基于Dezert-Smarandache理论的的递递归目标识别融合方方法法

多源信息融合的一个主要应用方向是目标识别,Dezert-Smarandache理论(DSmT)是一种有用的不确定推理方法,能较好地解决强冲突情况下的信息融合问题.在经典DSmT的融合过程基础上提出3种递归时空信息融合的方法:集中式、分布式无反馈和分布式有反馈的融合方法.当系统引入完整性约束条件时,需要采用证据的冲突系数来确定组合顺序,这在一定程度上克服了混合DSm组合规则不满足结合律的缺陷.最后用数值算例说明了本文所提出方法的有效性.

Dezert-Smarandache理论组合规则性质分析

在Dezert-Smarandache理论(DSmT)中组合规则众多,其性能直接影响DSmT的最终融合结果。为此,对组合规则的性质进行研究,提出一种DSmT组合规则性质分析方法,从合成性质、时序性质和工程可用性质3个方面对DSmT的组合规则性质进行描述。实验结果证明,该方法提出的3类性质能较全面地反映组合规则的特性。

基于DSm理论的雷达目标综合识别算法

针对数字多功能雷达的目标识别问题,提出了基于DSm理论的综合识别算法。将不同类型的识别结果置于统一的辨识框架中,并利用经典DSm组合规则进行信息组合,采用冲突按比例重分配规则重新分配组合结果,应用基于广义基本信任分配的决策规则进行判决。仿真结果表明,该方法避免了层次化识别结构带来的信息损失,识别结果中含有更丰富的目标信息。

一种DSm理论相关证据模型

DSm理论(Dezert-Smarandache Theory,DSmT)作为D-S(Dempster-Shafer)证据理论的推广,在进行多个证据合成时同样要求证据相互独立,这是一个非常苛刻的条件,在实际中很难满足。提出了在DSm理论框架中表示相关证据的一种模型,其中两个相关证据各由一个独立源证据和一个相关源证据正交和合成,相关证据的合成就归结为这两个独立源证据和这个相关源证据的正交和合成。为此就要先辨识出独立源证据。证明了在自由DSm模型中辨识结果的唯一条件,并针对条件不满足的情况提出了一种近似的解决方法。

中国DSM发展趋向研讨(下) 运用新理论新技术构筑DSM决策支持系统

需求侧管理 (DSM)是一项涉及社会各方的系统工程。该文分析了需求侧管理的工作重点，定义了决策支持系统的主要功能，提出了利用 Internet传输信息构筑决策支持系统的设计思想。

基于DSm理论的弹道导弹目标识别方法

如何利用多传感器信息进行弹道导弹目标识别一直以来是反导预警系统需要解决的难点问题之一。论文从弹道导弹目标特性分析入手,提出了一种基于DSm理论的弹道导弹目标识别方法,该方法可以解决多传感器提供的关于弹道导弹特征的模糊的、相互矛盾的等信息的融合识别问题。通过仿真分析,验证了该方法的有效性。

DSm理论中的证据表示方法研究

针对DSm理论证据组合计算量大的问题,从证据表示方法的角度,对静态表示方法和动态表示方法的特点及计算复杂度进行了分析.鉴于查找操作是证据表示方法中产生计算量最多的部分,对有序表表示方法和二叉树表示方法的查找方式进行了分析和比较,为研究DSm理论的应用提供了理论依据.

市场营销11P理论及在DSM中的应用探讨

遵照人本思想和科学发展观,采取系统思维模式,提出综现现代市场营销11P 理论,并分析了其在 DSM 中的应用问题。

一种快速DSmT-DS近似推理融合方法

该文对Dempster-Shafer(DS)理论以及Dezert-Smarandache理论(DSm T)进行了深入研究,为了能够在仅需较低计算复杂度的前提下得到更加精确的融合结果,提出一种新的快速DSm T-DS近似推理融合方法。该方法针对超幂集空间仅单子焦元具有信度赋值的情况,将超幂集空间拆分映射成元素为各单子焦元和其补集的二元集合的新的超幂集空间,并求出每个补集的信度赋值;再运用Dezert-Smarandache框架中的第5条比例冲突分配规则(DSm T+PCR5)在新的超幂集空间的二元集合子空间下对多证据源进行融合,得到各单子焦元的融合结果;然后通过归一化处理求得各单子焦元的信度赋值。通过理论分析得出该文方法的融合结果是介于Dezert-Smarandache框架中的第5条比例冲突分配规则(DSm T+PCR5)及Dempster-Shafer(DS)框架下的Dempster组合规则之间。该文方法在需要较低计算复杂度的前提下,可以得到优于Dempster组合规则的近似融合结果。最后通过多个角度与已有方法进行对比,验证了该文方法的优越性。

一种多子焦元信度赋值非零情况下的DSmT近似融合推理方法

为了能够减小基于Dezert-Smarandache理论(DSmT)框架的第5条比例冲突分配规则(PCR5)处理含有交多子焦元证据融合问题的计算复杂度并保持较高的精度,本文提出一种多子焦元信度赋值非零情况下的DSmT近似融合推理方法.该方法避免了现有的基于Shafer模型的DSmT近似融合推理方法由于需要预先解耦带来的信息损失,并且不仅适用于Shafer模型也适用于混合Dezert-Smarandache(DSm)模型下部分交多子焦元非冲突且信度赋值非零的情况.仿真实验表明,在不同的情况下,本文方法相比现有的方法,与DSmT+PCR5融合推理方法融合结果相似度更高且计算效率显著提高.

