析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统（BRB-DL）比传统的置信规则库系统（BRB）具有更好的推理精度和适用性。然而,现有的BRB-DL在参数优化方面存在可移植性不足、应用效率低等局限性。鉴于此,本文将深度神经网络与析取置信规则库结合,有效减少了模型的规则和参数的数量,并引入梯度下降算法优化模型参数,提高了模型构建和优化的效率。最后,通过非线性函数的拟合,北京市空气质量污染预测和多个UCI公共分类数据集的实验对本文提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行了对比。结果表明,本文提出的方法比传统的方法具有更高的推理精度和更快的训练速度。     

利用聚类分析构建基于析取范式的置信规则库

针对现有基于析取范式的置信规则库构建方法存在过拟合、未合理利用已知数据信息等问题,提出利用聚类分析构建基于析取范式的置信规则库的新方法. 该方法通过对样本数据的输出结果进行聚类分析,获取输出结果的分布特征,以确定系统的规则数、结果评价等级等相关参数,并充分利用样本已知信息,完成基于析取范式的置信规则库构建. 为验证所提方法的有效性,选取输油管道和桥梁风险评估两个实验进行验证,结果表明,所提方法构建规则库系统能快速确定系统规模,并获得较高的推理性能.     

析取置信规则库系统参数优化的深度神经网络模型

基于深度学习的置信规则库系统在参数优化方面存在可移植性差、应用效率低等问题,为此,将深度神经网络与析取置信规则库结合,有效减少模型的规则和参数的数量;引入梯度下降算法优化模型参数,提高模型构建和优化的效率. 通过非线性函数拟合、北京市空气质量污染预测和多个UCI公共分类数据集的实验,对提出的方法进行验证,并将实验结果与现有的置信规则库系统和传统的机器学习方法进行对比. 结果表明,所提出的方法比传统的方法具有更高的推理精度和更快的训练速度.     

基于置信规则推理的库存控制方法

提出一种在非平稳需求以及区间预测需求情况下的基于置信规则推理的库存控制方法.该方法不依赖于需求的分布模型,区间预测需求利用能够处理多种定性和定量不确定性信息的ER(证据推理)框架进行表达,领域专家知识可以用来构建和初始化置信规则库,历史需求信息可以用来训练置信规则库,以得到更加可信的推理.给出了一个汽车4S店库存-销售实例,证实了该方法的可行性及其相对于传统方法的优越性.     

基于改进相似性度量的扩展置信规则库规则激活方法

针对扩展置信规则库(extended belief rule base,EBRB)系统在计算个体匹配度时会出现负值以及所有规则的激活权重都为零的问题,引入基于属性权重的欧氏距离,对传统的EBRB中相似性度量方法进行改进.此外,传统的规则激活方法激活的是所有激活权重大于零的规则,并没有考虑到规则之间的不一致性,而规则的不一致性会减弱EBRB系统的推理能力,因此将激活规则之间的不一致性也考虑进来,提出一种基于改进相似性度量的规则激活方法.与传统的扩展置信规则激活方法相比,新的规则激活方法通过设置阈值来激活规则,这些被激活的规则不仅是激活权重大于零的规则,而且是不一致性最小的规则集合.最后,利用输油管道泄漏问题和多个公共分类数据集对新的规则激活方法的有效性进行验证,实验结果表明,基于改进的相似性度量的规则激活方法能够有效提高EBRB系统的推理准确性.     

RIMER专家系统的设计与实现

基于证据推理的置信规则库推理方法（RIMER）被提出,由此产生了一种新型专家系统—RIMER专家系统。该专家系统提出了一种新的规则——置信规则,采用证据推理方法实现系统推理,并且拥有自学习的能力。本文给出了建立专家系统的步骤以及该系统在曲线曲面函数逼近中的应用实例,结果显示具有自学习能力的RIMER专家系统能够很好的逼近原系统,该系统具有很好的建模能力。     

基于置信规则库系统P2P网络借贷市场投资者偏好测度

立足于多属性决策领域中关于产品的评价选择问题,文章结合关联规则理论,从历史信息中挖掘出相应的关联规则,并构建置信规则库系统,最终构建偏好评价模型来准确把握投资者偏好,提高融资成功率。通过对国内P2P网络平台投资者偏好情况进行问卷调研,测度投资者对不同影响因素的偏好得分。对比发现,置信规则库系统的计算结果与研究结果基本一致,证明规则库系统可合理有效地测度P2P网络借贷市场中投资者偏好,也为设计更具吸引力的融资标的提供重要的决策信息。     

基于置信规则库和差分进化的设备寿命评估方法

介绍了置信规则库转换(BRB-transformation,BRB-T)模型以及运用置信规则库(belief rule base,BRB)推理进行寿命评估的过程.针对当前的置信规则库学习方法还存在依赖初始解、规则条数偏多、系统结构复杂的问题,结合装备贮存寿命评估的BRB-T模型,提出了基于差分进化算法(DE)对该模型的BRB参数进行学习的优化方法.最后,通过某航天设备的失效数据进行了验证.结果表明,该优化方法能够有效地对模型的BRB参数进行优化;并且优化后的模型可以准确地对产品的寿命进行评估.     

