基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

基于相容系数的冲突证据合成方法及评价准则

DS（Dempster-Shafer）证据理论能够有效地处理不确定信息,在信息融合领域得到了广泛的应用。针对DS证据理论在处理高冲突证据时存在的不足,提出了一种新的证据组合方法和量化的评价指标。所提方法利用相容系数来确定每个证据关于各个命题的权重,对证据源进行修正后再利用DS证据理论组合规则进行融合。评价指标则是利用证据源的权重对合成结果与原始证据之间的冲突进行加权求和。仿真实验结果表明,同已有方法相比,所提方法的合成结果更加合理。相应的评价准则也符合主观认识,显示出良好的评价性能。     

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.     

基于证据理论的多阶段混合型偏好信息群决策方法

针对多阶段群决策环境下的混合型偏好信息集结问题,引入证据理论对实数、区间数、语言信息及语言直觉模糊数信息进行统一度量,并提出一种新的、基于发展稳定和增长趋势的多阶段激励性集结方法.首先,利用基于改进灰色关联分析的模糊测度方法将混合偏好信息转化为基本信度分配函数形式(mass函数);其次,综合冲突系数及证据间的相似性程度确定证据冲突度,并以此计算专家权重,利用证据权值和Demsper组合规则对不同专家的mass函数进行修正融合;再次,利用多阶段方案的排序与平均序值的差值衡量备选方案的波动情况,并定义稳定性激励调节系数;最后,将该决策方法运用到商业银行对小微企业融资贷款的选择案例中,对比分析方法的合理性和可行性.     

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.     

基于证据折扣优化的冲突证据组合方法

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,出现冲突的证据组合,这一直是D-S理论研究的热点.现有改进的组合规则大部分不满足结合律原则,导致不同的组合顺序会得到不同的组合结果.针对这一问题,给出了一种新的满足结合律原则的证据组合推理规则.首先建立了基于Ign(·)函数极小化的证据折扣优化模型,然后利用最优折扣对证据进行修正,得到证据修正模型,最后利用新的证据合成规则对修正后的证据进行组合.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明显改进.     

基于证据理论的目标识别方法

当目标识别系统中传感器信息高度冲突时,仅利用D-S组合规则无法有效融合。提出一种基于证据理论的目标识别方法,该方法首先定义了冲突系数,在此基础上设计了目标识别方法。当冲突较小时,直接利用D-S组合规则进行融合识别;反之,根据冲突的具体情况对证据先折扣再融合识别。通过目标识别仿真实验与其他识别方法进行了比较,实验结果表明所提方法提高了抗干扰能力,具有较快的收敛速度。     

不确定语言信息下的大规模交互式群体评价方法及其应用

针对目前不确定语言信息下的交互式群体评价研究数量较少且大多只适合中小规模群体研究的不足,提出了一种新的不确定语言信息下的大规模交互式群体评价方法。对单轮大规模不确定群体意见进行合理的聚类分组,并运用二维不确定语言密度算子对其进行集结;给出了一个大规模群体意见的稳定性指标,以此来确定交互终止的条件;最后,在诱导不确定语言混合集成算子的基础上,对多轮评价结果进行了集结。实例分析验证了该方法的有效性和合理性。     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.