Fusion of multiagent preference orderings with information on agent's importance being incomplete certain

The problem of fusing multiagent preference orderings, with information on agent＇s importance being incomplete certain with respect to a set of possible courses of action, is described. The approach is developed for dealing with the fusion problem described in the following sections and requires that each agent provides a preference ordering over the different alternatives completely independent of the other agents, and the information on agent＇s importance is incomplete certain. In this approach, the ternary comparison matrix of the alternatives is constructed, the eigenvector associated with the maximum eigenvalue of the ternary comparison matrix is attained so as to normalize priority vector of the alternatives. The interval number of the alternatives is then obtained by solving two sorts of linear programming problems. By comparing the interval numbers of the alternatives, the ranking of alternatives can be generated. Finally, some examples are given to show the feasibility and effectiveness of the method.

The Combination Operator of Information Sources by a New Expressive Matrix

The multi-sensors fusion refers to the synergistic combination of sensory data from multiple sensors to provide more accurate and reliable information. The potential benefits of the Fusion are multi-sensors’ redundancy and extra information acquired. The fusion of redundant information can reduce the overall uncertainty and thus helps to provide information specified more precisely. Several sensors providing redundant information can also be used to increase reliability in the case of error, omission or failure of sensors. The combination operators are exponential and are more complex in terms of calculation;the Dempster-Shafer operator is exponential for more than three (3) information sources?[1] [2]. Our work focuses on the definition of another formulation of this operation, and puts it in a matrix form to illuminate the computational complexity, more precision guaranty and a minimal execution time. We propose to use each information source in a form of a matrix, which contains 0 value in lines that do not contain the masses (m(Ai) = 0) or once m(Ai) is not null (m(Ai) ≠ 0). The use of this expressed matrix attempts to ameliorate Dempster-Shafer operator via initialing either a criterion or criteria sources’ solution, increasing the efficiency of the Dempster-Shafer operator and facilitates the combination among the sources. We evaluate our approach by conducting a case study for showing the effectiveness of this matrix.

基于多信息融合的换流站直流设备健康状态决策树评价模型

针对换流站直流设备间交互信息融合能力较差、小样本与大样本难以均衡的问题,设计基于多信息融合的换流站直流设备健康状态决策树评价模型。使用同质多传感器多信息数据融合方法对多信息实施融合处理;利用k近邻方法和层次聚类方法划分换流站直流设备健康状态量,提取健康状态量的有效信息作为输入,构建决策树评价模型,输出换流站直流设备健康状态评价结果。实验结果表明,该模型具备较好的多信息融合能力和样本均衡能力,且可从不同角度实现换流站直流设备健康状态评价,评价结果较为准确。

国家地震烈度速报与预警工程融合决策平台建设

为满足国家地震烈度速报与预警工程(以下简称“国家预警工程”)紧急地震信息对外服务要求,针对国家预警工程建设多算法多中心融合决策的主要技术难题,结合地震监测学科的技术发展现状和学科管理需求,地震监测预警业务系统迫切需要一个用于地震预警、参数速报和烈度速报分系统产出一套全国统一结果的融合决策平台。在国家预警工程定制软件项目实施过程中,建设了国家地震烈度速报与预警工程融合决策平台,其作为国家预警工程数据处理系统与紧急地震信息服务系统之间的关键信息通道,负责汇集融合国、省两级多中心地震预警和速报分系统的多套处理算法的处理结果,进行多个处理结果的同一地震事件判断及其可靠性判定,基于多个策略的信息优选和融合决策处理,产出融合决策后唯一、可靠、及时和准确的预警和速报信息结果。该结果经紧急地震信息服务系统的发布平台对外发布,社会公众、政府机构和特定专业用户可以基于收到的地震预警和速报信息进行防灾避险或应急救援。

多粒度三支决策研究进展

多粒度三支决策利用三支决策理论,从多视角、多层次对复杂问题进行数据分析与处理,逐渐成为一种高效、可靠的智能决策方法。本文对多粒度三支决策的研究工作进行综述,主要介绍了多粒度融合策略、多视角三支决策和多层次三支决策,以及从定性和定量两个角度探讨了多粒度三支决策,讨论了不同多粒度三支决策模型之间的关系,并指出了多粒度三支决策研究中存在的若干问题,为该领域的深入研究提供参考。

