无人驾驶车在越野环境中障碍身份识别

针对无人驾驶车越野条件下的环境感知问题,基于Dempster组合规则实现了障碍目标的身份识别.首先,基于CCD和激光传感器提取5个特征作为障碍物特征证据;然后,将传感器数据转换到证据空间,选用模糊插值法求取障碍物身份隶属度进而获取相关系数;再次选择经验公式,根据障碍物类型和环境加权系数计算基本概率赋值函数;最后,基于Dempster的组合规则求得融合后的总概率赋值函数,制定决策规则并识别障碍身份.实验结果表明基于D-S证据理论识别障碍物身份具有良好鲁棒性和实时性.     

基于偏差的冲突证据融合的改进方法

在Dempster-Shafer(D-S)证据理论中,传统D-S组合规则在证据高度冲突时存在失效问题,会产生与常理相悖的结论.为此,文中提出了一种改进的处理冲突证据的融合方法,即通过计算各证据到命题平均支持度的偏差,来检测和消除冲突证据,并对最后结果进行修正,以合成来自不同识别框架的证据.计算实验结果表明,该方法能有效处理冲突,得到符合实际的组合结果,相对于其他典型算法,该方法在收敛性和可靠性上有明显改进.     

基于D-S证据理论的岩体质量分级组合评价方法

现有岩体质量分级方法评价结果存在非一致性的问题.为此,在组合评价思想的基础上,选取多种岩体质量分级方法作为基础分级方法,建立了岩体质量分级组合评价计算模型.并考虑到D-S证据理论是一种较严谨的不确定性推理方法,其具有较强的信息融合能力,并且能够反映不同信息之间的一致性和冲突性,将其引入建立一种新的组合评价方法合成规则.然后,针对D-S合成规则需要解决确定基础分级方法基本概率分配函数这一问题,引入欧氏距离建立基础分级方法基本概率分配函数的确定方法,从而最终建立基于D-S证据理论的岩体质量分级组合评价方法.最后,工程实例分析表明,3种基础分级方法存在冲突性,但是D-S证据理论能够较好地解决这一问题.     

基于多传感器信息融合的轮履混合移动机器人路况识别方法

针对未知环境下轮履混合移动机器人的路况识别问题,提出一种将支持向量机(SVM)与Dempster-Shafer(D-S)证据理论相结合的多传感器信息融合路况识别方法.设计了一个基于超声波传感器和红外传感器的数据采集系统,以提取路况的信息特征;以Platt后验概率为基础,建立了多类SVM的后验概率模型,并构造D-S证据理论所需基本概率分配(BPA)函数;同时,将SVM与D-S相结合的信息融合识别方法应用于轮履混合移动机器人的3种典型路况识别实验.结果表明,所提出的方法能够满足轮履混合移动机器人识别平坦路面、斜坡和台阶等路况的要求.     

基于集合覆盖模型的冲突证据合成

针对D-S证据理论在处理冲突证据时可能会造成处理结果与我们的直觉相悖的情况,在已有研究的基础上,运用集合覆盖理论,用几个非冲突子信息系统覆盖原来的带有冲突证据的信息系统,再利用D-S证据理论对每个子信息系统进行合成.最后利用概念支撑的思想定义了每个子系统的权重,合成最终的概率指派函数.所用的基于集合覆盖模型的冲突证据合成(combination of confilicting evidence based on set covering model,CCEM)的方法是对Dempeter定义组合规则的一种扩展.     

证据理论在飞机电气系统性能评审中的应用

介绍了民用飞机电气系统性能评审的现况,分析了飞机电气系统性能评审的特点,引入D-S证据理论,建立了基于D-S证据理论的飞机电气系统性能评审模型.电气系统评审模型用基本信任函数表达根据专家经验和知识所得出证据的不确定性,然后再利用D-S证据理论合成规则得出多批证据联合作用的结果,提高了评审决策的科学性.     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

信度函数在复杂网络节点重要性评价中的应用

针对复杂网络中重要节点的识别问题,提出了一种基于信度函数复杂网络中识别节点重要度的方法;回顾了信度函数、复杂网络相关理论知识及节点重要度相关算法,建立了基于信度函数的节点重要度识别模型;通过建立辨识框架,把节点相关属性转换为信度函数,利用证据理论组合规则进行融合,得到节点的综合属性信度函数值并将其转换为单一数值,进而提到节点的排序结果;实例分析表明,所建立模型有效克服了相关单一节点重要度算法的局限性问题,具有合理性与有效性,可进一步推广。     

基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究

本文介绍了一种基于Dempster-shafer(D-S)证据理论的多源信息融合理论在系留气球缆绳故障诊断中的应用方法。分析介绍了D-S方法的基本理论、基本概率分配函数(BPA)的获取途径、组合法则和决策方法等。通过实例分析表明,该方法的应用可以大大降低原来只靠单个传感器判断的局限性和不确定性,给系留气球系统缆绳故障的判断提供了一种新的解决思路。     

利用偏差进行冲突证据融合的改进方法

本文对D-S证据理论组合冲突证据时存在的缺陷进行了研究, 在前人的基础上提出了一种改进的处理冲突证据的融合方法, 该方法通过计算各证据到命题平均支持度的偏差, 来检测和消除冲突证据,并对最后结果进行了修正, 以处理来自不同识别框架的证据的合成. 实验计算结果表明,该方法能有效处理冲突, 得到符合实际的组合结果, 相对于其他典型算法, 本文方法在收敛性和可靠性上有了明显改进     

