DEMPTER-SHAFER合成法则的悖论

针对证据推理理论中的Ｄｅｍｐｔｅｒ－Ｓｈａｆｅｒ证据合成法则构造出了三条悖论，为该法则的应用划出了一些禁区.     

基于关联度的决策概率转换方法

针对基本概率赋值转换为决策概率的问题,提出一种新的基于关联度的决策概率转换方法.该方法将单子集命题的基本概率赋值和转换后的决策概率之间的关联度作为评价转换方法的标准,并用其对比例信度转换方法和比例似然度转换方法进行线性组合,得出命题的决策概率.通过算例对比新方法与已有方法,结果表明新方法更加合理有效.     

量化plausibility测度在默认推理系统中的推理能力

作者讨论了量化plausibility测度在默认推理逻辑系统 （P系统）中的推理能力, 给出了一般量化plausibility测度与possibility测度具有相同推理能力的条件.     

美国总统和英国首相政治演讲中模糊限制语的对比研究

以美国总统和英国首相的政治演讲为语料依据,对模糊限制语在两个语料中的使用情况进行定量分析。研究显示：两国领导人都高频使用直接缓和语,情态动词的出现频率远远高于其他同类的直接缓和语。英国首相使用模糊限制语的频率要高于美国总统。英国首相更倾向于使用程度变动语和直接缓和语。两国领导人高频使用模糊限制语,不仅使语言更精确、可靠...     

Numerical Characterizations of Covering Rough Sets Based on Evidence Theory

<正>Covering rough sets are improvements of traditional rough sets by considering cover of universe instead of partition.In this paper,we develop several measures based on evidence theory to characterize covering rough sets.First,we present belief and plausibility functions in covering information systems and study their properties.With these measures we characterize lower and upper approximation operators and attribute reductions in covering information systems and decision systems respectively.With these discussions we propose a basic framework of numerical characterizations of covering rough sets.     

基于主成分分析的目标确认方法及其在车标定位识别中的应用

提出一种基于主成分分析的目标确认方法,解决小目标定位错误率高,并由此导致无效目标识别的问题.将已建好的目标模板看成一组随机向量,利用主成分分析得到一组特征目标;从原图像中检测可能目标,并将其映入特征目标空间进行重构;构造原目标与重构目标的似真度函数,根据该函数值可对检测目标进行确认或剔除,降低误定位率,确保了进入后续识别的目标为目标库中对象.将该方法应用在实测车辆图像车标定位识别测试,结果表明:与不使用似真度函数验证相比,目标定位准确度提高了16.5%;使用不变矩最小距离分类器进行车标识别,识别准确度比不使用似真度函数确认提高了20%.     

随机信息系统的约简

利用不协调信息系统的分布约简方法讨论了不协调的随机目标信息系统的约简方法,说明了通过恰当地构造信任测度与似然测度,随机目标信息系统的约简可以通过计算信任测度或者似然测度得到。     

基于证据理论的证券组合优化分析

提出了一种基于证据理论的证券优化组合方法,解决了最优投资比例问题和最大组合收益问题;文章根据现有证据,构造出识别框架,并确定出基本可信度分配,然后由集函数过渡到点函数,求出单点似真度,经过归一化处理后,确定了令人满意的投资比例;最后比较了各种组合的收益大小,进而得出最优组合。