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.

一种D-S证据推理的BPA获取方法

针对多传感器数据融合中D-S证据推理方法的基本概率赋值获取存在主观性的问题,结合粗糙集理论,通过定义规则强度和决策扩充规则,提出一种基于决策表的证据获取和基本概率赋值客观确定方法,并以具体算例验证了方法的正确性和有效性。

基于BPAF判决的决策层目标属性融合研究

在D-S证据理论框架下,研究了基于目标基本概率赋值(BPAF)判决的决策层目标属性融合问题。简要介绍了D-S证据组合理论框架,阐述了基于BPAF判决的决策层目标属性融合策略、步骤;分析了证据严重冲突时,Dempster证据组合规则不合理的本质原因;提出必须对D-S证据组合规则进行改善等需要继续深入探讨的几个问题。

基于模糊数相似性的BPA生成方法

D-S证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得D-S证据理论在多传感器融合系统中应用非常广泛。但BPA函数是建立在基本事件的幂集之上的,无法通过简单的统计方法来获得,为了解决这一问题,提出一种适应性更好的基于模糊数相似性的BPA生成方法。通过数据分类的例证说明该方法具有有效性和适用性。

DETERMINGING BPA UNDER UNCERTAINTY ENVIRONMENTS AND ITS APPLICATION IN DATA FUSION

Dempster-Shafer (DS) theory of evidence has been widely used in many data fusion ap- plication systems. However, how to determine basic probability assignment, which is the main and the first step in evidence theory, is still an open issue. In this paper, a new method to obtain Basic Probability Assignment (BPA) is proposed based on the similarity measure between generalized fuzzy numbers. In the proposed method, species model can be constructed by determination of the min, average and max value to construct a fuzzy number. Then, a new Radius Of Gravity (ROG) method to determine the similarity measure between generalized fuzzy numbers is used to calculate the BPA functions of each instance. Finally, the efficiency of the proposed method is illustrated by the classi- fication of Iris data.

基于云模型的基本概率赋值生成方法及应用

针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题,该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数,并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后,用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明,该方法识别准确性高,且适用于样本较少的情况。

基于广义梯形模糊数的基本概率指派方法

证据理论在解决不确定性问题时有着独特的优势,但是如何构造合理的BPA是制约其应用推广的首要问题。基于广义梯形模糊数的表示模型,提出了一种基本概率指派方法。首先,利用已知数据的最值与三等分均值来构造单元素命题的梯形模糊数表示模型;然后用单元素命题的梯形模糊数的叠合部分来表示多子集命题的广义梯形模糊数;最后,根据此模型计算出的隶属度进行基本概率指派。实验结果表明,所提方法简洁有效,并且能够很好解决焦元增加问题。

一种新的GBPA生成方法及其在模式识别中的应用

广义证据理论是一种在不完备识别框架中处理多传感器信息融合问题的实用方法.由于时代环境的影响,人们的认知存在局限性,难免会将不完备的识别框架认为是完备的,经典证据理论在这种情况下并不完全适用.因此,根据广义证据理论提出一种新的广义基本概率赋值(generalized basic probability assignment, GBPA)生成方法.该方法首先根据训练数据分别构造样本类别和测试样本的广义三角模糊数模型;然后通过计算样本和类别间的广义三角模糊距离生成GBPA;最后使用广义组合规则融合所有证据并得出最终的结论. Iris数据集的实验结果表明所提方法合理有效,即使在样本不足的情况下仍有较高的分类精度.

基于改良三比值法的变压器故障基本信度分配计算方法

为了解决三比值法诊断结果不能直接应用于故障基本信度分配函数的构造问题,提出一种基于空间插值的变压器故障基本信度分配计算方法。根据有限元法基本原理,在分析了三比值法定义的故障特征空间基础上,按照各故障特征区域在空间几何上的分布特征对整个空间进行离散化,最后利用空间插值得到整个空间连续的故障基本信度分配函数。所述方法能够满足基本信度分配函数的要求,且计算结果定量地反映了各种故障发生的可能性。通过实例计算,验证了该方法的正确性和工程实际应用的可行性。

D-S证据理论中的基本概率赋值转换概率方法研究

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。但是如何基于BPA做出决策依然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。文章基于证据理论中命题的信度函数和似真函数提供的信息,提出了一种新的基本概率赋值转换概率方法,该方法相比于现有经典TBM模型中Pignistic概率转换和基于似真函数的转换,可以更有效地利用系统已知的信息,实现基本概率赋值到概率分布的合理转换。算例表明了所提出方法的有效性。

小波熵证据的信息融合在电力系统故障诊断中的应用

电力系统中快速准确的故障诊断是事故后隔离故障元件、恢复系统正常运行的首要前提,具有重要意义。该文从信息融合的角度出发,提出利用多种小波熵测度的融合来解决电力系统故障诊断问题。小波熵测度由于结合了小波变换和信息熵理论的优势,能快速准确地提取线路故障特征,但由于故障的不确定性和多样性,依靠单一的小波熵测度诊断故障可能出现诊断困难或诊断失真等问题,因此提出采用D-S证据理论对多种小波熵进行信息融合,并采用范数加权平均的方法来建立基本可信度分配,以基本可信数的决策方法来实现故障模式诊断。基于EMTDC和Matlab的仿真证明,该方法能提高对故障诊断结果的支持度及故障诊断的准确性和实时性,是故障模式定量诊断的一种可行性新方法。