基于差分进化算法的置信规则库推理的分类方法

现有基于置信规则库参数学习的分类系统存在着一些问题,如分类准确度受模糊子区间划分数量约束,成非严格正相关关系;参数学习方法需人为给定规则数量;推理过程未体现特征与分类结果关联度等.为解决这些问题,提出基于差分进化算法的置信规则库推理的分类方法,该方法包括置信规则库分类系统构建及参数训练.首先引入置信规则库分类系统构建策略确定规则数;然后使用置信推理方法作为分类查询推理机;最后结合差分进化算法建立训练模型.在实验分析中,首先通过与现有分类方法进行对比,验证该方法的有效性;再通过对比不同区间划分数的置信规则库分类系统,说明参数训练的合理性.实验结果表明,该方法合理有效.     

一种新的证据组合规则

通过对证据组合问题进行深入的理论分析,提出一种新的基于局部冲突、局部分配和一致性部分进行合取规则的证据组合方法,同时利用证据的可信度来修正证据结构.在确定证据的可信度时,给出一种通用的计算模型.与很多改进的组合方法相比,该方法不仅适用于冲突情况,而且也适用于证据间比较一致的情况.数值仿真表明,所提出方法能加快收敛速度,同时降低决策风险.     

信度决策树中推理策略的改进

指出现有信度决策树中推理算法的不足之处,给出了一种新的基于规则的推理算法.新算法充分利用信度函数理论处理不确定信息的优势,采用折扣规则修正叶节点的输出,考虑了测试属性权重对分类结果的影响,提高了分类的精度和可靠性.针对现有证据组合规则处理冲突证据的不足,提出了一种新的证据组合规则,可以将相对可信度等信息有效融入证据组合过程.     

一种修正的DS合成法则及其近似算法

文章对DS合成法则中焦元可信度重新分配及合成法则的复杂度问题进行了探索和研究,提出了焦元在融合时信质部分转移的思想,据此确定了焦元可信度转移度的概念,进而提出了一种修正的DS合成公式.为了解决DS合成法则计算复杂度存在的np难题,论文提出了一种新的近似算法,并进行了实例分析,结果显示了新方法具有一定的合理性.     

一个采用模糊产生式规则的推理方法

在模糊集理论的基础上,本文提出了一种模糊产生式规则.为了采用这类规则进行推理,文中给出了规则前件与事实是否匹配的模糊匹配函数.最后给出了一个生成匹配事实的最大模糊包含演绎树的算法,并用实例说明采用模糊产生式规则进行不精确推理的方法.     

一种有效的加权冲突证据组合方法

为了有效融合高度冲突的证据,提高证据高度冲突时融合结果的可靠性和合理性,给出了一种新的加权证据组合方法。该方法根据证据之间的关联特性,通过计算证据体间的相对距离获得系统中各传感器证据的权重。首先引入一个证据体间的距离函数,根据多证据体的距离,得到系统中各传感器证据体之间的相似度和各证据的支持度,依据支持度的大小进一步可得到各证据的可信度,以此作为各证据的权重,对证据的基本概率指派进行加权平均,最后利用Dempster组合规则融合加权平均后的证据。与其他方法相比,该方法在系统存在伪证据(干扰)时能有效迅速地识别出目标。     

基于改进证据理论的群决策专家意见集结方法

针对Demsper组合规则无法有效集结群决策中高冲突专家意见的局限,提出了利用冲突系数和Jousselme距离综合表示证据冲突程度进而通过证据冲突度计算专家客观权重的方法,采用经典的Demsper组合规则对经权重修正后的专家意见进行了集结;提出了一种新的可能度计算公式及基于可能度的信任区间的决策方法。数值实例表明:提出的方法可以有效集结高冲突专家意见,与几种改进方法相比收敛效果更好。基于可能度的信任区间法与最大信任函数法和最大似真函数法相比,决策结果更加科学。     

基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Dempster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.     

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．     

基于综合冲突度量的高冲突证据融合算法

为提高冲突证据的合成效果,针对已有基于改进Jousselme证据距离函数的冲突度量算法进行研究,提出基于非包含度和改进Jousselme证据距离函数共同度量证据冲突的综合冲突度量算法,并依此计算证据权重;在此基础上基于焦元被其他证据中同一焦元的共同支持度对焦元可信度计算式进行改进,并将上述改进结果应用于优化两两证据合成顺序的局部冲突信息再分配算法中。将新算法和已有相关算法进行算例与仿真实验比较分析,结果表明,在证据之间存在高冲突情况下,所提新算法的正确目标识别概率高于已有其他证据融合算法,且对于一般证据,新算法也具有较满意的证据融合效果,新算法是一种具有较高灵活性和较强抗干扰性的证据融合算法。