基于改进DS证据理论和贝叶斯网络的海运供应链风险评估

作为一个复杂的网络组织,海运供应链为全球产业链提供运输服务,在全球化大背景下,海运供应链面临众多风险与挑战,影响供应链的安全平稳运行。因此,研究其风险至关重要。针对海运供应链风险评估体系中影响因素的不确定性和专家知识推断中存在的主观性,文章提出了基于改进DS证据理论和贝叶斯网络的海运供应链风险评估模型。结果表明,海运供应链处于较高风险等级状态,其中“信息系统风险”和“外部环境风险”概率较高,需要重点关注。该模型可以从系统的角度评估海运供应链风险,切实增强风险评估工作的科学性、准确性;评估结果可为供应链上的参与者进行风险管理提供有效参考。

基于DS证据理论与综合赋权改进可拓法的黄土区重载铁路高填方路基服役性能评价

为有效评价黄土区重载铁路高填方路基的变形与稳定状态,在重载铁路高填方路基服役性能初选评价指标库基础上,通过基于证据可信度的DS证据理论融合指标的重要度、独立度与区分度3项特征值,构建重载铁路高填方路基服役性能优选指标体系;基于综合赋权改进可拓评价法,建立针对重载铁路高填方路基服役性能的多层次综合评价模型,并利用该模型对大准及巴准铁路两段高填方路基服役性能进行评价。研究结果表明,上述两段高填方路基服役性能等级评价结果依次为差与良,并均通过了有效性检验;本文研究所提方法较云模型更能准确评价高填方路基服役性能,且比《铁路路基大维修规则》更能全面客观地反映高填方路基服役性能所处状态。研究结果可为黄土区重载铁路高填方路基服役性能状态评价提供参考。

基于盲源分离与改进BP-DS证据理论的生猪声音多特征融合识别

为了提高多种声音混合环境下生猪惊骇声、咳嗽声与饥饿声的识别正确率,试验采用基于盲源分离与改进BP-DS证据理论的生猪声音多特征融合识别方法对生猪混合声音识别进行研究。首先,对多个拾音器采集到的混合声音进行能量检测,排除安静环境及微弱环境噪声下声音的干扰,然后利用基于快速独立成分分析(fast independent component analysis,FastICA)的盲源分离方法对采集到的混合声音进行分离;其次,提取分离后声音信号的梅尔倒谱系数及其一阶差分、线性预测倒谱系数及其一阶差分、梅尔倒谱系数与线性预测倒谱系数的组合参数,训练3种特征参数对应的BP神经网络模型;最后,分别利用训练好的BP神经网络模型对生猪声音进行识别,通过改进DS证据理论对识别结果进行融合后输出。结果表明:研究提出的盲源分离方法分离出的生猪声音信号与生猪声音源信号的相似系数均在0.99以上,可以有效地分离生猪混合声音信号;经过多特征融合后正常环境下的识别正确率达到94.22%,较单特征的正确率有一定的提高。说明基于盲源分离与改进BP-DS证据理论的生猪声音多特征融合识别方法可以更高效地识别多种声音混合环境下的生猪声音。

基于DS证据理论的配电变压器运行状态评估方法

针对现有评估方法对配电变压器运行状态评估得到的结果可信任系数过低的问题,引入DS证据理论,开展配电变压器运行状态评估方法设计研究。在遵循全面性、实时性等原则基础上,构建配电变压器运行状态评估体系。对指标层隶属函数和隶属度进行计算,结合DS证据理论,融合评估指标,得到最终的状态评估结果。通过实验证明,新的评估方法评估结果可信任系数更高,更具备实际应用价值。

基于Z-number和改进DS证据理论的风险评估方法

针对任务风险难度量、评估信息不确定性强等问题,提出一种Z-number和改进DS证据理论的风险评估方法。利用Z-number方法描述评估指标,得到各风险等级的初始基本概率分配(basic probability assignment,BPA);基于信度熵和皮尔逊相关系数改进DS证据理论克服悖论问题进行信息融合,确定风险的最终等级;接着,基于信息融合结果引入Joussleme距离求解专家可信度。最后,以重装空投任务为例,验证本文所提风险评估方法的合理性,并对比分析不同改进DS证据理论方法得到的结果,验证所提方法的有效性和准确性。

基于DS证据理论的极地邮轮减摇鳍选型评价

极地邮轮工作环境特殊,减摇鳍装置的选型需考虑抗低温、抗恶劣海况等在内的诸多因素,单凭主观判断很难选出最优的减摇鳍装置。为解决该问题,提出基于层次分析法(AHP)-熵权法(EWM)、三角模糊理论以及Dempster-Shafer(DS)证据融合的综合评价方法。首先构建环境适应性、装置性能等4个一级指标以及13个二级指标的选型评价指标模型,采用组合赋权法计算定性、定量指标权重;其次构建识别框架及模糊评语集,并邀请专家组对指标做出模糊评价,利用证据距离对DS证据合成策略做出改进,将修正后证据进行两两合成从而得到各方案二级指标mass函数。最后对选型方案进行综合评价,选出符合实际需求的最优减摇鳍装置。结果表明,该方法能充分考虑决策过程的不确定性,对极地邮轮减摇鳍装置选型起到科学决策的作用。