基于证据理论的公务员绩效评价分析

文章将证据理论应用于公务员的绩效评价,提出了一种基于证据理论的公务员绩效考评方法;基于证据理论的相关概念和决策程序,根据已掌握的相关证据,构造出识别框架,在此基础上确定出基本可信度分配函数和信度函数;然后构造出绩效函数,用于比较绩效的大小,并进行了相关的实证分析。     

一种基于非封闭识别框架的改进证据推理方法

在证据融合推理时,由于系统中出现未知新命题和传感器收集的证据不可靠,使得Dempster组合规则不适用于冲突证据组合.为了有效地处理冲突证据,提出一种基于非封闭识别框架的改进证据推理方法.首先在封闭识别框架内增加一个表示新命题的集合,将封闭识别框架扩展为非封闭识别框架,给出新命题基本概率指派的赋值方法,然后给出非封闭识别框架下焦元的组合规则.在非封闭识别框架下,依据冲突焦元本身基本概率指派以及证据的可信度信息,将局部冲突在涉及冲突的焦元之间分配,最后通过实例结果表明,与封闭识别框架下的 Dempster组合规则结果相比,该方法可以有效识别出新命题.非封闭识别框架下的改进证据推理方法,可以通过在非封闭识别框架下,对新命题与已知证据及已知证据之间的两类冲突信息在局部分配,使最终证据推理结果向合理方向聚焦.     

受证据理论启发的传感器数据融合算法

受证据理论的启发,提出了一种新的传感器数据融合算法.借鉴证据理论中的基本信任分配思想和证据组合思想,将所有测量值构成的集合视为辨识框架,并对各个测量值的精度进行判断,在此基础上将各个测量值分别转换为相应的证据;再利用基于冲突分配法的证据组合规则对所有证据进行组合,所得合成证据的Mass函数即为各个测量值的权值分配函数;...     

基于证据理论的证券组合优化分析

提出了一种基于证据理论的证券优化组合方法,解决了最优投资比例问题和最大组合收益问题;文章根据现有证据,构造出识别框架,并确定出基本可信度分配,然后由集函数过渡到点函数,求出单点似真度,经过归一化处理后,确定了令人满意的投资比例;最后比较了各种组合的收益大小,进而得出最优组合。     

快速mass函数收敛算法

DSmT可以很好地解决高冲突证据的组合问题,但是它存在计算量大和主焦元的mass函数难以收敛的问题.针对这些不足,提出快速mass函数收敛算法,在融合过程中只计算辨识框架中单元素形成焦元所占的基本置信指派,并对其做归一化处理,重构mass函数,大大降低了计算量的同时也使mass函数迅速收敛向规定的阈值,以利于快速准确地...     

扩展主观逻辑的粗化与细化

为了提高主观逻辑的扩展性和灵活性,文中结合证据理论及信任结构,提出了基于三项事件的扩展主观逻辑.通过重新定义观念空间与事实空间之间的映射关系,给出扩展主观逻辑的粗化和细化映射及相应的计算规则,扩展主观逻辑能够根据实际环境的需要提供不同详细程度的识别框架,并利用粗化和细化映射在扩展主观逻辑上统一对信任函数进行结合,而结果可重新映射回原识别框架.实例及分析表明,利用扩展主观逻辑可以解决不同识别框架之间信任信息的融合问题.     

基于证据理论与多源信息融合的银行信贷客户评价

银行信贷过程中将不可避免地涉及到信贷客户的各种不确定信息，采用证据理论方法，在建立识别框架和基本概率分配函数基础上，从特征级和决策级2个层面，通过计算和统计分析，得到客户的信任度和似然度2个结论，用这2个结论构成的信任区间，指导银行信贷的经办、决策人员的工作，促进工作的有效开展。     

基于证据理论的单一故障诊断方法比较研究

为了比较和研究证据理论中Dempster,Yager,PCR5三种组合规则的融合效果,构建多源传感器故障诊断识别框架,利用已有实验数据分别对基于3种组合规则融合多传感器信息诊断单一故障的过程进行仿真,并采用信息熵作为不确定性量度.结合融合后的基本概率分配函数和故障判定结果对各组合规则的融合效果进行定量比较、分析和评价.结果表明:3种组合规则均能够融合多传感器信息对所选的单一故障实现诊断,其中,Dempster组合规则的诊断结果具有最低的不确定性,Yager组合规则的效果相对较差.该研究对证据理论组合规则在冲突不明显时的融合效果进行了定量分析,是对已有定性分析研究的验证和补充.     

证据理论合成规则的改进

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．该文提出了一种证据理论合成的改进方法，该方法不仅能处理相互冲突的证据，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，还能根据证据携带的信息量决定聚焦的权重，使合成结果符合实际情况．     

以组合故障案例为证据的一种诊断推理方法

针对单纯依靠案例特征之间的相似性进行推理、结果中将存在不确定性信息的问题,通过引入证据理论,将搜索结果中的故障模式构成目标识别框架,并基于案例之间的相似度,给定各故障模式的基本概率赋值.利用证据理论的组合规则,对搜索出的相关案例样本进行信息融合,从全局相似度中有效地分离出案例对特定故障模式的确定性信息,从而降低了推理结果中故障模式的不确定性信息.对大机组实际故障数据的应用,证明了方法的有效性,为组合故障的案例推理提供了解决思路.