应用研究

在多传感器特征信息融合算法中,D-S理论得到了广泛应用,但该理论在处理多特征冲突问题时识别效果不十分理想。针对这种情况,本文推广了D-S规则,得出了一种处理冲突信息的新方法。在分析推广规则受融合顺序影响的基础上,提出了最佳融合顺序,较好地利用了冲突信息,并通过仿真比较了D-S规则和推广规则应用于飞机目标识别的效果。结果表明:本文提出的D-S理论推广规则能有效解决多特征冲突的飞机目标识别难题。

时序证据的加窗累积D-S组合推理方法

针对相关时序证据的D-S组合证据推理,分析了传统D-S组合规则的一直累积融合所产生的组合证据趋于平凡解的不合理原因,提出了一种时序证据加窗累积融合的D-S组合推理新方法,并根据组合证据判决置信度推导了窗口大小的自适应选取公式,数值实例分析说明了本方法的有效性。

地震预测的信度方法

概率论与数理统计一直是地震预测中处理不确定性的主要方法,但这一方法也有其局限性。为此我们引进了一种新的不确定性处理方法———证据理论的信度方法。此前,该方法在地震预测中的应用还未见报道。本文首先介绍了信任函数及其在地震预测中的应用方法,包括问题表达和信息综合两个方面,并提出了加权的D-S规则。然后简单讨论了联合信任函数的定义和计算公式,并通过与概率方法的比较,说明了这一方法在地震预测中的应用价值。研究结果表明,利用信度方法处理地震预测中的不确定性问题有其独特的优点。

一种基于推荐证据的有效抗攻击P2P网络信任模型

提出一种基于推荐证据的对等网络(Peer-to-Peer,P2P)信任模型RETM(Recommendation Evidence based Trust Model for P2P networks),解决了基于推荐的信任模型中普遍存在的在汇聚推荐信息时无法处理不确定性信息以及强行组合矛盾推荐信息引起的性能下降问题,同时,RETM采取推荐证据预处理措施,在合成之前有效过滤了无用的以及误导性的推荐信息,使得该模型具有一定的抗攻击性能.在推荐信息的查找问题上,RETM提出了基于反馈信息的概率查找算法,该算法在降低了网络带宽开销的情况下,提高了信息查询的准确率.实验证明RETM较已有的信任机制在系统成功交易率、模型的安全性等问题上有较大改进.