证据理论在旋转机械综合故障诊断中应用

针对旋转机械故障诊断中在同一征兆域中很难区分多种故障的实际情况,研究利用其他征兆域的诊断信息,进行全局信息融合,从而获得更为准确的故障定位,提出一种基于神经网络和Dempster-Shafer证据理论的多参数综合诊断系统模型,在该模型中采用证据理论的组合规则进行局部和全局信息融合,得出较好的诊断结果。     

基于模糊优选理论的空战信息融合算法

信息融合是现代空战综合电子系统的关键技术之一。为探讨解决综合电子系统中的多传感器信息融合问题,提出了基于模糊优选理论的信息融合方法,并进行了仿真计算,它优于传统的Bayes统计法、D-S证据推理方法。     

基于模糊贝叶斯理论更新概率可靠性模型

贝叶斯理论是基于无损检测结果对海洋工程结构可靠性进行更新研究的有力工具。针对传统贝叶斯理论无法有效地处理海洋结构无损检测中存在的大量模糊不确定性问题 ,根据模糊集合论的基本原理 ,在海洋结构可靠性概率模型更新研究中引入了模糊贝叶斯理论和模糊综合评判方法 ,对模型不确定性和检测结果中的模糊不确定性进行了定量评估。对基于检测结果的更新可靠性模型的参数分布和模型权值进行了探讨 ,并采用模糊综合评判方法确定了模型权值的先验概率。算例结果表明 ,此方法是可行的 ,检测结果的模糊性对可靠性概率模型更新具有重要影响 ,考虑模糊不确定性可以得到更为合理的结果。对于参数的概率密度函数而言 ,考虑多个模型和只考虑一个模型可得到相同的结果 ,但参数的不确定性对模型权值的更新有一定的影响。在工程实际应用中 ,对于有关海洋工程结构经检测和维修后的可靠性更新问题 ,应该考虑模糊不确定性的影响     

贝叶斯学派丰富和发展了古典统计学

贝叶斯学派和古典统计学派在统计的基础理论和方法上一直存在争议．本文运用对比分析的方法，从兼容、发展、精确度客观等四个方面，论证贝叶斯学派丰富和发展了古典统计学．     

BP和D-S结合的多传感器协同目标识别推理机制

针对多传感器协同目标识别的基本概率赋值在实际应用中存在容易导致决策可信度低等难以解决的问题,提出一种基于BP神经网络和D-S证据理论的多传感器协同目标识别的推理机制。简述了BP神经网络理论和D-S证据理论,构建了目标识别推理框架,推理了算法可行性,进行了实例仿真,通过信息融合,不确定性的基本概率赋值下降到0.000 8,表明该推理机制的有效性。     

基于D-S证据理论和RBF网络的航空发动机叶片损伤图像识别技术研究

针对航空发动机叶片损伤图像采集过程中存在的不确定性因素及单一RBF网络或D-S证据理论在叶片损伤图像识别中存在的不足,提出一种基于D-S证据理论和RBF网络相融合的决策级信息融合损伤图像识别算法。首先,用RBF网络对损伤图像进行初步识别;然后,将RBF网络识别输出结果作为D-S证据理论的基本可信度分配;最后,利用D-S联合规则进行合成,得出最终识别结果。通过单一优化RBF网络的图像识别结果和融合识别结果的对比分析,证明了该方法在航空发动机叶片损伤图像识别方面的优越性。     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

针对高速铁路突发事故应急决策初期信息不足且不确定的问题以及救援部门应急决策能力的局限性,本文提出了一种基于直觉模糊理论与贝叶斯网络推理相结合的应急决策方法。首先分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程,然后利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了直觉模糊贝叶斯网络(IFBN)应急决策模型。最后本文以动车组在高架桥突发火灾事故时进行应急决策为例分别用BN和IFBN进行推理。经过多组推理结果表明,当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,验证了利用IFBN推理模型进行应急决策的优越性。     

评价不确定型顾客满意度的证据推理方法

文章将解决多目标决策问题的证据理论方法引入到对顾客满意度的评价中;通过运用证据组合算法以及模糊分析方法,弥补对顾客满意度测评中存在的模糊性和不确定性评价的不足,将非确定性评价转化为定量指标进行评价;通过给出评价方法和算例演示,说明该方法有效实用并能够通过软件系统加以实现应用。     

