结合可信度和DS证据理论的ECOC多类分类研究

针对多类目标识别问题,利用三符号纠错输出编码作为将多类分解为若干个二类问题的结构框架,用改进的证据理论作为融合策略,将每一个二分器的输出作为证据之一进行融合;同时对分类器的可信度进行估计,并将得到的信任度量值融入证据中,从而提高多类分类的正确率。实验中分别对UCI数据集和三种一维距离像数据集进行测试,结果表明本文提出的基于分类器可信度的多类目标识别方法能有效地提高复杂环境下多传感器目标识别的正确率。     

一种基于粗集的证据理论组合算法

Dempster合成规则为证据理论提供了一个有用的合成公式,但该公式在合成高度冲突的证据时,合成结果将有悖于常理．将粗集理论中属性重要度的思想引入到证据理论中,以此衡量证据的重要性,改善冲突证据的合成效果．该方法可把专家的主观判断和过去可用的知识与数据综合考虑,使群体决策得到更符合实际的结论．     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于CNN(Convolutional Neural Networks)和改进SDAE(Stacked Denoising Autoencoders)的混合网络模型,根据改进的D-S证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明,利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

证据推理与检索数据网络安全获取

利用动态数学模型,首先给出了内-数据、外-数据与内-外数据概念,然后给出了证据推理与检索数据智能获取定理和网络数据空间与数据-证据关系定理,进而给出了检索数据的网络安全获取算法,最后给出了这些概念、理论结果的应用。     

Improvement method for the combining rule of Dempster-Shaferevidence theory based on reliability

1.INTRODUCTION DSisakindofreasoningalgorithmbasedonevidence theory.ItwasputforwardbyDempsterfirst,and developedbyShafer,soitwascalledDSevidence theory.Thealgorithmsolvedtwoproblemsofproba bility:Itcangiveaclearexpressiontoanunknown case,andthesupporttonegativesuppositionofevi dencecanbeexpressedbysomevalueiftheevidence supportsapartofsupposition.DSevidencetheoryis usedtodealwithsomeinexactinformationorinexact informationsometimes.SupposeΩistheaggregateofallprobableele mentsofvariableX…     

基于D-S证据理论的不确定数据清洗

数据清洗的任务是检测数据中存在的错误、缺失或不一致,通过删除、填充、修改等方法提高数据质量.针对存在元组级不确定性的数据表上的选择投影连接操作,基于D-S证据理论中置信区间的概念,给出辨识框架构建和置信区间计算的方法,提出了一种基于待测数据项置信区间来检测查询结果中错误数据的方法.实验结果表明,提出的不确定数据错误检测方法具有高效性、准确性和可用性.     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S(Dempster-Shafer)证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

传感器融合技术在火灾预警探测中的应用研究

针对传统火灾报警系统存在的局限性,本文把传感器融合技术应用到火灾预警探测系统中.该系统采用传感器组探测早期火灾特征,在进行数据处理时,首先对同质传感器进行自适应加权数据融合,再对同质传感器采用D-S证据理论进行全局融合,最后得出对火灾的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾.系统采取模块化设计,结构简单,容易实现等.     

二值证据权(Wofe)模型岩溶塌陷区划研究

介绍了证据权模型及 GIS 应用原理, 并引入到岩溶塌陷危险性区划中。在杭州西湖周边岩溶塌陷危险性分析中, 将研究区划分为 10 m ×10 m 的网格单元, 并提取地层、构造等证据图层, 分析各证据与岩溶塌陷发生的空间相关性, 计算各证据对塌陷发生的对比值, 剔除显著性水平不满足要求的证据, 并且确定了对具有分级特征的证据进行二值化时的切值, 进而选取了地层单元、孤峰组-栖霞组地层界线、黄龙组-老虎洞组地层界线、距 EW-NW 向构造线的距离、距 NE 向构造线的距离等5个证据, 求得每个单元网格的后验概率, 并计算塌陷点已知与预测的个数之比为 0. 864, 认为符合条件独立性检验, 最后的应用表明, 这种数据驱动的方法同样适用于岩溶塌陷区划问题的研究。     

基于证据权重法的辽西钼-多金属矿床评价预测

针对目前矿业勘探开发中的资源潜力快速评价问题,以基于GIS的数据驱动模型证据权重法为主导,结合基础地质资料,从遥感影像中提取相关构造、矿化及蚀变信息.采用中上寒武-奥陶统、义县组、雾迷山组、燕山期花岗岩、粘土蚀变、二价铁强度、三价铁强度和构造强度等8个因子评价辽西钼-多金属矿床,并通过X2独立性检验证明其在数学上的可行性,且在3大矿集区符合的基础上,评价预测出高家岭、红崖子两个成矿远景区.