基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,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,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Demp-ster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.

一种基于Pignistic概率距离的合成公式

针对多证据源信息融合过程中证据源间存在的冲突问题,提出了一种基于Pignistic概率距离的合成公式。利用Pignistic概率距离构造证据可信度;再利用证据可信度修正证据体,以改进合成公式;利用改进的合成公式对证据源进行融合。算例结果表明,改进合成公式的融合结果合理有效,与其他方法相比有更好的适用性、可靠性和较快的运算速度。

结合冲突系数K与pignistic概率距离的冲突度量方法

针对经典证据理论中,冲突系数K不能有效地度量证据之间的冲突程度的问题,提出了一种新的证据冲突表示方法,通过引入pignistic概率距离,将pignistic概率距离和冲突系数K看成平面直角坐标系上的一点,通过计算这个点到坐标原点的距离,以此作为衡量证据间冲突程度的标准;针对新的冲突度量方法,提出了一种改进的证据合成算法,将新的冲突系数作为修正因子,证据冲突时对合成结果进行修正,证据不冲突时采用D-S合成规则进行合成。实例及仿真验证了新冲突度量算法和改进合成算法收敛速度显著快于对比算法。

基于幂Pignistic概率距离的加权证据组合方法

针对现有的相似性/相异性测度在量化证据冲突时存在的不足,定义一种新的被称为幂Pignistic概率距离的相异性测度,并提出基于幂Pignistic概率距离的加权证据组合方法。该方法通过幂Pignistic概率距离量化两证据之间的冲突程度,然后建立相似性矩阵并求得各证据的可信度,再用加权平均法修正证据,最后利用Dempster规则进行组合。数值算例的结果表明,所提方法是合理有效的。

基于冲突系数和pignistic概率距离的改进证据组合方法

针对单一使用冲突系数描述证据冲突存在的不足,从冲突系数和pignistic概率距离2个组合元素的角度出发,在冲突系数和pignistic概率距离形成的平面直角坐标系中,通过计算证据源对应的点到直线的距离表征证据之间的冲突,将冲突信息转换为支持信息,通过权重系数修正证据源,采用Dempster组合规则合成。通过算例分析和对比,证明了改进证据组合方法的可行性和优越性。

改进的基于Pignistic概率距离的证据组合方法

针对现有DS改进算法度量冲突程度方法的不准确与收敛速度慢的缺陷,提出证据集期望的概念和一种基于冲突系数和Pignistic概率距离的证据融合规则。用冲突系数和Pignistic概率距离的平均值表征证据间的冲突程度,通过计算每条证据的重要程度权值,进而求出证据集期望。用证据集期望作为现有证据集的反馈替换证据集中相关性最低的证据,以此修正证据集中可信度低的干扰证据,对修正证据集用DS规则进行融合。通过算例分析,验证了改进的组合规则能够排除干扰证据,降低冲突,并加快系统收敛速度。

基于Pignistic概率距离的冲突证据合成方法

为了解决证据理论对高冲突证据合成时产生反直觉结果这一难题,提出一种基于Pignistic概率距离的冲突证据合成方法。利用Pignistic概率距离衡量证据间的冲突;同时,引进证据间相似度、支持度以及可信度来综合确定证据的修正系数;运用修正系数对证据进行全局修正;最后,利用合成规则对证据进行合成。通过算例验证并与其他方法进行对比表明,所述方法在处理高冲突证据时优于其他方法,鲁棒性和收敛性更好。

基于Pignistic概率距离的最优证据合成法

为了使证据融合更加合理地反映实际情况,提出一种新的最优证据合成法,并给出了相关理论证明.该方法从整体角度构建证据间Pignistic概率距离的最优化模型,通过得出的相对权重来修正证据源,使之符合Dempster组合规则可用范围,然后合成.通过算例对比分析,验证了该方法具有收敛性高、稳定性好、抗干扰能力强的特点.

基于概率距离的高分辨率遥感影像分割结果的优化方法及其应用研究

不同于传统的通过选择合适的尺度参数来优化分割结果的方法,本文从统计学的角度,提出了一种基于概率距离的高分辨率遥感影像分割结果优化方法,并以Jeffries Matusita距离为例,介绍了利用该方法优化分割结果的流程。该方法通过为影像中的地物构建最优影像对象达到优化分割结果的目的。使用无人机影像对本文提出的优化方法进行了测试,测试结果表明,本文所提出的分割结果优化方法具有较好的效果,优化后的分类精度得到明显提高。

Pignistic概率转换算法设计

对Pignistic概率转换方法进行了分析,并提出了几种新的基于Pignistic概率的转换方法。实验表明,该文提出的转换方法可获得更好的性能评价,能有效利用现有信息扩大各命题之间的信度差异,在不提高决策风险的前提下,使满足决策阈值的命题数降至最少,更有利于系统的最终决策。

基于概率距离的电脑鼠走迷宫融合算法研究

针对传统电脑鼠迷宫搜索算法无法适应随机迷宫图搜索的问题,提出一种新的电脑鼠走迷宫融合算法。运用概率距离将迷宫划分为八区域,标定各区域概率距离特征并进行算法填充,实现概率距离向心算法和洪水算法的高效融合,提高迷宫搜索效率并降低对高性能CPU的依赖性。通过对6张迷宫的测试结果表明,与传统向心和洪水算法相比,该算法迷宫搜索时间可减少50%,搜索成功率达到100%,是一种高效的迷宫融合搜索算法。

