加权Dempster证据组合算法

讨论了Ｄ－Ｓ证据理论和Ｄｅｍ ｐｓｔｅｒ证据组合规则，通过对Ｄ．Ｄｕｂｏｉｓ和Ｈ．Ｐｒａｄｅ 给出的基于一致性因子的集合加权“与”运算算子的分析，提出了一种针对优先级别存在差异的证据信息的加权Ｄｅｍ ｐｓｔｅｒ证据组合规则．加权Ｄｅｍ ｐｓｔｅｒ证据组合规则提供了一种重要性、可靠性或优先级别不等的相互冲突或部分冲突的两组证据信息的组合算法．进一步分析了两种证据组合算法的性能．

Dempster证据合成法则的通用实现方法

证据推理是不确定性推理的一种重要方法,而Dempster合成法则是进行证据推理的核心。针对目前Demp-ster证据合成法则的算法实现不能处理合成结果的焦元为多个假设或命题的集合、近似算法的计算不够精确等问题,提出通过位向量表示识别框架子集,并利用线性表、平衡树等数据结构实现证据合成的3种精确、通用算法。理论分析与仿真实验表明,所实现的算法是有效的。

权重提取与Dempster多重融合的凝汽器真空预测

为了解决单一网络预测结果不准确的问题,提出一种由BP、Elman及RBF三网络组合的预测模型,并引入模糊软集理论进行"判断证据"的权重提取以及D-S的多证据融合.以某电厂连续4天实测的现场参数构成样本空间,经主成分分析降维及权重提取后,采用Dempster组合规则下置信函数三重融合结果对随后一天的真空值进行预测.结果表明,与单一网络预测模型相比,组合预测模型的平均绝对误差和均方根误差均显著减小,融合精度更高.

基于Dempster组合规则的电子目标识别算法研究

在军事目标识别中,必须综合考虑目标的电磁辐射信息和红外图像信息,并采用有效的识别算法,才能准确识别电子目标。提出了基于Dempster组合规则的电子目标综合识别方法,完成了基于Dempster组合规则的电子目标自动识别综合处理算法研究,并进行了仿真实验,试验结果表明,该算法是可行的。

Dempster规则的有效性和限制

1 引言 Dempster-Shafer证据理论(以下简称证据理论)是在A.P.Dempster提出的“上、下概率”及其合成规则的基础上由G.Shafer在其1976年出版的专著《证据的数学理论》中建立起来的。80年代初,SRI的J.Lowrance等人将证据理论引入人工智能;J.Gordon和E.Shortliffe在专家系统的框架中研究了证据推理。此后,证据理论逐渐发展成为一类重要的不确定性推理方法。现在,基于证据理论的不确定性处理方法已是设计专家系统及其它智能系统的标准工具之一。

基于Dempster规则的Ad hoc网络故障诊断方法

通过对Ad hoc网络状态和故障指标的研究,提出一种基于Dempster规则的故障诊断方法(DRNFD)。应用DRNFD诊断故障能有效降低漏报率和误报率,使实时故障诊断成为可能。通过仿真实验进行可行性论证,获得了实时诊断的技术效果,证实了该方法的可行性。

Dempster组合规则适用性分析

针对传统冲突系数识别证据冲突存在漏识、误识和冲突系数值会累加增大等问题,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,研究了Dempster组合规则适用性判断方法。通过与Liu判断Dempster组合规则适用性方法的对比结果表明,本方法对Dempster组合规则适用判断有较好的适用性与合理性。

基于Dempster组合规则适用条件的冲突证据组合

针对D-S证据理论中Dempster组合规则出现的反直观结果问题,提出了一种新的基于Dempster组合规则适用条件的冲突证据组合方法。首先分析了Dempster组合规则出现悖论的原因及其适用条件;其次发现了基于数据模型修正的冲突证据组合方法不满足结合律的不足,最后依据适用条件对证据模型进行修正并利用Dempster组合规则进行融合,真正满足证据组合的结合律。实验分析表明,所提方法是合理有效的。

一种新的Dempster组合规则适用条件

针对传统方法中利用冲突衡量系数来判别Dempster组合规则适用性存在的指标意义不明确、阈值设定过于主观等问题,提出了一种新的Dempster组合规则适用条件。首先,提出了证据冲突不能用于判断Dempster组合规则的适用性;其次,分析了Dempster组合规则合成证据出现不合理结果的原因;最后,提出了适用条件。通过与同类Dempster适用性判断方法对比的结果表明,文中提出的Dempster组合规则适用条件意义明确、简单易行,并有较好的适用性与合理性。

利用Dempster-Shafer信息融合进行自动目标识别

本文主要针对红外图像中铁路的特点,将图像处理技术与人工智能相接合 提出一种基于知识的智能识别方法。采用先建立完善的知识特征集,再以知识特征集为基础,采用Dempster-Shafer来对特征集进行融合来识别铁路枢纽。其基本思路可用作一般目标识别。