基于改进证据理论的冲突证据融合方法

为解决证据理论中Dempster组合规则融合高度冲突证据效果不佳的问题,提出一种同时考虑证据重要性与可靠性的综合权重生成方法和基于加权复数基本概率分配函数的证据融合方法。以提高证据融合结果的收敛性能和诊断精度为目标,建立相应的优化证据融合模型。实验结果表明,所提方法能够有效识别并处理证据冲突,克服证据加权融合过程中剩余信度被完全抛弃的问题,获得更好的融合结果和更快的收敛速度,提高诊断精度。

“一张图”在广西河长制湖长制信息管理系统中的应用

本文旨在探讨“一张图”理论在广西河长制湖长制信息管理系统的应用,以提升河流管理和保护的效率。通过分析广西河长制湖长制信息管理系统的建设现状及面临的挑战,指出引入“一张图”理念的迫切需求。在河长制湖长制信息管理系统中应用“一张图”促进数据融合与共享,提高决策的可视化支持,同时增强移动监管的灵活性和应用效果,并提出了优化建议。

基于广义自适应多粒度的多源信息融合研究

多粒度粗糙集模型是一种有效的信息融合策略。利用该策略能从多个角度将多源信息进行融合,并转化成一致的信息表示。现有的大多数多粒度信息融合方法对每个知识粒度都采用相同的阈值,然而,众所周知,不同的信息源的来源和噪声都不尽相同,其对应的知识粒度的阈值也应不同。为此,首先在广义多粒度粗糙集中引入单参数决策理论粗糙集,提出了广义自适应多粒度粗糙集模型。然后,利用经典的融合策略设计了4种广义多粒度模型,所有模型都可以通过一个参数补偿系数ζ来自适应地获得知识粒度对应的阈值对,并讨论了这些模型的相关性质。最后,通过实验结果证明,所提模型在实际应用中灵活性更高,决策更为合理。

混合交通流环境下基于MSIF-DRL的网联自动驾驶车辆换道决策模型

现有的网联自动驾驶车辆(Connected and Automated Vehicles,CAV)换道决策模型鲁棒性较差,存在安全隐患,且单纯依赖自车信息、较小范围内的感知信息,难以在CAV与人工驾驶车辆(Human-Driven Vehicles,HDV)混行的环境中推断出最优动作.综合考虑感知信息、自车以及车-车通信(Vehicle-to-Vehicle,V2V)范围内上、下游CAV信息,提出一种混合交通流环境下集成多源信息融合的深度强化学习(Multi-Source Information Fusion Deep Reinforcement Learning,MSIF-DRL)端到端网联自动驾驶换道决策模型.首先,构建含有多源信息的状态空间,并为不同信息分配权重;其次,通过编码网络将各种动态信息编码到高维特征空间,进行信息融合得到特征图;然后,将其扁平化送入拥有优先经验回放机制的竞争双深度Q网络中,进行动作的选择和评估;最后,分别设计适用于主线、匝道CAV的奖励函数引导所提MSIF-DRL模型解决高速公路合流区驾驶场景中CAV的自由以及强制换道问题.基于SUMO软件在各种仿真条件下进行实验,将所提出的MSIF-DRL换道决策模型与现有换道模型进行比较,验证其有效性和优越性.研究结果表明:相较于现有模型,所提MSIF-DRL模型在各种仿真条件下均拥有最高的奖励值、换道成功率、合流成功率、平均行车速度、舒适性以及最低的碰撞风险,其中换道成功率、合流成功率、平均行车速度最大分别提升了29.17%、27.71%、17.43%;随着渗透率的提高,该模型在处理混合交通流环境下CAV的换道决策问题时拥有更强的性能和鲁棒性.