一种基于“交并集”和Pignistic概率的证据冲突的改进方法

针对D-S证据理论无法解决高冲突证据的缺陷,通过对现有几种证据冲突的改进方法进行分析,提出了基于“交并集”和Pignistic概率的改进方法。本文放宽D-S组合规则的假设,只要求证据在组合时至少有一条是真实的,如果证据A和B相互支持,说明它们都是真实的,可以用“交集”运算将证据的信度聚焦在它们的交集上;如果证据A和B相互冲突,表明不知道哪一条证据是真实的,则用“并集”运算将信度聚焦在它们的并集上,即证据支持A或B中的一个,这种思路更符合人类的直觉。由于在目标识别系统中,最终决策是单个待识目标,因此以还要用Pignistic概率转换法将多元素命题的BPA再分配给它的各个组合元素,最后,信度最高的元素作为结果进行输出。实验表明,本文方法在解决证据冲突方面较其他方法拥有明显的优势。使用本文方法时,证据的融合顺序对融合结果没有影响,因此可以很方便地编程实现。

核概率距离聚类方法及应用

研究聚类分析新方法一直是统计学和机器学习研究领域普遍关注的课题。针对概率距离聚类算法不能解决非线性可分聚类问题的缺欠,笔者应用核函数理论将该模型拓展成为一种能够解决非线性可分聚类问题的统计模型,称为核概率距离聚类分析模型。研制出一种应用新模型进行遥感图像非监督分类研究的实施策略和可行算法;在GDAL遥感图像数据输入输出函数库基础上,用VC++语言开发了遥感图像核概率距离聚类分析算法程序;用ERDAS软件提供的一幅7波段491像素×440像素大小的TM图像进行新方法分类应用实验研究。对比了新模型和其原版本的TM遥感图像非监督分类效果,结果表明新模型的非监督分类效果优于原有的分类模型。

概率距离在联机汉字识别中的应用

借助概率理论 ,将汉字信息看成随机事件 ,提出了概率距离的概念。概率距离依据事件的稳定性决定事件对识别距离的影响力 ,并以此为依据实现了在识别过程中的特征选择。经试验分析 ,有很好的效果 ,已将识别率提高了

转移概率的可测耦合与概率距离

本文利用线性规划的思想证明了定理１．１，然后改进了所谓的Ｄｏｂｒｕｓｈｉｎ－Ｓｈｏｓｍａｎ唯一性定理的证明．

基于概率距离的电脑鼠迷宫搜索算法

效率不高是目前电脑鼠竞赛中迷宫搜索算法存在的普遍问题,为此,提出一种基于概率距离的电脑鼠迷宫搜索算法。通过生成静态概率距离图,并结合对迷宫图的动态处理,以达到提高迷宫搜索效率,缩短迷宫搜索时间的目的。测试结果表明,基于概率距离的电脑鼠迷宫搜索算法,在迷宫搜索效率、迷宫搜索时间等方面,较左手、中左、中心、中心分区算法有明显优势。

概率距离的电脑鼠走迷宫融合设计分析

作为自主移动机器人系统,电脑鼠的主要任务是在不知迷宫布局的情况下找到迷宫目标区域。文章认为可运用概率距离将迷宫进行划分并对概率距离和标定各区域进行算法填充,实现概率距离向心算法与洪水算法的高效融合,并有效提升、改进机器人完成任务的能力。为此,文章在充分分析概率距离算法的基础上,设计了一种电脑鼠走迷宫算法体系,提高了迷宫搜索效率,降低了对高性能CPU的依赖性。

基于Pignistic概率转换和奇异值分解的证据冲突度量方法

针对常见证据冲突度量方法适应性差、准确性低的问题,提出了一种基于Pignistic概率转换和奇异值分解的证据冲突度量方法。首先通过Pignistic概率转换将证据焦元差异映射到信度差异上,构建证据复合信任函数矩阵。然后采用奇异值分解的方法提取矩阵特征,根据奇异值特性将矩阵特征空间划分为相似子空间和冲突子空间,综合考虑证据矩阵相似特性和冲突特性,将冲突子空间奇异值与相似子空间奇异值之比作为新的冲突度量因子。最后在全冲突场景、变信度场景、变焦元场景、焦元嵌套场景等多种证据冲突场景下将所提方法与常见方法进行了对比分析,结果表明所提方法具有适应性广、准确性高、稳定性好的特点。

基于概率距离及融合时空特征的镜头相似性度量

提出一种基于概率距离及融合镜头时空特征的镜头相似性度量方法。横向方面,构造镜头加权颜色直方图来表示时间信息并使用直方图交计算镜头时间相似性;纵向方面,通过非线性映射将空间特征向量映射到高维空间进行高斯分布建模,计算两镜头空间特征高斯分布间的概率距离来度量两镜头空间相似性;最后,对时、空相似性加权融合计算两镜头总相似性。实验结果证明了该方法的有效性。

近邻概率距离在旋转机械故障集分类中的应用方法

针对多种故障类型的特征属性相互交叉导致故障难以辨识的问题,提出一种考虑相邻点之间成为近邻点概率的新度量函数。将新提出的近邻概率距离(Nearby Probability Distance,NPD)应用于局部保持投影算法(Locality Preserving Projection,LPP)与K-近邻(K-Nearest Neighbor,KNN)分类器中,提出基于近邻概率距离的局部保持投影算法(Nearby Probability Distance Locality Preserving Projection,NPDLPP)与基于近邻概率距离的K-近邻(Nearby Probability Distance K-Nearest Neighbor,NPDKNN)分类器;首先通过时域、频域特征提取方法,将振动信号转化为高维特征数据集,然后通过NPDLPP将高维数据集降维到低维空间,最后将降维得到的低维敏感特征集输入到NPDKNN中进行模式识别;用一个双跨度转子系统的振动信号集合进行验证,证明了所提出的降维算法效果明显,它能够达到各个故障类型更好分离。研究表明,新提出的近邻概率距离较传统的欧式距离测度更能最小化类内散度,最大化类间分离度。