通信辐射源运动轨迹相似性分析

针对传统运动轨迹相似性分析利用时空信息效率不高问题,结合通信辐射源主体特点,提出基于时空和语义信息的辐射源轨迹相似性分析算法。在该算法中,对相似运动轨迹距离测度进行改进,提出基于马氏距离的轨迹时空相似度算法,将轨迹分割后计算相似度,克服了时间不匹配轨迹和不同采样间隔对轨迹相似性判断的影响;同时,结合基于高效K近邻(K-nearest neighbor, KNN)相似搜索的语义相似数据搜索算法,实现对辐射源相似轨迹的准确判断。该算法能够准确判断相似轨迹,优于现有的相似轨迹判断方法,且适应噪声环境。仿真实验结果验证了该算法的性能。     

通信辐射源运动轨迹相似性分析

针对传统运动轨迹相似性分析利用时空信息效率不高问题,结合通信辐射源主体特点,提出基于时空和语义信息的辐射源轨迹相似性分析算法。在该算法中,对相似运动轨迹距离测度进行改进,提出基于马氏距离的轨迹时空相似度算法,将轨迹分割后计算相似度,克服了时间不匹配轨迹和不同采样间隔对轨迹相似性判断的影响;同时,结合基于高效K近邻(K-nearest neighbor, KNN)相似搜索的语义相似数据搜索算法,实现对辐射源相似轨迹的准确判断。该算法能够准确判断相似轨迹,优于现有的相似轨迹判断方法,且适应噪声环境。仿真实验结果验证了该算法的性能。     

基于模糊证据推理的系统风险分析与评价

针对系统风险分析与评价中面临的模糊不确定风险信息建模问题,以及风险因素信息融合问题,在模糊集理论与证据理论研究的基础上,采用模糊证据推理技术, 提出了基于模糊证据推理的系统风险分析与评价方法的具体算法与处理操作流程.首先通过故障模式及影响分析进行风险识别,采用模糊信度结构模型建立风险不确定性的统一描述框架, 然后通过数据预处理算法、模糊证据推理信息融合算法以及模糊风险排序方法完成风险评价结果计算; 文末以某航天发射场火箭推进剂加注系统风险分析为例,验证了方法的可行性与有效性.该方法定量化分析系统部件的风险程度,为后续风险应对措施的制定提供辅助决策支持.     

基于证据理论的直觉梯形模糊IOWA算子及其应用

为解决信息不确定与信息不完全的不确定型决策问题,定义了基于证据理论的直觉梯形模糊诱导有序加权平均(DS-TrIFIOWA)算子.首先,介绍了直觉梯形模糊数及其相应的运算法则和集结算子.然后,基于证据理论和直觉梯形模糊数,并考虑到决策者观念特征,定义了DS-TrIFIOWA算子,分析并证明了该算子的性质,进而提出了一种基于DS-TrIFIOWA算子的不确定型决策方法.最后,利用算例对该方法的可行性和有效性进行了分析.     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

基于模糊软集的中药制药车间不确定调度模型和算法求解

为解决加工时间和交货期不确定状态下的中药制药车间调度问题,利用模糊软集的三角形模糊数和梯形模糊数来表征加工时间和交货期信息,并基于模糊数的运算规则定义了可能性测度和必然性测度,用拖期可信度来度量药品生产发生拖期的概率,建立以最小化药品生产平均拖期可信度为目标的混合整数规划模型。针对该模型,提出了一种混合模糊布谷鸟算法的求解方法,并以规模为10(3)×10的经典算例进行仿真测试。实验结果表明,给出的不确定调度模型能反映中药制药调度的真实场景,而且混合模糊布谷鸟算法能很好地对该模型进行求解,相比经典布谷鸟算法,该算法有更好的性能。     

