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。

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Pignistic概率距离的证据源组合新方法

DS理论在决策级信息融合中有广泛应用。针对DS理论进行证据源组合时可能导致的“一票否决”和“信任偏移”问题,以及证据源内焦元间的关联和冲突问题,提出了一种有效处理冲突证据源的组合方法。新方法用自冲突和互冲突来描述证据源组合中的全局冲突,在Pignistic概率距离基础上给出基于退火自适应变异算法的自冲突修正方法,然后根据Pignistic相似度提出互冲突的修正方法,最后运用DST组合规则得到识别结果。仿真算例验证了所提方法的合理有效性。

面向工艺实体识别的双向神经概率转换器

工艺实体识别旨在识别出产品制造中所遵照或是产生的文本中蕴含的零件、材料、属性和属性值等实体。目前,工艺等领域实体识别大多加入词典或正则规则等领域实体先验知识,修正神经网络模型识别结果或是生成预识别特征加入模型中。但上述方法未能实现领域实体识别的先验知识与神经网络模型统一建模,领域知识的加入没有减小模型训练代价,仍需大量标注数据。为解决上述问题,提出了面向工艺实体识别的双向神经概率转换器(Bi-NPT),将工艺实体识别先验知识建模为正则规则,然后将正则规则转化为参数化的概率有限状态转换器,使得模型在训练前带有实体识别的先验知识,同时具有可训练性。通过在标注数据上的训练,模型能够习得正则规则未覆盖实体的识别能力。实验结果表明,提出的Bi-NPT在未训练的情况下与正则规则实体识别效果相当,这表明未经过训练的初始模型即携带了实体识别知识。在小样本条件下,Bi-NPT优于PER,Template-based BART和NNShot方法;在充足样本条件下,Bi-NPT优于BiLSTM与TENER等方法。

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。

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。

多失效模式与变量相关的管道失效概率预测

针对腐蚀管道多失效模式相互竞争、变量非独立的特点以及小失效概率预测效率低的问题,提出一种基于子集模拟法(SS)的腐蚀管道时变失效概率预测方法。基于泄漏与爆裂失效的极限状态函数,考虑泄漏与爆裂失效的竞争关系,构建管道竞争失效概率预测模型;使用Nataf转换方法描述模拟样本中缺陷深度与长度的相关性,提出考虑失效模式竞争性、变量相关性的腐蚀管道失效概率求解方法,并采用蒙特卡罗模拟(MCS)验证该方法;应用上述方法,探究缺陷深度和长度的弱相关性(相关系数0~0.3)对管道服役15年内失效概率的影响。结果表明:失效概率大于10-6时,使用该方法的计算结果与MCS计算结果基本相同,计算效率高于MCS,且可预测概率水平为10-12的极小概率事件;管道服役15年内,缺陷变量相关系数越大,管道爆裂失效概率越大,越早到达爆裂失效概率阈值年限;而随着相关系数的增大,泄漏失效概率越小,越晚达到泄漏失效概率阈值年限;在预测后期,相关系数增大对2种失效概率的影响均减弱。

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。

基于Pareto法则的BPA概率转换

基于帕累托(Pareto)法则,该文认为复杂焦元信度的分配应该依赖于其单子命题的信度,信度大的更能决定复杂焦元的分配,信度为零的也能影响复杂焦元的分配.将复杂焦元分成2类结构:单子命题没有零值和单子命题有零值.对于前者,找出了复杂焦元的帕累托元素,只在帕累托元素上按其信度权重进行分配,这既避免了一些反常的情况又能更加突出信度大的单子命题.对于后者,采用忽略一部分或平均的办法来进行分配;设置了2个参数,既能控制焦元分配的冒险程度,又能控制转换的效果.提出了一种能够根据给定冒险程度来计算基本概率分配函数概率转换的新方法.最后通过实例分析,验证了该方法是有效的.

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。

基于区间信息的基本概率赋值转换概率方法及应用

D-S证据理论的基本概率赋值(BPA)能够有效地表示和处理不确定信息,在不确定信息处理中得到了越来越多的应用。基于BPA决策是一个有待解决的问题,将BPA转化为概率函数进行决策是一个简单可行的方法。文章首先定义了BPA到概率的转换定义,提出了BPA转换概率的基本准则,基于证据理论中命题的信度函数和似真函数构成的区间信息提出了一个区间概率转换(Intervalprobability transformation,IPT)方法,建立了基于IPT的信度函数决策模型。应用一个导弹防御决策的例子表明了所提出方法的有效性。

基于多维Gaussian Copula的岩土体设计参数概率转换模型构建方法

岩土工程中经常需要基于直接测量参数去预测设计参数,概率转换模型是确定设计参数真实分布范围的有效工具。常用的基于多维正态分布的概率转换模型构建方法容易引起误差且受边缘分布类型限制。为此,提出了基于多维Gaussian Copula的岩土体设计参数概率转换模型构建方法。以全球黏土数据库CLAY/6/535为例验证了所提方法的有效性,分别推导了不排水抗剪强度和超固结比与孔压静力触探试验指标之间的概率转换模型。结果表明:基于多维Gaussian Copula的概率转换模型构建方法可以将相关结构与边缘分布分开构建,该方法不受岩土体参数的边缘分布类型限制,有效地避免了误差由边缘分布向相关结构的传播。在构建的概率转换模型中,岩土体设计参数的不确定性、相关性与直接测量参数的数目以及直接测量参数与设计参数之间的相关性成反比。

基于信息守恒的基本概率赋值概率转换方法

针对现有基本概率赋值概率转换方法普遍存在缺少客观标准,主观介入程度过强的问题,该文提出了一种线性加权概率转换方法。该方法首先选择归一化先验信息作为权重,消除了概率转换时主观因素的影响,然后根据概率转换前后先验信息守恒的原理构造方程,最后给出了转换概率的迭代求解方法。实验算例表明,该文方法求解速度快,转换概率合理有效,且与对事件的认知程度相一致。

概率关系模式与概率XML模式转换算法的研究

通过比较基于可能世界模型的概率数据在关系数据模型和XML数据模型中的表示方法,根据概率属性与普通属性的关系把概率关系模式分为1NF和3NF,根据分布节点与普通节点的关系把概率XML模式也分为1NF和3NF,以扩展的概率DTD文件为例设计了概率关系模式和概率XML模式之间的转换算法。实例分析结果表明该算法是有效的,也为现存的概率关系数据与概率XML数据之间提供了一种有效的模式转换方法。

基于反馈证据冲突度的概率转换

概率转换是不确定推理中的有效决策方法之一。首先,对现有概率转换公式进行分析,给出两类统一的概率转换公式。针对现有概率转换公式的给出过程较为主观,概率转换方法缺乏严密性的缺陷,提出基于反馈证据冲突度的概率转换方法。再利用遗传算法,求解最小反馈证据冲突度的转换概率。最后,将本文概率转换方法与现有的概率转换方法进行比较,结合仿真分析表明所提方法的有效性。

汉语文字概率表达之数值转换的探索性研究

48名大学生被试对20个汉语文字概率表达所代表的数值概率进行了值评定和区间评定。结果发现:(1)对同一文字概率词,汉语的数字转化值和英语的数字转化值不匹配;(2)汉语文字概率词的被试内变异比较低,大部分概率词的被试间变异比较高,但不存在性别差异;(3)文字概率词没有覆盖0-1概率尺上的所有范围;(4)对称的汉语文字概率不存在互补性。