证据理论Dempster法则融合神经网络的短期负荷预测

针对传统神经网络收敛速度较慢且实时性较差的缺点,在考虑气候因素的情况下,分别用改进BP网络、径向基函数网络和Elman网络算法对某地区的负荷进行预测。通过对预测误差的分析,用证据理论的Dempster合成法则对算法进行融合,通过选取待预测日之前几天的数据作为融合样本,规定相应的基本信度函数,得到融合后的信度分配,从而决定相应时刻的预测模型。仿真结果表明,经过证据理论融合后选择的负荷预测算法具有较高的预测精度。

基于Dempster合成法则的空管安全评价方法研究

随着我国民航运输业的蓬勃发展,空中交通管理工作的安全压力日益增加。由于空管安全评价中存在大量的不确定性,如随机性、不精确性和模糊性,提出了一种将证据理论引入空管安全评价工作的新方法。首先对证据理论的核心内容——Dempster合成法则进行了分析,并对＂改进式Dempster合成法则＂进行了详细说明;其次,建立了空管安全评价的3阶安全评价指标体系,使用层次分析法确定了各指标的权重,并在此基础上建立了基于证据理论的安全评价模型;最后,通过空管安全评价算法,深入探讨了模型的可行性,并通过风险计算公式得到了空管系统存在的安全风险值,从而有效地保障空管安全评价工作的效率和准确性。

一种基于非对称冲突度量的证据融合决策方法

在Dempster-Shafer(D-S)证据理论中,传统的冲突度量是对称的。由于对称冲突度量无法反映两个证据之间相互支持程度的差异,提出了一种新的非对称冲突度量方法,非对称Jousselme距离。利用非对称Jousselme距离与平均距离之间的关系,得到距离关系矩阵,绘制证据之间的关系图,确定融合顺序和不予融合的证据。利用Dempster组合规则依次组合证据,得出融合决策结果。通过数值分析以及与其他方法的比较,表明了所提方法的有效性。

广义幂集空间中证据冲突的原因分析

经典证据理论不能有效处理高度冲突的证据,极大制约了证据理论的应用.早期的研究主要集中在修改Dempster组合规则或修改数据模型.Liu的研究又为这个方向提出了一个新的问题:如何有效表示证据之间的冲突?但是还存在问题:如何有效地判断冲突的成因?针对经典证据理论中的冲突系数无法合理度量证据之间的冲突程度,提出新的证据冲突系数表示模型,在冲突证据原因流程分析中总结出冲突的成因.最后用数值算例说明了本文所提出方法的有效性.

基于均衡信度分配准则的冲突证据组合方法

本文针对目标综合识别中冲突信息的组合问题 ,以Dempster组合规则为基础 ,提出了一种基于均衡信度分配准则的冲突证据组合方法 ;并根据证据间的相似性程度来确定组合顺序 .通过仿真实验测试 。

一种新的证据推理组合规则

证据推理是一种不确定推理的人工智能方法。首先研究几种组合规则的改进方法和造成其缺陷的机理 ,然后从分析冲突的来源入手 ,利用冲突信息提出一种新的组合规则——吸收法。仿真结果表明 ,新的组合规则在处理冲突方面的性能得到了明显改进 ,并且具有较强的鲁棒性。

改进的冲突证据组合规则

针对信息融合中冲突证据的组合问题,提出一种新的利用均衡信度分配准则的冲突证据组合方案.首先分析原始Dempster组合规则及其改进组合规则的不足,然后利用均衡信度分配准则合成新的mass函数.数值实验表明,新组合方法有效地解决了现有Dempster证据组合规则中存在的Zadeh悖论、一票否决、鲁棒性和公平性等问题.

D-S证据理论在目标识别中的应用

D-S证据理论的应用过程与事件密切相关,针对目标识别这一特定领域,研究了证据理论中基本概率赋值的获取、组合规则及决策规则等问题。识别实例中,利用灰关联分析法来处理基本概率赋值的问题,对多传感器基本概率赋值进行组合后,最终通过决策完成对2种车型的类型识别,经计算仿真表明,D-S证据理论在目标识别中具有一定的有效性和优越性。

一种基于均衡交补分担准则的证据组合新方法

针对Dempster及其改进证据组合公式的不足,提出一种基于均衡交补分担准则的证据组合新方法.首先分析原始Dempster证据组合方法的优势和劣势,然后利用均衡交补信度分配原则合成新的mass函数,最后数值实例对比实验表明新组合方案不但保持了原始Dempster组合方法的优势,而且弥补了其缺陷.

广义证据理论的解释

本文把Ｄｅｍｐｓｔｅｒ使用的随机集合概念推广到了布尔代数上，并用这个推广了的概念讨论了信息源上的不确定性结构与假设空间上的不确定性结构之间的关系．利用这个关系，本文推广了上、下概率的概念，并用其解释了Ｇｕａｎ和Ｂｅｌｌ提出的广义证据理论，同时还证明了Ｇｕａｎ和Ｂｅｌｌ定义的条件信任函数，实际上是Ｄｅｍｐｓｔｅｒ条件规则的推广．本文的解释方法一方面拓宽了广义证据理论的内容，另一方面亦为广义证据理论的应用提供了有效的途径．