一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,以D-S(Dempster-Shafer)证据理论为基础,指出了已有研究在焦元识别的方法及相应焦元语言评价信息量化上存在的问题.同时提出了一种基于D-S证据理论的改进方法,该方法重新进行焦元识别、计算基本可信度分配,然后进行证据合成,并根据信度函数做出决策.该方法具有评价结论稳定、决策规则简单的特点.     

一种改进的D-S证据合成方法及其应用

针对高度冲突证据的合成问题,分析了传统Dempster组合规则及其改进方法的不足,提出了一种新的冲突证据合成方法。该方法首先计算证据之间的距离矩阵和相似度矩阵,然后计算各证据获得其它证据的支持度,将支持度归一化处理得到各证据的可信度,最后基于可信度采用加权平均的方法将证据冲突概率分配给各个命题。数值算例结果表明,该方法减小了冲突证据在组合规则中的作用,有效地降低了干扰信息的影响,能够得到合理的融合结果。     

基于证据理论的多任务抢修重要度决策

针对多任务抢修重要度决策中信息类型多样、描述不确定、传递不完整、历史无记录的现象,建立了基于证据推理的重要度决策指标体系和决策模型。将不同类型定性和定量决策信息通过相应的方法转换为同一框架下的基本信度效用值,然后根据各决策信息的重要度,通过证据理论合成方法对各因素基本信度效用值进行分类逐层合成,并根据决策信息中非空信息数量提出了重要度决策的量化方法。仿真算例验证了该方法的有效性。     

区分证据重要性及分配证据冲突的新方法

基于证据"可信度"和"确定性",定义了证据"有效性",提出了区分证据重要性的新方法,修正了原始证据模型; 界定了焦元"有效信度容量"和"识别一致性", 阐明了分配证据冲突的依据,构建了分配系数计算公式,修改了证据合成规则.对比实验表明:改进的证据合成方法在处理高度冲突证据合成时,具有更好的收敛性和鲁棒性.     

D-S证据理论合成规则及冲突问题

系统研究了近年来关于D-S证据理论合成规则的相关成果,提出一种新的基于证据可信度的合成方法,并就解决证据合成悖论的有关问题做了必要讨论.鉴于Dempster规则处理冲突的不足及修正原始证据模型方法的可靠性,决定在分配冲突的同时应对证据模型进行修正,实现两者紧结合,在对一致性证据的"与"运算合成问题上,以及证据冲突在各合成命题的比例分配问题上,均有效利用了各证据的可信度等全局信息.实验结果表明:该方法在证据一致和高度冲突的情况下均表现出良好的适应性,具有较快的收敛速度和高可靠性,明显优于同类其他合成方法,可应用于多源信息融合、模式识别、不确定信息决策等领域.     

基于C-OWA算子的区间信度合成方法

针对经典的区间信度合成方法不满足结合律、计算复杂等问题,构建了一种基于C-OWA算子的区间信度合成方法。该方法通过构造基于C-OWA的区间信度点化算子,将区间信度转化为点信度,同时对不同偏好的区间信度进行调整,并利用点化算子对区间信度的有效性、区间信度分配的风险偏好进行判断,再利用点信度合成方法将点化后的区间信度进行合成。最后,通过一个算例,对比分析该方法的有效性。     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

基于证据理论的不确定可拓推理及其应用

针对可拓推理的不足及可拓知识的不确定性,将关联函数与信任函数结合起来,研究不确定条件下可拓推理的可信度与支持度、冲突度与一致度,构建了基于证据理论的可拓推理函数及合成规则,以实现决策对象在不确定条件下的比较与选择,解决了多方案可拓推理、动态识别的数据挖掘问题,提高了可拓推理的准确性和可信度。     

基于证据理论的部分属性偏好信息群体赋权方法

针对已有的赋权方法在处理部分属性偏好信息的群体赋权问题上的局限性,提出了基于证据推理建模的解决方法。将不同专家的偏好信息视作来自不同信息源的证据,首先定义了焦元识别方法,然后采用惟一参照物比较判断法计算证据的基本可信度分配,应用Dempster规则进行证据合成,进而得到专家群体的属性赋权。在证据合成过程中,推导出了合成结果的解析表达式,与直接运用证据合成规则相比计算量大大缩小;在专家群体信息集结中,给出了一种基于位置权向量和证据相似度指数的客观证据赋权方法,从而突出了与大多数专家意见相似的专家的作用。最后给出了一个示例。     

一种基于信息源可信度的证据组合新方法

D-S证据组合规则在处理高冲突度信息时,会得出与直觉相反的结论,进而遭到质疑,也引发了很多专家学者的研究。根据指挥员在作战中处理冲突证据的一般习惯,提出了一种基于信息源可信度的证据组合新方法。建立了信息源可信度的计算模型,给出了基于信息源可信度的按比例分配冲突度的证据组合推理规则,算例验证结果表明,新的组合推理规则在处理冲突方面的性能得到了明显改进。     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