一种有效的证据理论合成公式

D-S证据理论是一种有用的不确定性推理方法 ,由于证据合成公式存在不足 ,影响了证据理论的应用。本文提出了一种有效的合成公式 ,即把支持证据冲突的概率按各个命题的平均支持程度加权进行分配。新的合成公式提高了合成结果的可靠性与合理性 ,即使对于高度冲突的证据 ,也能够取得理想的合成结果。

基于区间数和证据理论的雷达辐射源参数识别

针对雷达辐射源参数的不确定性,研究区间类型的雷达辐射源参数识别,构造区间参数的雷达辐射源数据库。首先,利用区间数距离形成区间相似度并基于此构造一种切合实际的基本概率赋值(basic probability assignment,BPA)。再将其与证据理论结合形成辐射源识别的信度区间,利用证据组合规则对信度区间进行区间重组。最后进行自适应判决识别,得到识别结果。仿真结果表明,区间证据理论方法能够较好的处理区间类型以及区间值和标量值混合类型的辐射源参数,得到满意的识别结果,具有一定实际意义。

基于改进D-S证据理论的信任评估模型

针对已有的信任证据模型不能快速有效地处理分布式网络中存在的恶意攻击,且缺乏关于三元信任关系组的信任归一方法,提出了一种基于改进D-S证据理论的信任模型,在此基础上,提出了基于持续序列的基本可信度函数和基于评估函数的信任评估方法,使得模型能更快地抑制恶意节点,并且评估结果更贴近现实值。通过分析与仿真,验证了本模型具有抑制聚集信任攻击的有效性和健壮性,同时信任评估方法更具合理性和准确性。

基于粗糙集和D-S证据理论的系统安全评估

针对传统安全管理系统不能及时反映整个系统安全状态的问题,提出基于粗糙集和D-S证据理论的系统安全评估方法。利用粗糙集理论的属性约简和属性值约简对评估指标进行优化,获得最简规则。根据决策表中的属性重要性确定证据在粗糙D-S理论合成公式中的权值,以决策表为依据获取基本概率分配,建立系统安全评估模型。实验结果表明,该方法能优化评估指标,获取最简规则,提高安全评估的可靠性。

基于广义三角模糊数的基本概率赋值构造方法

Dempster组合规则的有效运用取决于相应基本概率赋值的合理建立,但是如何生成各个证据的基本概率赋值仍然是一个有待解决的问题。基于广义三角模糊数表示模型,提出了一种基本概率赋值生成方法。该方法利用样本数据的最小值、平均值和最大值构造单元素命题的三角模糊数表示模型,多子集命题的广义三角模糊数用单元素命题的三角形的交叠部分来表示。通过广义三角模糊数的隶属度来构造基本概率赋值。数值算例结果表明,提出的基本概率赋值获取方法是实用有效的。

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D-S证据理论的煤粉细度融合诊断

针对电厂煤粉细度在线测量难的问题,提出利用数据融合技术识别煤粉过细、煤粉正常、煤粉过粗。在分析与煤粉细度相关的多个运行状态参量基础上,根据历史运行数据,确定煤粉细度的典型样本,然后对各状态参量应用D-S融合规则得到结果。而对于D-S证据理论应用中基本概率赋值难以确定问题,应用正态分布曲线构造相似度函数,继而得到基本概率赋值,减少了方法的主观性。根据运行数据验证,该方法能够有效诊断煤粉细度,且具有较好的鲁棒性,具有工程实用价值。

一种基于能量函数的证据合成算法

传统证据合成的计算量会随着证据个数急剧增加,限制了DS证据理论的广泛应用。从减少参与证据合成的焦元数量出发,提出了一种改进的DS证据理论的实用算法,以解决DS证据理论的实用化问题。该算法以焦元的能量函数、证据的平均能量函数作为选择抛弃焦元和剩余焦元的标准,同时将抛弃焦元的基本概率赋值重新分配给与之具有嵌套关系或相交关系的剩余焦元。该算法保留了抛弃焦元在证据合成过程中的生存权利,充分考虑了计算量和准确性。通过实例比较了该算法与其他几种近似算法的性能,验证了所提出算法的有效性和合理性。

一种基本概率指派的模糊生成及其在数据融合中的应用

DS证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得DS证据理论在多传感器融合系统中应用非常广泛。但是各个证据的基本概率指派如何生成仍然是一个有待解决的问题。本文基于模糊匹配,提出了一种基本概率指派生成方法,并应用到多传感器目标识别中。用一个多传感器目标识别的实验表明:所提出的方法可以合理地生成基本概率指派,能够准确的识别目标。