基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Dempster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.     

一种基于麦克斯韦电磁力的证据冲突表示方法

D-S(Dempster-Shafer)证据理论是处理不确定信息的有效方法,但仍然存在着证据之间的冲突问题。引入麦克斯韦电磁力理论,将证据理论中不同证据之间存在冲突与融合的问题转换为电磁力理论下的电磁斥力与电磁引力问题,该转换提出了一种新的证据间距离的量化方法。其中,在传统的冲突系数中引入了证据距离因素,并提出了一种新的证据冲突表示方法,提高了冲突系数的灵敏度。仿真结果表明,该方法在故障诊断中的识别率比传统方法更高,证明了本文所提方法的正确性和有效性。     

一种改进的有效冲突证据融合方法

针对经典证据理论Dempster规则无法有效合成冲突证据的问题,结合现有改进规则方法和改进模型两类方法的优势,提出一种改进的冲突证据融合处理方法。引入证据平均值的概念,通过计算各证据与证据平均值之间的距离来确定可信度作为权重,以区分各证据间的相关性和差异;再加权平均进行合成获得融合结果;并通过比较验证了该方法不仅有效,且在收敛速度和可靠性上更加优越。     

一种基于证据综合权重折扣的加权平均法

针对一类具有不同重要性与可靠度的证据融合问题,将证据静态权重与体现证据间相似性的动态权重结合起来,提出了一种基于证据综合权重折扣的加权平均法.首先,根据证据的先验信息即静态权重以及证据间的相似性,计算经静态权重折扣的各证据与其加权平均的距离而获得的证据的动态权重,再将静态权重与动态权重综合形成证据的综合权重.然后,将综合权重作为折扣因子建立具有信任折扣的证据推理模型.最后,利用加权平均法对修正后的证据进行组合.该方法能有效处理高冲突证据的融合,算例结果验证了所提方法的有效性.     

基于随机集的证据理论的改进在发电机故障诊断中的应用

在多传感器信息融合处理故障诊断问题过程中,传统证据理论对含有冲突证据的处理结果与实际相悖。文中运用随机集的方法对传统的证据理论进行改进,提出了一种新的基于证据本身的可信度权重和基于证据相似度的可信度权重的证据调整方法,并将改进后的方法应用于发电机系统的故障诊断中。结果表明,与传统证据理论相比改进后的方法更加精确地辨识出故障源,提高了诊断系统的性能。     

一种新的证据组合规则

通过对证据组合问题进行深入的理论分析,提出一种新的基于局部冲突、局部分配和一致性部分进行合取规则的证据组合方法,同时利用证据的可信度来修正证据结构.在确定证据的可信度时,给出一种通用的计算模型.与很多改进的组合方法相比,该方法不仅适用于冲突情况,而且也适用于证据间比较一致的情况.数值仿真表明,所提出方法能加快收敛速度,同时降低决策风险.     

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.     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

基于多准则的组合预测模型权重研究及其应用

针对传统组合预测模型大多是通过建立单一准则方程进行优化,而没有更好地考虑各单一模型之间互支持信息带来的不确定性问题,建立基于多准则的组合预测模型权重确定算法。首先,通过建立区间数模型构建样本区间距离并进行相关折算归一化生成样本的基本概率分布BPA(basic probability assignment),作为单一预测模型的初级权重;然后,通过对D-S证据理论进行改进,建立证据可信度、证据精度和证据自冲突系数3个准则分别用于评价单一模型自身精度及其之间互相支持信息,通过对3个准则排序得到综合排序值作为单一模型初级权重的权重调整系数;最后,综合多时刻数据归一化后确定单一模型的最终权重用于组合预测。研究结果表明:经过权重调整后的组合预测精度得到显著提高,且经过调整系数R调整后的不变权组合预测模型最优。     

解决冲突证据合成问题的改进D-S证据理论算法

冲突证据在证据合成时会造成合成结果与直觉相悖的现象.为解决冲突证据合成问题,分析了传统D-S证据理论的基本性质及其改进方法的不足,提出一种结合斯皮尔曼等级相关系数的证据合成方法.该方法首先计算出证据之间的相关系数并且得到相关性矩阵;然后根据相关性矩阵构造修正系数来折扣基本可信度分配函数;最后利用D-S证据组合规则对修正后的证据进行合成.经典数值算例结果表明:改进后的算法具有更高的目标辨识率,并且此方法计算过程简捷,适用范围广,有效解决了证据间的高度冲突问题.     

基于证据间距离和不确定性度量的证据组合方法

针对Dempster组合公式无法组合冲突证据的问题,提出了一种证据组合的权重分配方法.该方法充分考虑证据间的关系和证据本身的特性,用证据间距离度量证据间的不一致程度,用证据的不确定度来度量证据本身的不确定性;在此基础上扩展了文献[7]提出的权重确定准则,认为证据组合规则既要考虑使组合后证据与各源证据间的距离和尽量小,也要注重降低组合后证据本身的不确定性.最后根据新的准则给出了权重因子的确定算法和证据组合方法.算例表明,该方法改进了文献[7]权重分配方法的结果,且使权重分配更加灵活.     

一种有效的加权冲突证据组合方法

为了有效融合高度冲突的证据,提高证据高度冲突时融合结果的可靠性和合理性,给出了一种新的加权证据组合方法。该方法根据证据之间的关联特性,通过计算证据体间的相对距离获得系统中各传感器证据的权重。首先引入一个证据体间的距离函数,根据多证据体的距离,得到系统中各传感器证据体之间的相似度和各证据的支持度,依据支持度的大小进一步可得到各证据的可信度,以此作为各证据的权重,对证据的基本概率指派进行加权平均,最后利用Dempster组合规则融合加权平均后的证据。与其他方法相比,该方法在系统存在伪证据(干扰)时能有效迅速地识别出目标。     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

基于位置子市场划分的房价贝叶斯概率模型

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

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.     

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.     

一种新的基于证据权重的D-S改进方法

针对D-S证据理论处理高冲突证据时会出现于直觉相悖结论的问题,提出了一种基于证据权重组合的方法。首先通过引入Jousselme距离函数来确定证据权重。然后冲突证据由平均证据代替;且其权重也赋给平均证据。最后对修正后的证据加权平均后再用Dempster组合规则实现数据融合。与其他改进方法通过实例比较,表明该方法在有冲突证据时更能有效快速地识别出目标。     

基于信息融合的船舶中央冷却系统运行状态评估

为解决船舶综合监控系统中海量无序数据信息的有效利用问题,以中央冷却系统为研究对象,提出D-S证据理论结合粗糙集的信息融合方法对系统运行中的故障隐患状态进行识别.分别定义了等价属性和证据决策系数的概念,给出快速约简方法及基于证据信任度的证据合成方法,明确了证据基本可信度分配的求解过程.基于实际船舶典型状态数据的测试评估结果表明,所得结论与基于先验知识的判断基本一致,验证了所提方法对系统隐患故障状态评估的有效性.     

基于秩相关系数的证据合成方法

针对传统Dempster-Shafer证据合成方法合成冲突证据时,会出现相悖结论的问题,提出了基于秩相关系数的冲突证据合成方法。方法利用证据冲突信息,通过秩相关系数得到证据间的相关程度,通过算法步骤顺序求解证据距离以及权重系数,根据权重系数对证据进行重新概率分配后,完成证据预处理过程,最后用改进的合成规则,完成再分配证据的合成。具体的证据实证验证了算法在合成冲突证据方法具有最优结果,且和推理一致,可以很好地用于证据合成。