利用不确定度的冲突证据组合

D-S(Dempster-Shafer)证据理论在信息融合中有着广泛的应用.针对证据理论中高冲突证据组合出现反直观结果问题,提出一种新的证据组合方法.依据证据体不确定度生成权重,并基于所获权重修正待组合证据体再利用Dempster规则完成证据组合.算例分析表明所提方法是合理有效的.     

改进D-S证据理论在电动汽车锂电池故障诊断中的应用

针对电动汽车电池系统的故障采用基于神经网络的改进D-S证据理论组合规则完成诊断过程。为了避免单一途径的诊断可能造成故障漏检误检的状况,决策层采用D-S证据理论组合规则来确定基于BP网络和RBF网络两种故障诊断算法结果。然而为了克服D-S证据理论处理高度冲突证据的缺陷,本文提出了一种基于神经网络改进的D-S证据理论组合规则。首先,采用神经网络对电池故障进行初步诊断,结合网络诊断准确率来分配不确定信息并构造证据体,又引入了证据间的支持矩阵来确定新的加权证据体。然后,把各个焦元的信任度融入D-S证据理论组合规则,从而融合神经网络证据体及新加权证据体。最后,依据决策准则确定锂电池系统的故障状态。通过仿真实验验证了本文提出的改进D-S证据理论融合诊断方法在电动汽车锂电池故障诊断中的有效性。     

一种基于证据预处理的组合方法

针对D-S证据理论在处理高度冲突证据时存在的不足,提出了一种新的基于证据预处理的组合方法.该方法根据各证据体与其余证据的冲突程度定义各证据体的可信度,利用证据体的可信度和原证据集中命题的支持度对原证据集进行预处理,然后对处理后的证据集采用D-S组合规则进行合成.此方法不仅有效地避免了在冲突证据合成时出现有悖常理的现象,又保留了经典D-S合成规则优越的信息聚焦性能.通过算例验证了新方法合成结果的可靠性与有效性.     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

证据算法改进及在并行故障诊断的应用

针对D-S证据理论合成公式处理并发故障诊断中高冲突证据时存在的不足,提出了一种改进的证据组合方法:考虑焦元属性之间及证据之间的相互关联性,利用证据的相似度给每个证据确定支持度,再采用组合公式融合.并结合某型飞机燃油系统并发故障诊断实例验证了算法的有效性.     

一种基于置信最大熵模型的证据推理方法

D-S证据组合规则在处理高冲突信息时会得出与直觉相反的结论,这一直是D-S理论研究的热点.与相关理论优势互补是克服证据理论固有缺陷的有效方法之一.基于对最大熵原理和证据理论的研究,定义了辨识框架上的基本最大熵置信分配函数,并与经典的D-S组合规则及其改进方法相结合,给出了相关推理公式及基于置信最大熵模型.理论分析和实验表明,最大熵新证据的加入使非单焦元的基本置信赋值按比例重新分配给了单焦元,很好地处理了高冲突信息.     

D-S改进算法在数据融合中的应用

作为一种重要的处理不确定性问题的方法,D-S证据推理理论目前已经广泛应用于各种数据融合系统中。详细阐述了D-S证据理论的相关理论和证据组合原理;针对D-S证据理论存在的缺陷和不足,介绍了一种改进的证据组合方法;通过实例证明,该改进方法能够用于组合冲突比较大的多个证据,并提高融合的性能和可靠性。     

扩展D-S证据理论在入侵检测中的应用

网络异常行为检测是入侵检测中不可或缺的部分,单一的检测方法很难获得较好的检测结果。针对经典D-S证据理论不能有效合成高度冲突证据的不足,提出将基于改进的加权D-S证据组合方法应用到网络异常行为检测中,并融合多个SVM,建立新的入侵检测模型。该方法通过引入平均证据得到权重系数,以此区分各证据在D-S融合中的影响程度,因此能有效解决证据的高度冲突。仿真结果表明,与传统的基于D-S证据理论的异常检测相比,本模型能够有效提高融合效率,进而提高检测性能。     

网络安全态势感知中D-S证据理论冲突证据的修正研究

D-S证据理论是不确定推理的一种重要方法,在许多方面都得到了广泛的应用。针对D-S证据理论在网络安全态势感知的数据融合过程中的应用,就多源数据的证据组合结果与直觉相悖的问题进行深入研究,提出了一种新的解决方案。该方案通过支持度的思想对冲突证据源进行修正以达到解决证据冲突的目的。最后,以网络安全态势感知环境为背景进行数值算例,证明了所提方法的可行性。     