基于DS证据理论融合油液振动多参数的故障诊断方法研究

齿轮箱广泛应用于石油化工、船舶、电力与工程机械等领域,其故障监测诊断技术研究一直是热点问题。提出了一种基于DS证据理论融合油液与振动多参数的齿轮箱故障诊断方法,针对传统单一振动信号分析方法对齿轮磨损早期不敏感的问题,采用径向基神经网络建立振动时域特征与油液特征融合的分类模型,基于高维变分自编码器自适应提取振动频域特征并完成故障分类;将由径向基神经网络与高维变分自编码器分别得到的不同证据体通过加权DS证据理论进行融合,获得最终的诊断结果。与不同融合方法进行对比,验证了该方法对齿轮故障诊断的实际效果。

一种应用DS证据理论的雷达目标与IFF点迹关联方法

针对目标数量多、目标构成复杂环境下雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹关联不准确的问题,提出了一种基于DS(Dempster-Shafer)证据理论的关联方法。基于区间灰数模型完成雷达目标与IFF点迹的灰关联度计算,并据此生成DS证据理论中辨识框架的基本概率赋值;利用Dempster规则对证据进行组合,当证据之间存在冲突时采用改进Murphy方法对数据进行处理;最终通过概率转换方法完成关联判决,形成对目标敌我属性的判定。典型场景下的仿真结果表明,该方法能够实现雷达目标与IFF点迹的有效关联,通过多次询问及关联过程,可提升不同场景下的关联正确率。

尾矿库安全运行状态评价的云-DS证据理论模型

为了实现尾矿库安全运行状态的精准评估,提出了一种基于云-DS证据理论的尾矿库安全运行状态评估模型。基于文献计量法确定了尾矿库安全运行状态评估指标体系,并划分了各安全状态等级的量化范围。基于正态分布云模型获取各指标的云数字特征和各等级的确定度,并将其构建为基本概率赋值矩阵,转化为尾矿库安全运行状态评估指标的基本概率分配;提出了基于博弈论的指标权重确定方法,结合尾矿库安全运行状态评估指标基本概率分配得到的证据进行证据融合,得到尾矿库不同安全状态等级的基本概率分配结果,依据最大隶属度原则,确定相对应的安全状态等级作为最终证据融合评估结果。经尾矿库现状实例验证,模型的评估结果与尾矿库的实际安全状态相符。验证结果表明模型的准确性较高,对于尾矿库的安全状态评估具有很好的适用性,可为尾矿库相关安全管理政策的制定提供理论依据。

基于DS证据理论多特征融合模型的说话人分割聚类研究

说话人分割聚类是语音处理领域一个重要的研究课题。为提高说话人分割聚类的准确性,提出一种基于DS证据理论多特征融合模型用于提取说话人嵌入特征。该方法使用2种组合特征来更高效地表征语音,用于DenseNet网络的输入,利用DS证据理论对softmax层的输出进行融合,得到说话人的嵌入特征。分别使用单一特征与组合特征输入的DenseNet网络与该模型进行实验对比分析,结果表明,基于该模型的说话人分割聚类提取目标说话人的准确性更有优势。

基于神经网络和DS证据理论的多传感器数据融合目标识别方法

针对战场态势感知多传感器数据的目标识别问题,提出基于神经网络和DS证据理论相结合的数据融合目标识别方法。首先,充分发挥神经网络强非线性映射、自学习和自适应的能力,获取单个传感器中数据之间的关联关系,完成特征级融合的分类输入/输出;然后,根据混淆矩阵获取各传感器的全局可信度和局部可信度,实现基本概率分配函数的赋值;最后,利用DS证据理论对不同数据源所提供的局部识别能力加以整合,降低不确定性,完成多传感器数据融合的决策输入/输出。实验结果表明:提出的方法可有效融合不同传感器信息,最大限度地提高目标识别判断的置信度。

基于模糊集和DS证据理论的车辆运行风险评估方法

为评估卷烟物流送货车辆运行风险,同时针对风险评估过程中存在的不确定因素以及专家评价意见存在的主观性问题,通过模糊集理论和DS证据理论确定不同因素在不同风险等级的概率隶属值,引入层次分析法计算被评估送货车辆所面临的风险大小并对其进行分析。结果显示,将模糊集理论和DS证据理论应用到层次分析法,能够更全面地捕捉各种风险因素之间的关系,从而更准确地评估送货车辆运行风险。这一研究对于提高物流送货车辆运行风险评估的精度和可信度具有一定意义。

