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.     

证据冲突下D-S融合算法的改进

针对D-S证据理论在处理高冲突证据时会出现悖论这一情况,在D-S理论框架下,给出冲突程度的判别方法,并提出一种改进的相对加权融合算法.该算法根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,并求得各证据的相对折扣因子,对各证据信息进行折扣处理后用D-S规则融合,消除了信息冲突环境下D-S合成法则悖论.为验证改进算法的有效性,给出了仿真分析,验证了该算法在证据冲突的情况下能有效地减小冲突对组合结果的影响,降低了决策风险.     

不确定条件下的质量绩效测评方法

以ISO9004标准为基础,建立了质量绩效评价模型.根据评价模型的多层次多指标结构特征以及评价信息的不确定性特点,将D-S证据合成理论应用于质量绩效评价系统,利用模糊评判和群组决策方法处理评价过程中的不确定信息和未知信息,给出了D-S证据合成中mass函数的确定方法,并将一种改进的D-S证据合成方法应用于多专家、多指标的信息合成,从而建立了不确定条件下的质量绩效测量和评价方法.最后,通过实例应用对上述方法的实用性和有效性进行了说明.     

能量修正和决策集约简的证据理论优化算法

为了同时利用证据焦元的基本概率赋值和焦元的基数信息解决DS(Dempster Shafer, DS)证据理论高冲突问题,并考虑数据融合的抗噪声和干扰能力,提出采用基于焦元信息能量的先验信息比值演变函数对证据源和组合规则进行修正的算法。为了进一步降低〖JP2〗算法计算量,利用多元素焦元信任值向单元素焦元分配以及决策集约简方法,进一步优化算法性能,提高算法大数据量适应能力。实验结果验证了优化算法的正确性和有效性。     

基于K-L信息距离的证据冲突特征识别与应用

证据冲突是多证据融合中各种合成方法的主要制约问题，本文引入K-L信息距离函数描述证据间的冲突特征，通过构造距离矩阵定义独立证据在整个系统的冲突程度，实现对证据冲突的系统化识别.模拟实验表明：K-L信息距离的有效冲突识别，能完善D-S理论合成规则的应用约束，对正常冲突证据合成得到优化收敛结果，对高度冲突隔离证据的特征分析提取价值信息.     

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。     

基于证据理论的目标识别方法

当目标识别系统中传感器信息高度冲突时,仅利用D-S组合规则无法有效融合。提出一种基于证据理论的目标识别方法,该方法首先定义了冲突系数,在此基础上设计了目标识别方法。当冲突较小时,直接利用D-S组合规则进行融合识别;反之,根据冲突的具体情况对证据先折扣再融合识别。通过目标识别仿真实验与其他识别方法进行了比较,实验结果表明所提方法提高了抗干扰能力,具有较快的收敛速度。     

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。     

一种基于证据理论和条件规则的目标识别方法

针对多源信息融合识别目标属性的问题,提出了一种将先验条件规则应用于多传感器目标识别方法。该方法根据证据理论(D-S theory)和可传递信任模型(TBM)中证据所对应的信度传递规则,将不同辨识框架之间的条件规则映射成辨识框架的改变,并通过计算pignistic概率,得到利于决策的单命题结论。在此基础上,总结了多传感器融合识别目标的基本步骤,仿真结果说明了方法的有效性。     

基于D-S的IBBA下的故障诊断研究

在导弹武器等复杂系统的D-S故障诊断中,因为影响基本置信分配值的因素增多,诊断领域专家有时只能给出基本置信分配值的某一范围或者某一模糊值.针对这种情况,提出了一种复杂系统的D-S故障诊断方法.首先根据诊断领域专家的诊断知识和经验,结合D-S证据理论的决策方法,给出一种基于不定基本置信分配的故障决策方法.然后根据D-S故障诊断的目的,在D-S证据理论的基础上,利用优化理论,提出一种不定基本置信分配下的D-S诊断方法,阐述了原理,构建了目标函数,给出了约束函数.最后,通过几组示例验证了所给出的故障决策方法和D-S诊断方法的合理性.     