含冲突的决策表中的决策规则发现

基于Rough集理论中的可辨识矩阵，讨论包含冲突样本的决策表中的决策规则及其可信度和支持度因子，提出决策规则的发现算法，算法通过删除决策表的核属性来引入新的冲突,以获取具有更高适应度的决策原则，最后用实验结果证明算法的可行性。     

决策分析中属性约简的择优算法

粗糙集理论在决策分析中具有广泛的应用。基于优势关系的粗糙集理论只给出如何进行属性约简以得到决策规则的方法，本文则进一步研究了如何针对不同的属性约简如何进行选择。在优势关系的基础上引入格序的概念，利用序关系给出属性约简的贴近度，借此比较了不同约简下所得决策规则贴近于原知识库的程度，并通过一个具体例子加以说明。     

不一致决策表中规则提取的矩阵算法

由于数据采集能力不足等原因,决策表通常都不是一致的。如果将不一致的对象完全删除,则丢失了大量隐含在这些对象中的信息。针对不一致决策表,在分配约简、分布约简和最大分布约简的定义基础上,通过定义相应的决策矩阵并比较它们与条件属性矩阵的关系,得到提取信息系统的所有分配规则、分布规则和最大分布规则的矩阵方法。该方法的优点是直观有效,能获得所有规则,并同时得到相应的约简。     

处理冲突证据的一致性组合规则

在分布式融合系统中,通信延迟等因素会导致融合节点获得证据的顺序不同,使用传统证据组合规则难以得到一致的组合结果。根据组合规则基本性质可知,当组合规则不满足结合性时,证据顺序的不同会导致组合结果的差异。多数冲突证据组合规则,在解决Dempster组合规则冲突悖论的同时失去了结合性;部分冲突证据组合规则以组合结果不确定性为代价保持了结合性,但结果不确定性严重影响了用户决策。从冲突信度保留再分配的角度出发,使用自由Dezert Smarandache(DSm)模型保留先前冲突信度,基于先前冲突信度及当前证据生成权重,通过权重对先前冲突信度和当前冲突信度再分配完成证据组合。提出方法降低了证据顺序对组合结果的影响,在证据乱序情况下能够保持较好的一致性。数值算例验证了该方法的有效性。     

Utility Analysis of Belief in Evidence Theory

This article proposes, for the first time, a new issue called utility paradox problem, which can not be solved effectively by existing methods in evidence theory. A utility analysis method considering the subjective preference of decision maker is presented to solve the utility paradox problem. First, with a utility-belief function, the belief degrees given by experts are transformed into the utility-belief degrees, which determine decision makers' actions. Second, the rule of combination in evidence theory is used to combine the utility-belief degrees. This article presents properties the utility-belief function should have, and a specific function is given with its validation proved. Experiment shows the method is effective to solve the utility paradox problem.     

基于D-S证据理论的红外小目标融合检测方法

将红外图像中的小目标检测视为基于多图像特征的像素分类问题,提出了一种基于D-S证据理论的红外小目标融合检测方法。该算法首先提取双色红外成像系统中各传感器图像的图像特征,采用D-S证据理论中的基本概率分配函数对传感器图像中的像素进行基于多图像特征的分类,得到各传感器的目标检测基本可信度图;然后应用正交和规则复合来自各传感器的目标检测判决证据,获得整个系统的目标检测基本可信度图;最后根据决策规则输出最终目标检测结果。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,提高了系统的检测性能。     

无人战斗机态势评估变精度粗集决策方法

为了解决在态势评估中一般粗糙集决策方法仅对规则进行提取而不完成规则匹配的问题,提出了基于加权相似性度量的无人战斗机（unmanned combat aerial vehicle, UCAV）态势评估的变精度粗集决策方法。建立了UCAV态势评估决策信息系统模型,基于正确分类率β的确定原则,给出了β值的确定方法,在该β值下从决策模型中提取出了决策规则。提出了基于互信息度的属性相对重要度计算方法,并依据相对重要度给出了属性的客观权重,结合专家经验形成了属性的综合权重。提出了基于属性综合权重的加权相似性度量方法,通过比较当前对象与决策信息系统中所有对象的相似程度给出决策结果,完成对该对象作战意图的预测。结果表明,该方法有利于UCAV对对象作战意图的预测和判断。     

多传感器混合多模型估计的记忆分层融合算法

首先提出了两种局部节点交互多模型状态估计的整体先验信息的近似计算方法;其次,为构造全局融合估计的先验信息,给出了基于Dempster Shaffer证据理论的全局模型后验概率的融合方法,并在此基础上给出了全局等效目标运动模型的概念及其计算方法,上述结果使得基于有记忆分层融合算法的交互多模型估计融合成为可能;为利用融合结果改进局部节点的估计性能,首次提出了基于向局部节点反馈全局模型后验概率的融合反馈机制。仿真实验验证了所提分层有记忆交互多模型估计融合算法的有效性,以及引入反馈机制后对局部节点估计性能的改善。     

一种解决D-S理论证据冲突的有效方法

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。针对有效融合高度冲突的证据,提出了一种新的有效加权冲突证据组合方法。该方法通过引入一个证据体距离函数,利用证据之间的相对距离确定了证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合。与其他方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标,实例表明了该方法的有效性。