D-S证据推理及算法实现

D-S证据理论在多源信息数据融合领域得到广泛应用,针对该理论的实现算法也逐渐为人关注。本文首先简要分析了D-S证据推理的基本理论,然后以一具体示例描述了D-S算法的推理过程,最后基于微软最新推出的.NET平台,利用C#编程语言实现了D-S证据推理算法。     

证据结合在电力设备故障诊断中的应用

引入证据理论,实现电力设备多种检测手段的结合,以提高故障诊断的准确性,首先介绍了证据结合在电力设备故障诊断中的基本原理,然后给出了电力设备故障诊断的基本步骤,最后以变压器的绝缘诊断为例,进行了计算和诊断。     

量测噪声情况下基于D-S证据推理信息融合的滑模控制

研究了D－S证据推理多传感器信息融合方法在存在量测噪声的滑模控制中的应用，它有助于削弱模函数的不确定性。由于基本可信度函数不能解析获得，用一个模糊系统对其予以等价，模糊规则后件参数由样本数据通过最小二乘法获得。     

基于证据推理的供应商绩效评价与决策

针对供应商绩效评价与选择这一不确定多属性决策问题,采用证据推理方法建立一个具有不确定性包含有定量和定性的具有多层次结构的多属性决策分析模型.在证据理论框架下,结合信息变换技术,对定性和定量的评价信息按照综合属性的评价等级变换成统一的分布评估形式,考虑属性的权重构造基本概率分配函数,利用证据推理算法综合所有的属性,从而完成方案的综合评价.运用多属性效用理论决策方法确定供应商的选优排序.结合供应商绩效评价与选择实例说明该方法的有效性.     

基于异类传感器的战场运动目标识别算法

利用异类传感器的互补特性,提出了一种新的运动目标识别算法:选取目标速度、第1主频、第2主频作为识别的有效特征;运用模糊推理得到目标分类信息的基本概率分配函数;把D-S证据推理和基于概率分配函数的决策相结合,获得对目标的有效识别.仿真结果证明了该算法的有效性.     

基于区间证据推理的多属性决策方法

针对多属性决策过程中出现属性信息的评估等级以及评估等级信任度不确定问题,提出一种区间证据推理方法。首先,采用区间评估等级以及区间评估等级信任度的形式表达评估信息的不确定性。其次,通过转换公式统一各属性评估的信任识别框架。然后,采用区间证据推理的集成公式集结区间不确定信息,处理评估等级、评估等级信任度和定量属性评估的区间不确定信息的集结问题。最后,采用期望效用理论对方案综合排序。为验证该方法的有效性,以某生鲜电商选择生鲜供应商为例,运用所提方法对区间形式的不确定评估信息进行处理,结果表明,所提方法能够处理属性评估信息的评估等级以及评估等级信任度不确定问题。     

在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．     

贝叶斯推断在土壤微生物生物地理学中的应用

微生物生物地理学主要研究微生物的分布格局及其驱动机制,经典频率数理统计方法是当前该研究领域中广泛使用的统计方法.近年来,贝叶斯推断作为重要的随机模拟数理统计方法正不断地应用于土壤微生物生物地理学的研究中.介绍了贝叶斯推断与经典频率数理统计的区别;描述了贝叶斯推断在土壤微生物生物地理学研究中的基本分析流程,包括模型构建、...     

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.     

D-S证据理论数据融合方法在目标识别中的应用

为解决车辆目标识别问题 ,采用基于推理的数据融合方法 ,分析了 Dempster- shafer证据理论用于多传感器数据融合的基本概念和理论 ,并将它应用于车辆目标识别的数据融合中 ,实验结果证明了基于融合后的识别结果较单传感器的识别结果好 ,验证了这一方法的正确性和有效性     

D-S证据理论在炮兵战场电磁辐射源识别中的应用

采用D-S证据理论的数据融合方法解决炮兵战场电磁辐射源识别问题。阐述了D-S证据理论用于多传感器数据融合的基本概念、合成法则、一般步骤及决策准则。与单传感器单周期的目标识别结果相比较,多传感器多周期的方法能显著提高目标识别能力,并将它应用于炮兵战场电磁辐射源识别的数据融合中解决了问题,试验结果证明了该方法的正确性和有效性。     

对海军战役基本指导思想特征的认识

海军战役基本指导思想是海军战役理论的核心,正确认识其所具有的基本特征,对于确立信息化条件下海军战役基本指导思想的内涵具有十分重要的意义。文中从历史辩证的角度揭示了海军战役基本指导思想的四个本质特征,即继承性与创新性的统一、理论性与实践性的统一、现实性与前瞻性的统一、对抗性与借鉴性的统一。