扩展D-S证据理论在入侵检测中的应用

网络异常行为检测是入侵检测中不可或缺的部分,单一的检测方法很难获得较好的检测结果。针对经典D-S证据理论不能有效合成高度冲突证据的不足,提出将基于改进的加权D-S证据组合方法应用到网络异常行为检测中,并融合多个SVM,建立新的入侵检测模型。该方法通过引入平均证据得到权重系数,以此区分各证据在D-S融合中的影响程度,因此能有效解决证据的高度冲突。仿真结果表明,与传统的基于D-S证据理论的异常检测相比,本模型能够有效提高融合效率,进而提高检测性能。     

基于焦元支持度的合成规则

为了有效地融合高度冲突的证据,本文在焦元相似度和矛盾焦元的基础上提出了一种新的证据组合规则.该规则综合了Dempster-Shafer证据理论及加性融合两者的优点,首先从焦元冲突程度的角度对证据进行冲突检验,然后对冲突证据进行加性合成,从而消除证据之间的冲突.为了避免计算量过大的现象将焦元分为矛盾焦元和正常焦元两部分....     

基于距离测度的D-S证据融合决策方法

针对多源信息融合结果并依据D-S证据结构进行决策的问题，提出一种基于距离测度的D—S证据决策方法．该方法结合决策基元和非决策基元的属性进行决策，将依据D—S证据的决策问题分解成两个层面：属性层面、证据层面．属性层面上，给出候选决策从证据焦元获得支持度的方法；证据层面上，基于辨识框架幂集的元素，构造一个证据焦元向量空间，引入候选决策的理想状态向量，定义距离测度，构建决策模型．最后，对多源水质监测信息融合结果进行决策分析，结果表明该方法是合理、有效的，且具有处理冲突或非冲突证据的优点．     

基于改进证据理论和神经网络的故障诊断模型*

针对单一故障诊断方法精度低的问题,提出了一种基于D-S证据理论和神经网络相融合的决策层融合故障诊断模型。该方法利用证据理论来处理不精确的、模糊的信息,用神经网络来处理证据理论中的基本可信度分配问题。由于证据理论合成公式无法处理高冲突的证据,提出了一种改进的基于冲突焦元的证据合成规则。该模型在降低决策不确定性的同时大大提高了诊断的精度。最后通过发动机故障诊断实例验证了该模型的有效性。     

一种按比例分配冲突度的证据推理组合规则

在分析证据理论不足和已有改进方法及其缺陷的基础上，根据指挥员在作战中处理冲突证据的一般习惯，提出一种按比例分配冲突度的证据组合推理规则．算例验证结果表明，新的组合推理规则在处理冲突方面的性能得到了明显改进．     

基于D-S理论的多源信息融合冲突问题处理方法

D-S理论在不确定性的表示、量测和组合方面的优势,使得它在多源信息融合领域得到广泛应用。对于证据源本身的优先级别、可靠性及重要性,Dempster组合规则没有给予考虑,使其在证据推理过程中会产生与直觉相悖的结论。在多源信息融合处理中,针对基于D-S理论融合产生的冲突问题,进行了全面分析和总结,归纳为三个方面的问题:一般冲突问题、“一票否决”问题及“鲁棒性”问题;对其相应的解决方法进行分析,指出各自的优缺点。最后,指出解决冲突问题的方法存在的问题及未来研究方向。     

基于选择判据和贴近度的D-S证据融合方法

针对传统D-S证据理论难以融合高度冲突证据的问题,并考虑到证据正常时Dempster规则具有优越的聚焦性能,提出了一种基于选择判据和贴近度的证据融合方法。把贴近度概念引入到D-S证据合成中,通过证据的一致性度量来计算证据的权重,从而实现了冲突证据的加权融合。同时提出了证据修正的选择判据,将证据分成冲突与非冲突两类,对冲突的证据进行修正后再进行合成,而非冲突证据可直接进行合成。通过实例验证表明,所提出的方法不但保持了Dempster规则优越的信息聚焦性能,而且较好的解决了冲突证据的合成问题。     

非精确信息下基于证据理论的融资策略分析

由于市场环境的复杂性,企业在选择融资业务时所获取的信息往往表现为非精确性信息,因此难以做出有效的决策。针对此问题,基于D-S证据理论提出了一种定量化的决策模型。将不同类型的非精确信息转化为D-S证据理论的焦元表示,以不同融资业务下企业利润的差额为目标函数,根据证据推理,利用信任函数和似然函数构造了目标函数的上下界概率分布,并据此给出企业融资行为的决策依据。实例仿真表明,根据该模型的计算结果,企业可以很直观地做出最佳融资方式的选择。