一种基于不确定度的证据冲突识别方法

从高度冲突证据对D-S证据理论的应用约束出发,针对几种常用冲突度量方法存在的问题,定义了描述证据自身特征的不确定度,将证据冲突涵义从证据间不一致扩展到证据内外,给出基于不确定度的证据冲突多元度量,并为增强冲突的识别效果提出最大差异度的冲突处理方法.验证分析得出:本文给出的度量方法能够有效表征证据间的冲突程度,最大冲突差异度的处理实现了证据冲突识别的显著化,在证据冲突度量与识别中具有很好的普适性和有效性.     

基于矩阵奇异值分解的证据冲突度量算法

针对证据理论中证据冲突度量这一关键问题,提出了基于矩阵奇异值分解的证据冲突度量算法.首先将证据的BPA向量投影到单位圆上,然后运用投影后证据向量的BPA矩阵和焦元关联矩阵构造归一化BPA矩阵,接着对其进行奇异值分解,最后根据奇异值定义证据的最大干扰分量与主分量,并将二者比值作为冲突度量.通过对Zadeh悖论扩展形式、完全冲突证据和焦元为嵌套子集等多种情况进行对比实验,验证了本文算法是较为理想的证据冲突度量方式,能够正确预测证据集的冲突程度.     

结合冲突系数K与Pignistic 概率距离的冲突度量方法

针对经典证据理论中,冲突系数K不能有效地度量证据之间的冲突程度的问题,提出了一种新的证据冲突表示方法,通过引入pignistic概率距离,将pignistic概率距离和冲突系数K看成平面直角坐标系上的一点,通过计算这个点到坐标原点的距离,以此作为衡量证据间冲突程度的标准;针对新的冲突度量方法,提出了一种改进的证据合成算法,将新的冲突系数作为修正因子,证据冲突时对合成结果进行修正,证据不冲突时采用D-S合成规则进行合成。实例及仿真验证了新冲突度量算法和改进合成算法收敛速度显著快于对比算法。     

基于相似系数和Jaccard系数矩阵的证据冲突度量方法

针对传统的冲突度量和Jousselme距离度量出现冲突误判的问题,提出一种相似系数和Jaccard系数矩阵的证据冲突度量方法.该方法通过计算证据之间的相似系数,利用Jaccard系数矩阵将相似系数转化为证据的冲突程度.理论证明和数值计算表明,该方法可以有效地表示证据间的冲突程度.此外,通过典型的算例将提出的方法与其他方法进行对比,结果表明该方法可以全面准确地度量证据间的冲突程度.     

基于综合冲突度量的高冲突证据融合算法

为提高冲突证据的合成效果,针对已有基于改进Jousselme证据距离函数的冲突度量算法进行研究,提出基于非包含度和改进Jousselme证据距离函数共同度量证据冲突的综合冲突度量算法,并依此计算证据权重;在此基础上基于焦元被其他证据中同一焦元的共同支持度对焦元可信度计算式进行改进,并将上述改进结果应用于优化两两证据合成顺序的局部冲突信息再分配算法中。将新算法和已有相关算法进行算例与仿真实验比较分析,结果表明,在证据之间存在高冲突情况下,所提新算法的正确目标识别概率高于已有其他证据融合算法,且对于一般证据,新算法也具有较满意的证据融合效果,新算法是一种具有较高灵活性和较强抗干扰性的证据融合算法。     

多源信息融合中一种新的证据合成算法

针对传统证据理论中,采用冲突系数K衡量证据冲突,只考虑了证据间的非包容性,而未考虑证据间的差异性,提出了一种改进的证据冲突度量方法.该方法通过K和证据间的pignistic概率距离共同衡量证据间的冲突大小,既体现了证据间的非包容性,也反映了证据间的差异性,并给出了该改进方法的信度合成算法过程.通过实例,验证了新算法的有效性与适应性.     

