用于异质信息的信任区间交互式多属性识别方法

为了解决混合类型数据与专家知识等异质信息的融合决策问题,该文提出了基于信任区间的交互式多属性识别(BI-TODIM)方法。完善了混合类型数据的距离测度,根据信任区间的构建定理和灰关联方法构建了未知目标混合类型数据的信任区间,阐明了信任区间与直觉模糊数之间的等价关系,创建了混合类型数据和专家知识的识别决策模型,实现了特征...     

预警机威胁度的区间型不确定多属性决策方法

针对作战中可能面临敌方不同机型预警机威胁的情景,以及威胁属性等级确定的复杂性和不确定性,决策过程中的各属性值以区间数的形式给出.在研究预警机系统功能基础上,采用不确定多属性决策理论中的逼近理想点排序法,解决属性值为区间数的多属性决策问题.根据属性集的规划,提出预警机威胁等级评估方法,建立了预警机威胁度排序的数学模型,从...     

基于属性披露的移动信任协商方案

针对移动环境下使用传统信任协商方案存在的通信开销、存储开销及计算开销大的问题,提出一种基于属性披露的移动信任协商方案,协商时双方首先交换包含加密属性的信任证,并根据对对方的信任度评估,预先选择性地显露证书中的某些敏感属性,之后再根据协商策略多次交换属性加密密钥,逐步向对方显示自己的属性,从而完成协商过程。通过具体的应用实例说明方案的实现过程,方案性能分析表明该方案高效可行。     

基于信息价值的多属性群决策方法

根据信息的质量和价值这两个重要属性,建立了覆盖信息的时效性、关联性和准确性的价值评价指标体系;然后针对多属性群决策问题的描述和求解特点,构建了基于信息评价的相关数学模型,进而计算决策群体对各备选方案的最终排序结果;最后用炮兵防空实例说明其有效性。该方法将信息价值评价的思想引入到群决策,考虑了决策时所获取信息的延时损失及其与决策任务的关联性。     

属性权重不确定的直觉模糊多属性决策的威胁评估方法

在直觉模糊集的框架下,重点研究了目标属性值为区间数且权重完全未知,决策者对方案具有偏好信息的问题,提出一种属性权重不确定的直觉模糊多属性决策的威胁评估方法。首先,针对上述问题,建立了直觉模糊区间判断矩阵,给出了目标属性为区间数的指标值规范化处理方法;其次,分析了决策者对方案中所涉及的目标属性、属性权重及决策者权威度,建立了群决策的方案偏好模型;再次,针对目标属性值在某一区间内变化的特点,给出了直觉模糊区间值的接近度与理想解的定义,建立了最优属性权重约束优化模型;最后,以典型的威胁评估实例验证了该方法可同时反映主观和客观信息对目标威胁评估的影响,可有效避免因部分传感器失效或受外界环境因素影响以及决策者主观经验所带来的偏差,实际目标威胁评估结果验证了该方法的优越性。     

不确定多属性决策的干扰目标威胁排序

分析了影响电子战通信干扰目标威胁排序的因素,构建了评估目标威胁程度的指标体系.采用区间数来表示属性值,利用离差最大化的方法获得权重,通过可能度排序的方法求出结果,最后通过算例分析,说明利用该方法进行威胁排序有利于提高决策的准确性.     

信息网格中基于信任的访问控制研究

信息网格是利用网格技术实现信息资源的共享、管理和提供信息服务的系统.访问控制是对信息网格进行安全管理的重要手段,目前的信息网格访问控制技术不能完全满足实际应用的需求.为了防止用户的非法操作及恶意入侵,对用户的信任度进行了评估,提出了一种基于信任的访问控制机制,减小了信息网格中访问控制的安全隐患,该机制对其他信息系统也有很好的借鉴作用.     

基于加权BF-TOPSIS的多属性决策方法研究

BF-TOPSIS算法结合置信方程和TOPSIS算法,能够有效处理多属性决策问题。加权BF-TOPSIS(WBFTOPSIS)算法是对BF-TOPSIS算法的有效推广,保留了BF-TOPSIS算法的优越性。文章首先对BF-TOPSIS算法的归一化问题进行详细推理分析,并给出BBAs构造的一种新的证明。通过分析BF-TOPSIS算法BBAs构造的实际意义,提出WBF-TOPSIS算法,并给出加权系数的最优化表达式。BF-TOPSIS算法是WBF-TOPSIS算法的一种特殊情况。相比于BF-TOPSIS算法,WBF-TOPSIS算法能够做出更优的决策结果;最后算例分析验证了所提算法处理多属性决策问题的优越性性。     