基于信息融合的农田智能化管理系统应用研究

随着农业生产规模的扩大,农田信息管理难度越来越大。传统农田信息管理主要以人工采集信息和主观经验管理为主,信息采集效率低、不全面,且实时性不高,管理效果差。为解决农田信息管理存在的诸多问题,深入研究了信息融合技术,建立了信息融合功能模型,并将其应用在农田信息管理中,完成了基于信息融合的农田智能化管理系统的应用研究。同时,优化设计了智能化管理系统的总体方案,完成了信息融合算法的结构设计及运算流程设计,并利用信息融合算法进行功能测试。测试结果表明:基于信息融合的农田智能化管理系统能够准确预测温度变化趋势,为指导农业生产提供较好的作业决策,实现了对大范围农田信息的智能综合管理,可以减少水源、肥料及电能等各方面的浪费,具有较大的推广价值。

基于Transformer的粮食安全信息融合算法研究

粮情监测和环境控制对保证粮库安全具有重要意义,但是由于粮库环境复杂,令相关工作人员对其的实时监测十分困难。这就出现了对粮库多源数据融合分析的需求,特别是对异质传感器信息的融合,即对多传感器时间序列数据进行有效的异常检测。但是如何提高数据融合结果的准确度和稳定性一直是个问题。为了能够实现准确的多源异质数据融合,提高粮库监控的智能化,以自注意力机制为切入口,提出了一种基于无监督的Transformer深度学习模型来进行粮库安全信息融合,该模型能够广泛适用于不同的粮库安全监测场景。实验结果表明,本文基于自注意力机制的信息融合模型具有更好的粮情监控能力,能够及时有效的发现粮库的存储问题,保证储粮安全。

基于数据融合分析的电力营销决策支持信息系统

为解决当前电力营销决策支持信息系统存在的准确率低、耗时较长问题,基于数据融合分析的电力营销决策支持信息系统。对电力营销决策支持信息系统的需求进行全面分析,利用MVC三层架构以及SSH框架完成用户交互、业务逻辑以及数据层的系统架构以及功能模块设计。采用数据融合算法处理电力营销决策信息,解决两传感器置信距离不同的问题,模糊化支持矩阵以减小阈值由于人为设定所存在的决策误差问题,降低各种可能导致融合结果产生决策误差的扰乱因素。实验结果表明,本文方法数据分析准确率和数据转化率较高,且数据测量过程中所消耗的时间较少。

基于多源信息融合的电力系统快速故障诊断方法研究

在电力系统中,快速准确的故障诊断对于恢复系统正常运行发挥着至关重要的作用。作者将有序加权平均算子应用到电力系统故障诊断中,提出了一种基于信息融合的快速故障诊断方法。该方法将断路器的离散时间信息以及记录仪的连续时间信息进行融合,从而通过多源信息改进系统决策过程。仿真实验表明,当采用融合后的故障诊断系统进行决策时,可以有效提高故障诊断能力,缩短了发现故障的延迟时间,同时也验证了提出方法的有效性。

HULZNs环境下基于语义偏好参数的多准则群决策模型

针对语义分布不平衡环境下的语义偏好和决策信息的复杂性问题,为提高决策的准确性,提出了一个新型不平衡语言尺度函数.它可通过改变语义偏好参数来调节相邻语义之间的偏差,适用于不同的决策环境,并对相关性质进行了证明.在犹豫不确定语言型Z-numbers(hesitant uncertain linguistic Z-numbers,简称HULZNs)的环境下,定义了两个HULZNs之间的距离以及部分运算,建立了优先加权平均运算算子和一种新型多准则群决策模型.最后,对提出的新模型利用实例进行了分析,验证了方法的有效性和可行性.

An Information Fusion Model of Innovation Alliances Based on the Bayesian Network

To solve the problem of information fusion from multiple sources in innovation alliances, an information fusion model based on the Bayesian network is presented. The multi-source information fusion process of innovation alliances was classified into three layers, namely, the information perception layer, the feature clustering layer,and the decision fusion layer. The agencies in the alliance were defined as sensors through which information is perceived and obtained, and the features were clustered. Finally, various types of information were fused by the innovation alliance based on the fusion algorithm to achieve complete and comprehensive information. The model was applied to a study on economic information prediction, where the accuracy of the fusion results was higher than that from a single source and the errors obtained were also smaller with the MPE less than 3%, which demonstrates the proposed fusion method is more effective and reasonable. This study provides a reasonable basis for decision-making of innovation alliances.