Vague集间相似度量在证据理论中的应用

在证据理论中,证据组合方法是一个非常重要的研究工具,然而当面对高度冲突的证据时,用传统的方法直接进行正则化处理将会导致与直觉相悖的结论。较好的解决方法是在对证据进行组合前先进行预处理,即对证据进行加权平均。在考虑了证据理论与Vague集的对应关系后,将Vague集之间的相似度量方法运用到证据组合方法中,通过组合结果比较可以看出,选用的Vague集相似度量方法与改进的Dempster-Shafer证据组合方法有相近的目标识别与收敛效果,这表明可以将Vague集理论的一些有用结论运用于证据理论中,以更好地处理和研究不确定性知识。     

证据距离的选取对冲突证据组合影响的研究

为了研究证据距离的选取对冲突证据组合的影响,提出一种将不同的证据距离度量方式应用在加权证据组合中的对比方法。首先采用不同的证据距离度量方式得到证据相似度,依据证据相似度求得证据可靠度,之后用证据可靠度对证据进行加权求和得到平均证据,最终对平均证据进行证据组合,对比在不同的证据距离度量方式下上述证据组合过程的合理性,得到适合加权证据组合中权重生成的距离度量方式。采用4个算例,对不同的证据距离度量方式下求得的证据可靠度、平均证据和证据组合结果进行分析比较,实验结果表明,与其他证据距离相比,利用该方法选出的证据距离能够更有效地体现证据之间的差异性,所求取的证据可靠度与实际情况更为贴合。     

证据合成的一般框架及高度冲突证据合成方法

针对D-S证据理论在合成高度冲突证据时会得到有悖常理的无效结果的问题,提出了有效解决冲突须同时修正证据源和合成规则的原则,并给出了证据合成的一般框架;在此框架下,提出了一种新的证据合成方法。该方法首先对证据源进行两级可靠性度量处理,然后再按照合成规则进行合成,最后采用基于Pignistic概率距离计算的权重把冲突系数分配给各焦元,实现对合成结果的合理修正。实验结果表明:该方法能有效地解决高度冲突证据的合成问题,与其他合成方法相比,该方法合成效果更好。     

考虑融合权重优化与冲突信息来源的大坝安全综合评价方法

证据理论基于各监测项目及监测点数据进行大坝安全综合评价。然而,已有研究多采用Euclid距离等传统距离度量方法确定证据体的融合权重,且未考虑冲突信息来源,存在综合评价结果准确性较差的问题。针对以上问题,该文提出考虑融合权重优化与冲突信息来源的大坝安全综合评价方法。基于监测点-监测项目-监测类型的大坝安全评价信息融合层次结构,提出基于卡方散度与Shannon熵的证据体距离度量方法,获取监测点和监测项目层级的客观融合权重,克服已有方法未充分考虑证据体离散程度和不确定性的不足,提高了评价结果的可靠性。在监测类型层级采用乘积标度法计算主观融合权重,充分考虑专家经验,避免基于距离度量方法产生不合理权重(例如变形的权重小于环境量的权重);鉴于数据粗差是冲突信息的主要来源,提出基于鲁棒加权回归的季节趋势分解(STL)-孤立森林(iForest)算法作为数据粗差剔除方法,以消除冲突信息对评价结果的影响。工程应用结果表明：与基于Euclid距离度量、未考虑粗差剔除的证据理论方法相比,所提方法可靠性更高。     

多粒度模糊粗糙近似算子的信任结构与属性约简

多粒度是近年来粗糙集领域研究的一个热点方向, 为使多粒度模型更适用于实际数据, 提高模型的可用性, 模糊思想被引入到多粒度粗糙集模型中。本文构建了基于模糊相似关系下的多粒度模糊粗糙集模型, 并建立了模糊信任结构。在该信任结构下根据多粒度模糊粗糙集的上、下近似构造信任函数与似然函数。研究多粒度模糊粗糙集在模糊等价关系下的属性约简, 并给出相关算法。     

利用SVM-LSTM-DBN的短期光伏发电预测方法

为解决传统预测算法的不足,利用深度信念网络(DBN)耦合支持向量机(SVM)和长短期记忆神经网络(LSTM),提出一种新的光伏功率组合预测方法.分别构建以高斯径向基函数为核函数的支持向量机预测模型、4层长短期记忆神经网络为单项预测模型,通过深度信念网络组合,优化预测结果并输出.根据实际出力和预测结果的误差,利用DBN动态调整以获得最优值,进一步验证SVM-LSTM-DBN模型的有效性和准确性,并以新疆维吾尔自治区某光伏电站的实测数据进行仿真验证.结果表明:基于SVM-LSTM-DBN组合的光伏出力预测模型与单一模型相比,预测精度明显提高.     

