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.     

基于改进D-S的汽轮机组集成故障诊断研究

在分析与比较多个D-S合成规则的基础上,结合汽轮机组故障的特点,提出了一种基于改进D-S证据理论的集成故障诊断方法。该方法利用改进的D-S理论来表示和处理不确定的、模糊的信息,利用灰色理论和GRNN（广义回归神经网络）网络来处理证据理论中的基本概率分配问题,充分发挥灰色理论和GRNN的优点,提高故障诊断率。仿真结果表明,所提曲的集成故障诊断方法能有效地诊断汽轮机纽的故障,决策合理,可信度高,且能避免误诊现象,具有庭好的应用前景。     

基于模糊聚类分析的证据组合

针对证据理论Dempster Shafer（D-S)组合规则存在的不足,考虑辨识框架的非完备性,提出一种基于模糊聚类分析的混合证据组合方法。该方法利用Pignistic概率距离构建证据间的模糊相似矩阵及聚类有效性指标,通过传递闭包法对证据进行最优聚类及可信度求取,对证据进行修正后,采用D-S规则对同一类中的证据组合,利用统一信度函数组合方法对不同类中的证据进行最终合成。仿真实验表明了所提方法的合理性和有效性。     

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.     

基于支持度的改进证据合成方法

针对Dempster方法在合成高度冲突的证据时结果与直观结论相悖的问题,提出了一种基于支持度的改进证据合成方法。首先根据证据之间的相似性程度判断是否存在证据冲突,对于总数在3条以上且存在冲突的证据组合,应用各证据的支持矩阵,通过其最大特征值对应的特征向量导出各证据的支持度系数,由此对基本概率分配（basic probability assignation, BPA）函数进行转化,再采用Dempster方法进行合成。仿真计算结果表明,该方法能有效处理冲突证据组合,克服了一票否决问题,相对于其它几种典型改进算法具有更快的识别速度,能进一步减小识别结果的不确定性,并保留了Dempster方法满足交换律、结合律的良好特性。     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

基于模糊聚类和粗糙集的仿真可信性模糊综合评估

为客观有效地解决仿真可信性评估问题,提出基于模糊聚类和粗糙集的仿真可信性模糊综合评估方法。阐述了基于模糊传递闭包法进行模糊聚类分析的基本步骤,分析了粗糙集中属性重要性的相关原理;提出了基于模糊聚类和粗糙集的可信性模糊综合评估模型,利用模糊聚类和粗糙集中的属性重要性原理客观地进行各因素权重分配,结合模糊综合评判进行仿真可信性综合评估;以某飞行视景仿真系统为例,进行可信性综合评估。结果表明,该方法具有一定的合理性和可行性。     

基于模糊核聚类的SVM多类分类方法

针对SVM在大类别模式分类中存在的问题,提出了一种基于模糊核聚类的SVM多类分类方法,并给出了一种高效的半模糊核聚类算法。该方法基于模糊核聚类方法生成模糊类,并采用树结构将多个SVM组合起来实现多类分类。模糊核聚类方法不但能够实现更为准确的聚类,而且能够挖掘模糊类的外围、不同模糊类之间的交叠情况等信息,利用这些信息能有效提高分类器的性能。实验表明,所提方法比传统方法具有更高的速度和精度。     

扩展的证据合成规则及其在多目标跟踪中的应用

针对多传感器多目标跟踪问题,利用随机集理论对证据合成规则进行了扩展,并基于“OR”合成规则提出了一种多传感器多目标跟踪的新方法.首先,将观测数据作为证据,目标状态作为识别对象,依据证据与识别对象间的相关度确立它们间的基本概率赋值.然后利用“OR”证据合成规则对证据进行合成.最后将合成的基本概率赋值作为权重因子对目标状态进行更新.仿真实验表明,与全局最近邻域方法相比,新方法能提高目标状态估计的精度.     

基于D-S证据理论的灰色定权聚类综合后评价方法

结合灰色定权聚类评估模型和D-S证据理论对项目综合后评价方法进行研究.应用差异信息序列熵理论,根据指标所蕴含信息量的多少确定聚类指标的权重;根据所得到的灰色定权聚类系数矩阵并把该矩阵经过适当转换, 把每一个聚类对象作为影响后评价结果的一条证据,考虑到证据推理中零绝对化问题存在的可能性, 给出了解决办法;利用Dempster合成法则, 得到了辨识框架中各子集的信度函数,根据信度函数最大值确定项目综合后评价的结果.可以充分利用定权聚类中所得到各聚类对象所属灰类的信息,减少了直接使用聚类系数最大化方法确定评价对象所属灰类造成的信息损失, 最后通过一个算例说明了该方法的实用性和有效性。     

