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。     

基于焦元距离的冲突证据组合规则

由于Dempster-Shafer理论(Dempster-Shafer theory, DST)组合规则归一化计算导致冲突信息的不合理分配,使得处理高冲突证据时常常得到违背直觉的合成结果,因此在很大程度上制约了它的应用。提出了一种基于焦元距离的冲突证据组合规则,首先通过定义焦元距离的概念来获得证据源的权重因子,并引入了焦元置信指派的数学期望和方差关系来定义证据焦元的信任度和相似度,通过分析局部冲突产生的原因,利用冲突焦元提供的信息将冲突信息进行局部分配。实验结果表明,新的组合规则不但可以有效地解决高冲突证据融合问题,而且在最差的融合顺序下也能得到合理的融合结果。     

两种新的DS合成法则仿真近似算法

DS合成法则计算时间复杂度是影响DS理论广泛应用的主要原因之一,介绍了几种著名的近似算法,并分析了它们的优劣性,指出了这些方法的存在的问题。给出了两种新的仿真近似算法,这两种新方法不需要预先限定焦元的个数,计算过程直观、方便,结果合理。仿真试验结果表明,这两种方法的计算结果和Bayesian方法非常接近,但不存在Bayesian方法的不合理之处。对几种算法作了进一步分析研究,给出了三种算法间的关系。     

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。     

融合不确定信息的某型导弹控制系统可靠性分析方法#br#

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster Shafer (DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。     

求解约束优化问题的改进算法及其收敛性分析

针对约束优化问题,提出一种改进差分进化算法。为了利用种群中不可行解的信息,新算法设计了一种改进DEB准则;为了进一步提升算法在受限空间的寻优能力,新算法设计了一种交叉概率CR和缩放因子F的生成方法。13个标准的测试函数的实验结果证明,与目前求解约束优化问题最优秀的算法相比,新的改进差分进化算法仍然非常有竞争力。     

基于模糊测度KNN的多维度数据分类算法

k-近邻(KNN)算法具有直观、无需先验统计知识、无监督学习等优点。多维度数据存在边界模糊性,这导致集合元素隶属关系的不确定,传统KNN算法不能有效地进行分类。本文提出利用模糊测度加强不确定性特征信息的量化,建立基于模糊测度的k近邻分类算法(FM-KNN)。先通过构建证据理论(Dempster-Shafer Theory)模糊测度函数,解决证据理论非单调性等问题;再利用证据模糊测度对多维度属性的不确定信息进行量化计算,通过支持信度确定样本分类规则。通过对比实验表明,在多维度样本数据分类方面FM-KNN算法比其他KNN分类算法有着更好的效果。     

多传感器自动目标识别中的冲突证据组合方法

针对决策级信息融合中的冲突证据组合问题进行了深入的研究。在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法。该方法首先计算证据之间的相似度矩阵,其次计算各个证据之间的可信度,最后采用归一化的可信度对证据进行加权平均,再进行n-1次DS组合。仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果。     

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。     

三站无源定位系统数据关联算法

全局最优量测数据关联算法是无源定位技术中的关键问题。针对三站无源定位系统全局最优数据关联的三维（3-D）分配问题，提出一种新的直接求解算法——启发式消元算法。该算法通过直接对代价矩阵的元素进行启发式消元，得到分配问题的最优解。给出算法相关原理的分析和证明以及算法的具体步骤。并将其应用于三部光电被动传感器多目标无源定位系统两级数据关联算法的第二级关联过程中。对启发式消元算法和求解3一D分配问题的近似最优求解算法——拉格朗日松弛算法的算法复杂性进行了分析对比。理论分析和仿真实验均表明，该算法较适合与两级关联算法联合使用。与拉格朗日松弛算法相比。该算法计算量小。便于实现。是一种新的、有效的全局最优数据关联算法。     

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.     

城市轨道交通网络客流分配模型和算法综述

城市轨道交通网络客流分配是推算客流分布的基础理论方法.本文首先介绍了既有的城市轨道交通客流分配模型,从客流分配建模中的网络建模架构,乘客出行行为假设和客流分配原理三方面对比分析了既有研究的模型特征.在分配模型分类的基础上,重点阐述了客流分配算法中的网络路径搜索、分配模型求解和客流行为模拟和分布仿真算法的研究进展.最后,提出了我国城市轨道交通客流分配在网络化运营新形势下的研究展望.     

含广义三角模糊数的机械结构可靠度计算方法

针对可靠性度量时机械结构中存在广义三角模糊数的不确定性问题,提出一种基于证据理论的离散化机械结构可靠度计算方法.为合理地构建不确定性变量的基本概率分配,首先基于证据变量基本概率分配的离散特性,改进了熵等效法在广义三角模糊数去模糊化时的不足,并在改进熵等效法的基础上提出一种广义密度法对其进行去模糊化处理.然后利用离散化方法将随机变量和广义三角模糊数进行证据结构表征,并将离散的连续焦元序列(子区间)作为其证据体,进而构造其基本概率分配.最后利用证据融合法则对证据体进行融合,以实现信任度和似真度的数值计算.将所提出的方法运用于曲柄滑块机构的可靠度计算,并结合蒙特卡罗模拟法验证了该方法的可行性.     

Evolutionary algorithm based index assignment algorithm for noisy channel

A globally optimal solution to vector quantization (VQ) index assignment on noisy channel, the evolutionary algorithm based index assignment algorithm (EAIAA), is presented. The algorithm yields a significant reduction in average distortion due to channel errors, over conventional arbitrary index assignment, as confirmed by experimental results over the memoryless binary symmetric channel (BSC) for any bit error.     

传感器动态可靠性评估与证据折扣

在基于Dempster-Shafer理论的融合目标识别系统中,传感器可靠性评估与证据折扣是应用Dempster组合规则进行多传感器证据组合的关键问题。提出了一种根据传感器当前输出证据与所有传感器平均证据之间的冲突来评估传感器动态可靠性的方法,借鉴冲突处理中Dubois&Prade规则的思想提出了一种证据折扣规则,该证据折扣规则将折扣量按局部冲突的大小分配给涉及各局部冲突的集合的并。仿真和实测数据实验验证了该方案的有效性。     

区域反导目标分配模型优化分析

区域反导目标分配是多资源约束,按照一定分配准则循环分配的过程.分析了区域反导目标分配流程与准则,构建综合拦截概率和作战效费比的目标分配模型,并给出了该目标分配模型转化为基本0-1规划问题的方法;针对该多约束目标分配优化模型对高寻优、强实时求解算法的需求,结合生物免疫过程,引入改进的克隆选择算子、云自适应变异算子、抗体重组算子、精英抗体保存算子,提出快速收敛的克隆选择算法.仿真结果表明该算法尤其解决大规模区域反导目标分配问题时不失为较为理想的优化算法.     

基于归纳法的同构资源目标分配算法

针对传统目标分配算法不能求解大规模资源目标分配的组合规划难题,提出了一种基于数学归纳法的资源目标分配算法。建立了资源相同条件下的目标分配数学模型。通过逐步增加资源和资源预分配的方法,不断从每次迭代的预分配方案中选择最优的分配方案,极大地降低了分配问题的搜索解空间和计算复杂度。以无人机协同区域搜索为典型应用案例,分别设计了对比实验和性能实验。仿真实验结果表明，该算法可以保证得到目标分配问题的全局最优解,并且在大规模资源分配中具有很好的实时性。