基于理性推理的观点演化模型

针对现实生活中个体观点形成中的理性推理过程,提出了一种基于DS(Dempster-Shafer)证据理论的观点更新规则,并在连续观点离散决策的框架下,对个体如何利用其他个体的意见和相关知识来形成自身意见的过程进行建模.实验仿真结果表明,群体中能够出现观点一致、分散等常见的舆论现象,观点演化过程中伴随着知识由确定性个体向不确定性个体的扩散,同时发现在规则网络中,意见领袖的观点的影响力在扩散过程中是逐渐减弱的,其影响范围与个体对知识不确定性的接受程度密切相关.     

基于DS理论的网络时钟同步算法

目前的NTP(Network Time Protocol)时钟同步算法已不能满足许多新兴网络对时钟同步精度的要求.为此,提出一种基于DS(Dempster/Shafer)理论的NTP时钟同步改进算法.在分析目前NTP时钟同步算法不足的基础上,将DS理论引进到传统的NTP时钟同步中,建立一种改进的NTP时钟同步算法并进行...     

C/DS/C网络计算模型研究

阐明了网络计算模型的演变及C/DS/C模型的提出，详细给出了基于C/DS/C的企业级信息交互系统模型，其中包括C/DS/C结构的提出，企业级信息交互系统模型的组成，以及客户间通信应该解决的问题。最后阐述了它的实现。     

基于红外阵列传感器的电站锅炉空气预热器热点检测系统设计

针对空气预热器移动式热点检测系统机构易"卡死"、热点检测严重滞后等问题,利用红外阵列传感器具有较宽测量范围的特点,提出一种固定式基于红外阵列传感器的热点检测方案.为满足红外阵列传感器Modbus通讯的需要,将电气装置设计为Modbus总线式结构.针对红外阵列传感器特点,提出了基于Dempster-Shafer(DS)证据理论的热点检测方法,该方法具有较高的检测精度.本方案与移动式检测方案相比较,在工作可靠性、热点检测精度等方面都有所提高.     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

降阶态易损性分析方法及其实施

从降阶态易损性分析方法(DSVM)总体构架出发,研究DSVM及其实施问题,对目标杀伤系统划分及降阶态(DS)定义、DS毁伤树构造及其逻辑运算、部件毁伤态向量Monte Carlo模拟及DS概率分布统计分析等实施关键进行探讨.在给定弹目交汇初始条件下,基于DSVM可实现部件层次易损性仿真,给出组合DS概率分布,从而显著提高易损性仿真精度及其应用价值.     

基于非参数方法的落叶松树干削度方程

【目的】基于非参数理论,研究构建大兴安岭兴安落叶松(Larix gmelinii)非参数可加性树干削度方程,并与传统的Max and Burkhart 参数削度方程进行对比。【方法】利用树高、胸径、不同高度处直径、不同部位高度等变量及其变形构建非参数可加性削度方程。采用 7种光滑样条函数:薄板回归样条函数(TP)、 Duchon 样条函数(DS)、三次回归样条函数(CR)、P-样条函数(PS)、高斯过程平滑样条函数(GP)、B-样条函数(BS)和局部回归光滑函数(LO),基于R软件mgcv包的Gamm函数对非参数模型进行拟合。【结果】使用相对直径(d/D)作为因变量,胸径的平方(D²)、树高(H)、相对树高的算术平方根($\sqrt{h/H}$)作为自变量, 构建兴安落叶松最佳非参数可加性树干削度方程。拟合结果表明:基于CR和LO样条函数的可加性削度方程具有较小的R²(决定系数)和较大的赤池信息量准则(AIC)值,且CR和LO的残差图重心线略呈中间高、两头低的趋势。其他基于5种光滑样条函数的可加性削度方程表现出相似的拟合结果。可加性模型除了使用LO样条函数外,其他样条函数都优于Max and Burkhart参数削度方程的拟合结果。总体检验结果表明,除了CR样条函数模型外,其他各非参数模型(TP、 DS、 PS、GP 和BS)与拟合结果基本一致,即都优于Max and Burkhart参数削度模型的预测精度。基于树干不同高度直径预测的误差对比表明,除了CR模型外,非参数模型(TP、 DS、 PS、GP 和BS)在大多数树干高度处直径预测的平均误差和绝对平均误差都小于Max and Burkhart参数模型预测值。【结论】非参数模型(TP、 DS、PS、 GP和BS)在拟合统计量、残差分布图、总体和树干不同高度处直径的预测精度都表现出一致性,并优于林业上通常使用的Max and Burkhart参数削度方程。当模型以预测为目的时,所构建的非参数可加性削度方程可用于大兴安岭兴安落叶松干形和材积预测。     

采用随机共振增强的混合扩频信号跳频参数估计

为解决强背景噪声下直扩/跳频(DS/FH)混合扩频信号的跳频参数估计精度低的问题,提出了一种基于随机共振的参数估计(SRPE)方法。首先对非线性预处理后的DS/FH信号进行信道化调制,将其转化为多个低频单分量信号,以满足随机共振的绝热近似条件;然后根据噪声强度自适应调整系统的参数,对每个单分量信号进行随机共振处理,使目标信号得到增强;最后采用Wigner-Villa变换来估计信号的跳频频率和跳速。仿真结果表明:SRPE方法能够提高目标信号的信噪比,实现强背景噪声下对DS/FH跳频参数的精确估计;在-10dB的低输入信噪比下,SRPE方法的频率估计误差低于10-3,与信道化谱增强方法相比,估计精度提高了70%以上。     

基于Dempster-Shafer证据理论和人工智能的变压器故障诊断研究

传统的溶解气体分析方法和基于溶解气体分析数据的人工智能技术在变压器早期故障诊断中的应用由来已久。Dempster-Shafer证据理论已被应用于存在不确定性和冲突的各种面向人工智能的应用中。为了克服故障类型之间的冲突及提升变压器故障诊断正确率,该文提出了基于Dempster-Shafer证据理论和人工智能的变压器故障诊断方法。利用反向传播(Back propagation, BP)神经网络基于5种关键气体的浓度百分比检测变压器故障,并将其作为第一证据。利用模糊逻辑基于3种气体比率检测变压器故障,并将其作为第二证据。利用证据理论对BP神经网络和模糊逻辑检测结果进行集成分析,得到最终的诊断结果。研究结果表明证据理论和人工智能在变压器故障诊断中具有良好的应用前景。     

抗部分频带干扰的交织跳扩系统设计及其容量分析

为提高抗部分频带干扰的能力,在直接跳扩(DS/FH)的基础上提出一种交织跳扩(IDS/FH)系统,引入多跳间交织器实现码片的离散化,获得时频分集增益。通过将部分频带干扰下的跳扩系统等效为衰落条件下的单输入多输出(SIMO)系统,分别对DS/FH和IDS/FH的信道容量进行分析,得出部分频带干扰和高斯信道下的容量表达式,并给出了IDS/FH在部分频带干扰下的最佳接收方案。理论分析得出,在50%的强部分频带干扰,信噪比为10dB的Gauss信道下,IDS/FH的容量比DS/FH的提高49%。仿真结果表明:50%部分频带干扰下IDS/FH可达到的最低误码率比DS/FH的降低2个数量级。