基于DSm证据云物元模型的装备状态评估方法

针对装备状态各等级之间相互交叠的模糊过渡区域会导致状态划分存在主观性较强的问题,同时为了提高基于装备多特征参数融合的状态评估方法的准确度,提出了一种基于云物元模型的DSm(Dezert-Smarandache)证据建模及状态评估方法。该方法首先对特征参数进行基于云物元模型的DSm隶属度赋值,然后提出了一种基于灰靶贡献度的证据源修正公式,再通过隶属度与基本概率赋值(basic probability assignment, BPA) 间的关系求得DSm模型的BPA,最后将不同特征参数的BPA进行DSmT+PCR5(Dezert-Smarandache theory+proportional conflict redistribution rules)融合得到评估结果。通过实例分析,验证了这一新方法的有效性和优越性。     

海上目标数据融合实例研究

在应用D S证据理论识别海面目标的过程中,重点研究了如何通过传感器数据实测值来确定基本概率分配函数(BPA)的方法。首先,对侦察雷达所能探测到的目标雷达信号的载频、脉宽、重频,应用证据理论将其组合,得到雷达参数的联合概率分配函数。根据雷达和舰船的对应关系,由雷达概率分配函数推导出目标平台的基本概率分配函数。再用测得的舰船目标的航速得到目标平台关于航速的基本概率分配函数,并最终用D S证据理论识别了海面目标,具有较大的实际应用价值。     

基于云模型和证据理论的装备管理绩效评价

针对部队装备管理绩效影响因素复杂,评价过程具有模糊性、不确定性等特点,提出了基于云模型和改进证据理论的装备管理绩效评价方法。首先,构建了装备管理绩效评价指标体系,采用组合赋权法确定指标权重;然后,借助云模型对评语信息进行建模,构造基本概率分配函数,再引入Jousselme距离,通过计算证据可信度和可靠度得到证据的复合权重,以此作为权重系数对证据源进行修正;最后,采用改进的证据融合规则进行各指标基本概率分配融合,得到综合评价结果。通过实例分析验证了指标体系的科学性和算法的有效性,为部队装备管理绩效评价提供了参考。     

改进的证据理论在目标识别中的应用

针对传统证据理论用于目标识别时基本概率指派(basic probability assignment,BPA)难以确定的问题,提出一种基于灰色关联度的改进的证据理论并将其用于空袭目标识别。即通过对获取信息与参考模式的灰色关联度进行折衷归一化,确定证据对空袭目标集的BPA,进而使用证据合成规则对传感器获取信息进行融合得到目标识别结果。实例证明了此方法的有效性。     

一种基于证据融合的高可靠性产品可靠性评价方法

如何综合来自不同信息源的信息进行可靠性评价是高可靠产品可靠性分析领域的研究热点.针对存在随机不确定性和认知不确定性时高可靠产品的可靠性评价问题,结合证据理论提出了一种新的评价模型.鉴于不同可靠性信息源对产品可靠性指标的贡献不同,利用K-L交叉熵定义各个信息源的权重,对每个信息源生成的基本概率分配函数(BPA)进行修正.然后,将修正后的BPA按照D-S证据组合规则进行融合,进而利用可转移信度模型(TBM)对合成后的BPA进行概率测度的转换,从而实现对高可靠产品可靠性的度量.最后,以某型号电子器件的寿命评估为例,验证了本文提出的评价方法的可行性和有效性.     

基于粗糙D-S理论的身份融合方法

综合运用粗糙集方法与D-S证据理论可有效解决身份融合中的一些复杂问题。针对多传感器身份融合中D-S理论获取基本概率赋值存在主观性的问题,提出了一种新的基于粗糙集理论的证据获取和基本概率赋值客观确定方法;利用粗糙集中属性的重要性消除冗余传感器,减少了证据组合的冲突现象。在此基础上,给出了基于粗糙D-S理论的身份融合方法,最后以具体算例验证了方法的有效性。     

基于区间数和证据理论的雷达辐射源参数识别

针对雷达辐射源参数的不确定性,研究区间类型的雷达辐射源参数识别,构造区间参数的雷达辐射源数据库。首先,利用区间数距离形成区间相似度并基于此构造一种切合实际的基本概率赋值（basic probability assignment, BPA）。再将其与证据理论结合形成辐射源识别的信度区间,利用证据组合规则对信度区间进行区间重组。最后进行自适应判决识别,得到识别结果。仿真结果表明,区间证据理论方法能够较好的处理区间类型以及区间值和标量值混合类型的辐射源参数,得到满意的识别结果,具有一定实际意义。     

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.