基于模糊机会约束SVDD的故障诊断方法

针对使用不确定性数据进行多故障模式诊断问题,以模糊事件的可能性测度为基础,提出一种基于模糊机会约束支持向量数据描述的诊断方法。为有效地求解故障分类模型,提出模糊机会约束规划的对偶规划,根据贯序最小算法 (sequential minimal optimization,SMO)思想提出快速训练算法,利用支持向量数据描述使用一类数据求解分类面的优势,构建多类分类器。数值试验表明,本方法可以有效处理基于不确定数据的故障诊断问题,在故障类别较多的情况,速度有较大提高,具有一定实践意义。     

直觉模糊框架内的区间证据组合方法研究

区间证据的组合是区间证据理论中的核心问题之一,尽管相关学者试图将D-S证据理论中的证据组合规则进行推广以实现区间证据的组合,但该问题仍未得到完全解决.目前已有的组合方法都是基于优化模型来确定融合结果中各基本概率质量(BPM)的上下界,不仅算法复杂度较高,而且这类方法不满足结合律,对多个区间证据进行组合时不能依次对各个证据进行组合,难以满足时域信息融合的需求.本文基于直觉模糊集与证据理论之间的关系,在直觉模糊框架内对区间证据的组合问题进行研究.首先基于证据理论定义一种新的直觉模糊运算,通过区间证据与直觉模糊集之间的相互转换,提出一种基于直觉模糊集的区间证据组合方法,该方法满足交换律和结合律,对多个区间证据进行组合时具有较强的灵活性.数值仿真表明,基于直觉模糊集的区间证据组合方法可以获得合理的组合结果,而且算法复杂度远低于现有方法.     

基于证据理论的多阶段混合型偏好信息群决策方法

针对多阶段群决策环境下的混合型偏好信息集结问题,引入证据理论对实数、区间数、语言信息及语言直觉模糊数信息进行统一度量,并提出一种新的、基于发展稳定和增长趋势的多阶段激励性集结方法.首先,利用基于改进灰色关联分析的模糊测度方法将混合偏好信息转化为基本信度分配函数形式(mass函数);其次,综合冲突系数及证据间的相似性程度确定证据冲突度,并以此计算专家权重,利用证据权值和Demsper组合规则对不同专家的mass函数进行修正融合;再次,利用多阶段方案的排序与平均序值的差值衡量备选方案的波动情况,并定义稳定性激励调节系数;最后,将该决策方法运用到商业银行对小微企业融资贷款的选择案例中,对比分析方法的合理性和可行性.     

基于证据理论的异类信息统一表示与建模

在复杂系统的性能、可靠性评估中,由于信息不完备、实验样本有限、对复杂物理过程的认识不充分等原因,存在多种不确定性.由于不确定性的来源不同,因此在系统建模时不确定性参数存在概率分布、模糊分布、概率包络、区间信息等多种表达方式,难以用统一的方法对系统的性能、可靠性进行量化评估.研究了概率分布、概率包络、模糊分布、专家估计信息、小样本测试数据等不同类型的信息转化为基于证据理论的统一表示的方法,讨论了基于证据理论的异类信息统一表示方法在模型不确定性量化中的应用.实例仿真表明了所提出方法的有效性.     

基于证据理论的多任务抢修重要度决策

针对多任务抢修重要度决策中信息类型多样、描述不确定、传递不完整、历史无记录的现象,建立了基于证据推理的重要度决策指标体系和决策模型。将不同类型定性和定量决策信息通过相应的方法转换为同一框架下的基本信度效用值,然后根据各决策信息的重要度,通过证据理论合成方法对各因素基本信度效用值进行分类逐层合成,并根据决策信息中非空信息数量提出了重要度决策的量化方法。仿真算例验证了该方法的有效性。     

基于相容系数的冲突证据合成方法及评价准则

DS（Dempster-Shafer）证据理论能够有效地处理不确定信息,在信息融合领域得到了广泛的应用。针对DS证据理论在处理高冲突证据时存在的不足,提出了一种新的证据组合方法和量化的评价指标。所提方法利用相容系数来确定每个证据关于各个命题的权重,对证据源进行修正后再利用DS证据理论组合规则进行融合。评价指标则是利用证据源的权重对合成结果与原始证据之间的冲突进行加权求和。仿真实验结果表明,同已有方法相比,所提方法的合成结果更加合理。相应的评价准则也符合主观认识,显示出良好的评价性能。     

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.     