类脑计算脉冲神经网络模型及其学习算法研究进展

深度神经网络在实际应用中的局限性日益凸显,具备生物可解释性的类脑计算脉冲神经网络成为了人们研究的热点课题。应用场景的不确定性及复杂多样性给研究者提出了新的挑战,要求类似生物大脑组织具备多尺度架构的类脑计算脉冲神经网络,能够实现对多模态、不确定性信息的感知决策功能。文中主要介绍了多尺度生物合理性的类脑计算脉冲神经网络模型及其面向多模态信息表征和不确定信息感知的学习算法,并分析探讨了基于忆阻器互联的脉冲神经网络可实现多尺度架构类脑计算的两个关键技术问题,即多模态、不确定信息与脉冲时序表示一致性问题和多尺度脉冲神经网络学习算法与容错计算问题。最后,对类脑计算脉冲神经网络的研究方向进行了分析与展望。

基于残差网络和粗细粒度的音视频情感识别

针对情感特征表征性不足以及离散型和连续型情感描述间关联缺失的问题,提出一种基于残差网络和粗细粒度的音视频情感识别方法。基于残差网络构建双子网络提取特征,视频子网设计恒定残差网络和细节关注分支,弥补深层特征的细节信息;音频子网利用分段注意力机制提升特征判别力。使用比例决策融合策略得到最终情感分类结果。设计粗细粒度损失函数,优化整个网络的性能。实验结果表明,所提方法有效提升了识别精度,验证了不同情感描述间的关联对情感识别的辅助作用。

Fusion Method for Interval Number Multi-sensor Information

The interval numbers are used to types and observation of sensors, a new fusion represent the characteristic values of object method for multi-sensor object recognition is proposed from the viewpoint of decision making theory. The method defines the distance matrix and grey association matrix between all object types and unknown object. After solving the optimization problem of maximizing the standard deviations for all attributes, the weights of the attributes are obtained. Thus, the result of recognition for the unknown object is given by the grey association degree. This method avoids the subjectivity of selecting attributes weights. It is straightforward and can be performed on computer easily. The simulated example demonstrates the feasibility and effectiveness of the proposed method.

电气设备局部放电模式识别研究综述

电气设备局部放电模式识别是指对电气设备的放电故障类型进行识别。作为局部放电故障诊断技术的基础,它为局部放电风险程度评估提供重要的参考信息。对国内外在电气设备局部放电模式识别技术方面的研究现状进行梳理,分别从局部放电模式构造、特征量提取以及分类器选择3方面进行归纳总结。讨论了目前局部放电模式识别各环节研究及实践中存在的问题,最后从融合多种放电模式的特征量信息、优化改进分类器以及寻优分类决策等方面对局部放电模式识别技术的发展进行展望。

变压器故障诊断中信息融合技术的应用

电力变压器的可靠性直接影响供电的稳定,为此结合电力变压器故障诊断的具体情况,从信息融合的角度提出了基于信号类型及不同特征向量组合的集成诊断模型。该模型利用基于故障机理内在因素的专家系统,采用匹配知识规则,通过模糊推理,得特征向量与变压器故障信息间的关联性质,完成故障诊断,且诊断完成后,利用数据挖掘技术将诊断过程中的特征量、推理过程、结果以编码形式存入专家系统规则库。该模型将油中溶解气体、电气参数等特征量结合作为故障判据,评估变压器状态,并利用评估结果丰富专家系统的规则库。在讨论了多传感器信息融合技术用于变压器在线故障诊断时的具体实现方法后通过实例进行分析说明:利用来自传感器的各种故障信息进行融合,作为变压器故障诊断的判据,提高了诊断的可靠性和准确性,这将对提高电网安全性能及电气设备的诊断自动化与智能化水平起到推动作用。