基于模糊集和DS证据理论的信息安全风险评估方法

在信息安全风险评估过程中,存在着很多不确定和模糊的因素,针对专家评价意见的不确定性和主观性问题,提出了一种将模糊集理论与DS证据理论进行结合的风险评估方法。根据信息安全风险评估的流程和要素,建立风险评估指标体系,确定风险影响因素;通过高斯隶属度函数,求出专家对各影响因素的评价意见隶属于各个不同评价等级的程度;并将其作为DS理论所需的基本概率分配,引入基于矩阵分析和权值分配的融合算法综合多位专家的评价意见;最后结合贝叶斯网络模型的推理算法,得出被测信息系统所面临的风险大小并对其进行分析。结果显示,将模糊集理论和DS证据理论应用到传统贝叶斯网络风险评估的方法,在一定程度上能够提高评估结果的客观性。

基于改进DS证据融合与ELM的入侵检测算法

为了提高检测率,采用DS证据融合技术融合多个ELM,能够提高整个检测系统的精确性。但是传统的DS技术处理冲突信息源时并不理想。因此,通过引入证据之间的冲突强度,将信息源划分成可接受冲突和不可接受冲突,给出了新的证据理论(improved Dempster-Shafer,I-DS),同时针对ELM随机产生隐层神经元对算法性能造成影响的缺陷作出了改进。通过实验表明,结合I-DS和改进的ELM能够更高速、更有效地判别入侵行为。

基于DS证据理论的机载火控雷达空空工作模式判定

针对机载火控雷达典型空空工作模式的判定问题,提出一种基于DS证据理论的判定体系。首先,从侦收到的敌方雷达信号中提取特征参数并构建雷达信号特征库,通过预判断流程快速实现单平台下的模式分组;然后,对分组后的多维空间模式识别结果运用DS证据理论,采用分布式结构进行单平台多周期时域融合和多平台空域信息融合,实现雷达工作模式判定。仿真结果表明:该体系能在单平台下识别速度搜索模式和单目标跟踪模式,在多平台下对边搜索边测距模式和边扫描边跟踪模式的判定信度达83.3%,实时性和准确率较好,具有实际应用价值。

基于DS证据理论的SVM分类模糊域数据修正

在介绍支持向量机(SVM)和DS证据理论的基础上,提出了一种利用DS证据理论对SVM分类模糊域数据进行分类修正的方法。该方法首先利用SVM对测试样本进行分类,对SVM分类输出模糊域的样本使用隶属度函数将SVM的输出距离转换成样本对各状态的隶属度;其次利用DS证据理论融合其他传感器信息,对各状态下的隶属度进行适度修正,从而实现该区域数据的重新合理排布;最后将该方法应用于高压断路器故障诊断,以验证其诊断性能。大量的实验结果表明,该方法可以利用断路器操作线圈电流数据,合理修正振动数据分类结果,实现断路器机械故障的准确检测。

DS证据理论在SAR图像边缘检测中的应用

提出了一种新的基于DS证据理论的SAR图像多尺度边缘检测方法。该方法利用DS证据理论融合多级尺度ROA算子输出响应,在融合过程中引入检测不确定性。并通过分析ROA算子检测门限与虚警率的关系设计基本可信度分配函数(BPAF),使得检测不确定性在门限处达到最大值。实验通过检测结果比较以及列表分析,表明本文算法能够有效降低边缘检测不确定性。

基于DS证据理论的多传感器信息融合算法

多传感器卡尔曼滤波算法具有良好的信号跟踪及估值能力,但由于信号噪声的影响,不同传感器所提供的信号会产生一定幅度的偏差,不利于对真实信号的预测及估计。为了解决上述问题,提出了基于DS证据理论的多传感器量测融合的方法,利用证据理论处理传感器的量测信息以及滤波器的估计值,从而合理地计算出单传感器的权值,并对子传感器的量测值进行二次赋值。经过融合后的结果具有良好的滤波效果。将改进的量测融合方法应用到目标跟踪问题中,获得的目标跟踪精度提高了近一倍。通过仿真实验对比验证了新算法的可靠性及精确性,表明该方法具有一定的实用价值。

基于DS证据理论的协作频谱感知改进方法

提出了一种新的协作频谱感知方法,该方法采用DS证据理论。首先,在本地感知通过投影近似法分解感知结果以减少次级用户上报至融合中心的感知数据,从而降低协作带宽开销。其次,在融合中心根据次级用户证据矢量之间的距离计算可信度,以可信度为权重对每个次级用户的基本概率分配进行加权平均来减小高度冲突数据对检测性能的影响。仿真结果表明,该方法减少了协作感知的带宽开销,改善了数据高度冲突时的检测性能。

基于DS证据理论的不同光照条件下道路边界识别

为提高在不同光照条件下道路识别算法的适应性,采用从局部区域提取方向、道路边界梯度和灰度等3个特征的方法,该特征的提取几乎不受不同光照导致的道路图像全局灰度变化和阴影等噪声的干扰。共选取了14种特征单元,将道路的方向特征准确融入到局部梯度和局部灰度值中。通过应用DS证据理论,将道路边界3个特征和有效统计单元所占比例进行有效信息融合,使得目标函数可以准确拟合曲线的总体质量。在大量实验样本和光强信息的基础上,设定不同光照条件下的道路边界检验阈值选取范围,提高了识别的实时性。实验结果表明,该方法可以适应各种不同光照条件下的道路边界识别,且具有良好的准确性和实时性。