不完全信息条件下可生存网络存储系统方案优选研究

提出了一种不完全信息条件下的可生存网络存储系统方案优选模型.该模型基于可生存性指标构建了证据源,给出了存在空缺值的决策评估矩阵,针对传统方法无法处理不完全信息情况,提出了基于DS证据理论的方案评估方法;同时,为了处理决策评估矩阵中以不同形式描述的取值情况,给出了点值、区间值、模糊值等取值形式的隶属度函数,采用了基于信任区间的多属性决策规则,以获得方案优劣排序结果.最后,通过网络存储系统方案优选实例证明了该模型具备处理不完全信息能力,方法有效合理.     

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。     

基于语言决策矩阵的专家客观权重确定方法

针对语言型多属性群决策中的专家赋权问题,提出一种基于语言测度理论的专家客观权重确定方法。该方法根据精确胜过模糊、少数服从多数、细分优于粗分三个原则,从混合型语言决策矩阵中提取专家权重信息,包括评价信息量、与群体的一致性和发挥的区分作用,给出了个体评价信息量权值、群体一致性权值和区分作用权值的计算方法,在三种分权值的基础上确定专家总体权重。最后通过算例说明该方法可行有效。     

基于证据理论的信息融合故障诊断方法

从证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,并提出一种符合故障诊断特点的基本可信度分配构造方法。该方法把诊断对象看作一个信息系统,运行过程中不断产生各种信息,并将信息加工成故障特征,通过特定的诊断决策规则,得出诊断结论。给出了一个多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性。     

语言判断矩阵的一致性及相关问题研究

研究了语言判断矩阵的一致性及基于语言判断矩阵的方案排序问题.在给出语言判断矩阵有关概念的基础上,通过对有序语言短语集中的有序语言短语进行"量化",给出了语言间相互作用的运算定义,探讨了语言短语及语言判断矩阵的基本性质,进一步从理论上提出了语言判断矩阵完全一致性和满意一致性的概念;为了方便检验语言判断矩阵的一致性,通过引入导出矩阵的概念将语言判断矩阵转化为数量矩阵,并提出了语言判断矩阵完全一致性、满意一致性的简便的判定方法;针对基于语言判断矩阵的方案排序问题,根据导出矩阵的性质通过求解最大特征根,给出了一种简便的方案排序方法;最后通过两个算例说明了本文给出的一致性判定方法和方案排序方法.     

权重信息不完全的二元语义多属性群决策方法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于最大偏差和二元语义信息处理的群决策方法。该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算。对于属性权重完全未知或属性权重信息不完全的情形,分别给出了一个求解属性权重的简洁公式和一个基于最大偏差的目标规划模型,分别获得相应的属性权重,然后利用二元语义加权算术平均(T-WAA)算子,对二元语义决策信息进行加权集成,继而对决策方案进行排序和择优。该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失。最后给出了一个实例分析。结果表明该方法简单,有效和易于计算。     

基于二元语义多属性群决策的灰色关联分析法

针对解决具有语言评价信息的多属性群决策问题,提出了一种基于二元语义信息处理的群决策方法,该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算,它是依据传统灰色关联分析方法的基本思想,通过计算每个方案对正、负理想方案的语义灰色关联度,最终确定最优方案,使该方案对正理想方案具有最大的灰色关联度和对负理想方案具有最小的灰色关联度.该方法具有对语言信息处理较为精确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失.最后给出了一个实例分析.结果表明方法简单、有效和易于计算.     

基于证据理论的集成神经网络故障诊断方法

以Dempster Shafer证据理论为基础,给出了基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种神经网络初步诊断和证据理论融合决策诊断相结合的集成神经网络故障诊断方法,建立了相应的功能模型。并以变速箱轴承故障诊断为例,详细说明了该方法的具体步骤。结果表明,经过多故障特征信息,诊断结论的可信度明显提高,不确定性明显减小,充分显示了该诊断方法的有效性。