基于DSmT与小波网络的齿轮箱早期故障融合诊断

针对齿轮箱早期故障特征十分微弱难以有效辨识问题,提出基于DSmT理论与小波神经网络的齿轮箱早期故障融合诊断模型。利用多个振动传感器合理布置在齿轮箱的多个关键部位采集多源振动信息并进行特征提取;利用多个并联小波神经网络实现齿轮箱早期故障的初级诊断获得彼此独立的多个证据;利用DSmT理论对多个独立证据进行融合决策得出齿轮箱的最终诊断结论。DSmT理论克服了传统DST证据理论的局限性,小波神经网络实现多源证据信度分配的客观化。诊断实验结果表明,该方法能有效提高齿轮箱早期故障特征的辨识精度、降低诊断的不确定性。

DSmT相关证据模型及反问题近似解求法

介绍了一种新的信息融合理论——DSmT(Dezert-Srnarandache Theory)。在DSmT下,鉴于实际处理的证据经常是相关证据,提出了一种新的模型表示相关证据。其中两个相关证据各自由一个独立源证据和一个相关源证据正交和合成,相关证据的合成就归结为这两个独立源证据和这个相关源证据的正交和合成。辨识独立源证据是一个反问题,该反问题可能不存在唯一精确解,此时采用了粒子群优化算法求其近似解。

基于混合DSm模型的组合规则评价体系

Dezert-Smarandache(DSm)理论是一种处理不确定性数据的有效方法,如何对组合规则进行评价,从而在实际应用中选择合适的规则是一个重要的问题。结合DSm理论的特点,在考虑混合DSm模型的基础上,从合成性质、时序性质和工程可用性质3方面建立评价体系。通过算例对评价体系进行验证,得出的结论与定性分析一致,说明了评价体系的有效性,为分析、评价和应用DSm理论组合规则提供理论依据。

一种粗糙集与DSmT融合故障诊断方法

粗糙集和证据理论对处理不确定信息极具优势,结合二者所长,提出一种融合两种算法的故障诊断方法。首先,通过粗糙集理论对冗余的条件属性进行必要约简,然后对约简后的条件属性计算基本概率赋值和规格化并进行DSmT合成,最后将以上方法应用在关于某型装备故障诊断中验证其有效性。

证据推理理论及其方法研究

在实际融合系统中,往往需要处理各种不确定信息,而证据推理理论为不确定信息的表达和组合提供了自然且强有力的方法,得到了广泛的应用.为此,研究了目前常用的两种证据推理理论(DS理论和DSm理论)及其方法.基于这两种理论原理,从修改组合规则和修改证据模型两种思路,阐述了基于DS理论的常见改进方法;从理论研究和工程应用两方面给出了DSm理论的研究现状.最后,归纳了证据推理理论的不足,展望了其未来发展方向.

基于DSM的知识约简方法研究

根据对象属性的差异性与相似性 ,以及对DSM(difference similitudematrix)矩阵元素mdij,msij的特性分析 ,定义了属性的重要度和合并度 ,给出了最佳属性约简集的修正子集的求解方法 ,从而提出了基于DSM的知识约简方法 ,该方法能在保证规则相容的情况下生成少量规则 ,同时只使用部分条件属性 .通过约简UCI机器学习数据库 ,并与粗集理论约简的结果比较 ,表明了该方法的合理性和有效性 ,并在约简效率和规则的正确率上都要好于粗集理论 .

证据推理理论组合规则评价方法研究

证据推理理论(包括DS理论和DSm理论)是处理不确定信息的重要方法,其组合规则性能的好坏直接影响推理结果.为了有效评价证据推理理论组合规则的性质,总结了基于DS理论的组合规则评价方法存在的问题,并深入分析了问题出现的原因;根据DSm理论的特点,提出了基于DSm理论组合规则的评价方法.该评价方法主要从冲突证据处理、证据时序性和计算量3个方面对基于DS理论的组合规则评价方法进行了改进.

基于改进能量函数的证据推理理论近似计算方法

为解决DSm理论因加入冲突焦元使计算复杂性更显突出的问题,提出了基于改进能量函数的近似计算方法.该方法通过对传统能量函数增加修正因子,改进了焦元控制规则,对焦元进行了合理地取舍,有效地降低了计算量,并保证了合成精度.通过算例分析,验证了该方法的有效性和合理性.

基于DSmT的专家推荐模型

为解释和修正信任管理系统中第二手信任评价与第一手信任评价之间的差异,提出一种基于DSmT的专家推荐模型——扰动模型。在该模型中,为求扰动评价,引出DSmT反问题。并介绍一种修正的粒子群优化算法,为求DSmT反问题的近似解,选取3个测试函数测试其性能,证明其能提高收敛速度。实验表明,扰动模型可以较好地解释第二手信任评价与第一手信任评价之间的差异,通过修正第二手信任评价可使其与第一手信任评价更一致。

证据推理理论近似方法研究

Dempster-Shafer(DS)和Dezert-Smarandache(DSm)证据推理理论是信息融合的有力工具.针对在证据处理过程中证据数量多以及证据组合时焦元爆炸使计算量迅速增大的问题,对证据与焦元控制方法、规则近似方法和蒙特卡洛(Monte Carlo)方法三种方法在DS理论和DSm理论下进行了分类分析,指出了下一步值得研究的三个问题.这为证据推理理论不同近似方法的使用提供了理论参考.