A Machine Learning Approach to Automated Negotiation

Automated negotiation between two competitive agents is analyzed, and a multi-issue negotiation model based on machine learning, time belief, offer belief and state-action pair expected Q value is developed. Unlike the widely used approaches such as game theory approach, heuristic approach and argumentation approach, This paper uses a machine learning method to compute agents‘ average Q values in each negotiation stage. The delayed reward is used to generate agents‘ offer and counteroffer of every issue. The effect of time and discount rate on negotiation outcome is analyzed. Theory analysis and experimental data show this negotiation model is practical.     

新媒体境遇下大学生信仰问题分析与导引对策——以福建省6所院校问卷调查为例

新媒体境遇下大学生信仰存在多元化、迷茫甚至缺失等现象。信仰的功利化和世俗化明显，崇我性和个人主义倾向突出。新媒体境遇下大学生信仰导引创新策略包括：提升信仰主体的新媒体素养，提高信仰主体的信仰认知；构建生活化信仰导引模式，增强主体对信仰客体的情感；发挥实践对信仰主体的巩固功能，培养信仰主体坚定的信仰意志。     

基于先验知识的混凝沉淀过程神经网络建模研究

摘 要：结合最优方法中的惩罚函数，利用已知对象的先验知识，把先验知识通过惩罚函数的方法加入到神经网络的性能函数当中，从而使训练过程体现先验知识的约束作用，使最终所得模型不违背先验知识．通过真实的数据仿真表明，利用该方法训练所得模型不违背先验知识，模型可靠程度更高，其中约束条件的强弱由惩罚因子的大小决定．此方法对于提高利用较少数据样本神经网络训练所得模型的可靠性以及加快网络建模速度都有重要的参考价值．     

几种不确定性测度的粗糙集解释

以粗糙集为基础，研究了信任函数与内测度、信任函数与随机集的下概率之间的关系，并给出了它们基于粗糙集理论的解释，首先将粗糙集与随机集作了比较，并由此得出了信任函数与下概率的关系。其次，对内测度的集合特征作了分析后，给出了信任函数与内测度的关系。     

多方程线性模型系统的贝叶斯预报分析

多方程线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分.作者利用模型系统的统计结构,证明了矩阵正态Wishart分布为模型参数的共轭先验分布. 利用贝叶斯定理,作者根据模型的样本似然函数和参数的先验分布推得了参数的后验分布,然后从数学上严格推断了模型的预报分布密度函数,证明了模型预报分布为矩阵t分布. 研究表明由于参数先验分布的作用,样本的预报分布与其原统计分布有着本质性差异,前者服从矩阵正态分布,而后者服从矩阵t分布.     

D-S理论在开放识别框架下的推广

针对无法获取完备识别框架的应用背景,把证据模型建立在一个随着证据组合而不断完善的开放识别框架上,提出一种推广的Dempster-Shafer(D-S)证据理论--开放框架D-S理论(OFDST).基于DFDST定义证据的支持函数与反对函数,对证据的信任函数模型进行全新诠释,揭示Dempster组合规则的线性实质.最后通过一个实例验证了该理论的合理性与有效性.     

一种新的微分进化文化算法

考虑到文化算法的双重性和微分进化在解决约束优化问题中的优异,提出用微分进化来模拟文化算法的群体空间,完成其微观方面的进化.根据群体空间调整文化算法的信念空间并设置相应的通讯协议——accept()和influence().最后,用典型实例对微分进化文化算法进行测试,结果显示出它在解决约束优化问题的优越性.     

基于改进证据理论的群决策专家意见集结方法

针对Demsper组合规则无法有效集结群决策中高冲突专家意见的局限,提出了利用冲突系数和Jousselme距离综合表示证据冲突程度进而通过证据冲突度计算专家客观权重的方法,采用经典的Demsper组合规则对经权重修正后的专家意见进行了集结;提出了一种新的可能度计算公式及基于可能度的信任区间的决策方法。数值实例表明:提出的方法可以有效集结高冲突专家意见,与几种改进方法相比收敛效果更好。基于可能度的信任区间法与最大信任函数法和最大似真函数法相比,决策结果更加科学。