模糊SOFM网分类方法及其在水稻机械 生产方案分类中的应用

将模糊理论与自组织特征映射(Self-organizing Feature Map)网络相结合，构造出一种新的分类模型——模糊SOFM模型。模糊SOFM模型即利用了模糊理论解决不确定性问题的特性，又利用自组织映射特征网络具有较强的自学习、自适应能力、容错能力和模式识别能力的优点，能非常好地解决模糊或不确定系统中的多对象在多指标下的分类问题。实例结果表明，用模糊SOFM分类方法进行分类具有稳定、结果可靠等特点。图2，表3，参4。     

基于模糊马尔科夫理论的机动智能体决策模型

针对机动作战仿真背景,运用智能体理论研究战术机动智能体的最优机动决策问题。对传统的马尔科夫决策模型进行了扩展,通过定义攻击威胁下机动智能体的模糊状态空间、模糊状态转移规律和决策收益,建立了模糊战术机动决策模型,较好地描述了实际作战决策中的模糊认知、分析、判断等信息处理过程。通过引入强化学习手段,提出融合指挥员先验信息的Q学习算法和状态动态分类识别算法,对状态转移规律不易确定时模型的求解进行了研究;仿真实验验证了模型和算法的有效性。     

用于雷达信号分选的连通k近邻聚类算法

为了能够在密集且复杂多变的信号环境中进行实时有效的信号分选，需要一种具有较低复杂度且能够根据信号环境自动调整参数的聚类方法。在模糊聚类算法的基础上结合k近邻搜索，将λ邻域范围搜索变为λ邻域内k近邻搜索，提出了连通k近邻聚类(connected k-nearest neighbor clustering, CkNNC)算法。相比模糊聚类算法，所提算法时间复杂度降低而空间复杂度稍有增加。为使得该算法能够根据信号环境自动进行参数调整，提出了基于k距离图的阈值参数确定方法。所提算法具有时间复杂度低与阈值参数自动确定的特点，仿真结果表明所提算法与使用Calinski-Harabasz指标确定最佳阈值的低复杂度模糊聚类算法相比，分选效果差距不大、性能相近，而时间复杂度大幅下降。     

基于证据推理的信息不完全确定的MCDM方法

针对权系数为信息不完全确定、准则值不确定且不完全的多准则决策问题,提出了一种基于证据推理的方法。该方法先对决策者给出的权系数不完全确定信息进行分析,得到一组可利用的基数权重,然后将方案的准则值(不确定且不完全)用基于证据推理的算法进行集成,比较方案集在所有基数权重下的效用值的大小,从而确定方案集的排序。最后以实例表明该方法的有效性和可行性     

IT外包的质量风险防范契约设计与分析

针对IT服务质量测度不确定性和质量成本信息不对称两种质量风险因素,运用委托代理理论研究了质量测度不确定条件下的道德风险问题,以及质量成本信息不对称条件下的逆向选择问题,刻画了相应的能够缓解质量风险的契约,并量化比较了两种质量风险因素对IT服务质量和客户企业期望效用的不利效应。研究结论为质量测度不确定和非对称质量成本信息下的契约设计提供了理论支持,为客户企业采取措施降低质量测度不确定性和质量成本信息不对称程度提供决策依据。     

一种改进的Lyapunov指数谱算法及应用研究

提出了改进的Darbyshire-Broomhead(D-B)Lyapunov指数谱算法,通过互信息函数确定嵌入延迟,利用伪近邻法(False Nearest Neighbors,FNN)确定最佳嵌入维,从而确定了Lyapunov指数的个数,克服了原算法排除可疑指数过程中容易引起过多或过少的指数的缺点,然后再根据简化D-B理论计算出整个序列的Lyapunov指数.分别对含有噪声和不含有噪声的Lorenz时间序列仿真对比验证了该算法的有效性及稳定性.最后利用读算法对输油管道压力时间序列进行了Lyapunov指数的计算并分析出该时间序列具有混沌特征.     

基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.