多无源传感器之属性信息数据关联的规则与结构模型

属性信息具有提高数据关联算法性能的巨大潜力,是多无源传感器信息数据关联研究的趋势之一。对属性信息在多无源传感器数据关联问题中的应用进行了综述,分析了基于属性信息的数据关联问题的研究进展,抽象出属性信息应用的问题模型,给出了基于统计、不确定推理的属性信息关联规则,总结了属性信息应用于多无源传感器数据关联的处理结构模型,并比较了各处理结构的优缺点,最后指出了未来属性信息辅助数据关联要解决的关键问题。     

基于加权BF-TOPSIS的多属性决策方法研究

BF-TOPSIS算法结合置信方程和TOPSIS算法,能够有效处理多属性决策问题。加权BF-TOPSIS(WBFTOPSIS)算法是对BF-TOPSIS算法的有效推广,保留了BF-TOPSIS算法的优越性。文章首先对BF-TOPSIS算法的归一化问题进行详细推理分析,并给出BBAs构造的一种新的证明。通过分析BF-TOPSIS算法BBAs构造的实际意义,提出WBF-TOPSIS算法,并给出加权系数的最优化表达式。BF-TOPSIS算法是WBF-TOPSIS算法的一种特殊情况。相比于BF-TOPSIS算法,WBF-TOPSIS算法能够做出更优的决策结果;最后算例分析验证了所提算法处理多属性决策问题的优越性性。     

语音识别中互信息测度的聚类特性分析与实验评价

互信息作为一种模式距离测度已经被成功地应用在语音识别中,并由此提出了语音识别的互信息匹配模型。本文运用统计方法对互信息测度的聚类特性进行了分析,对其实际识别性能进行了实验评价,并与传统的距离测度Euclidean,Mahalanobis和Itakura-Saito进行了比较。分析与实验表明,互信息测度具有较好的聚类特性,相应的类内凝聚度较高,类间耦合度较小,在采用线性预测倒谱系数LPCC作为特征参数时,运用互信息测度的错误识别率较小,仅为运用Euclidean测度时的50％。     

一种基于嵌入技术的异构信息网络的快速聚类算法

异构信息网络聚类分析是当前的热点研究问题之一。利用异构信息网络的稀疏性,该文提出一种基于嵌入技术的星型模式的异构信息网络的快速聚类算法。首先从相容的角度将异构信息网络转化为若干个相容的二部图,使用随机映射和一种线性时间求解程序快速计算出每个二部图的近似通勤距离嵌入,每个嵌入都存在一个子集指示目标数据集;然后,使用这些指示子集构建一个通用的聚类模型;最后,将所有指示子集的类设置标号,通过计算指示同一目标对象的指示数据与标号相同类的中心点的加权距离总和,同时划分所有的指示子集,从而快速获得通用模型的极小值。通过理论分析及实验验证,该文算法聚类速度快,聚类准确率高。     

用于低空防卫的区域信息融合系统

区域信息融合系统具有布站灵活、低空区域探测性能好,能全天时、全天候工作的特点,在重点区域的国土防空中将发挥重要的作用。对区域信息融合系统的特点、组成、网络拓扑结构及实现技术等进行了一般性讨论。论述了系统目标信息融合的一般原则,包括目标融合及信息融合,特别对信息融合方式及算法进行了分析。对理想航迹人工加噪后,采用最小二乘法进行航迹生成的仿真,得到了期望的结果。该算法在工程中已得到验证。     

多传感器信息融合中的证据冲突判决方法

为了提高多传感器信息融合中冲突判决的准确性,提出了用多个证据冲突函数对证据冲突进行判决。首先分析证据冲突机理,指出证据冲突与证据间命题差异和潜在冲突有关,应在多证据组合情况下衡量证据冲突程度。然后给出多个证据冲突函数解决证据组合时冲突判决问题。最后通过仿真验证了该方法的有效性。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分：基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传播模型通过堆叠注意力层学习网络的高阶邻居特征;可更换的任务模型适用于不同的应用场景。与基准模型相比,该文所提框架在知识图谱的链接预测任务和异质信息网络的节点分类任务中都取得了相对不错的效果。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分：基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传...     

像素级的图像融合方法

本文提出了一种基于小波变换的图像融合算法。与传统金字塔方法相比较,基于小波变换的融合算法能够很好地保持图像的信息,提取源图像信息的能力更强,具有广阔的应用前景。     

基于信息系数矩阵的多聚焦图像融合

提出了一个新的图像融合方法——基于信息系数矩阵的融合方法,首先对源图像进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后通过计算图像信息系数矩阵来决定在小波域当中如何选择一个像素值来完成最终的融合图像.仿真实验表明,该算法得到的融合图像具有良好的视觉效果和量化指标,体现出更强的融合性能.     

基于灰色关联分析信息融合方法

多源信息融合是航天领域的一个共性问题。合理地确定先验信息的融合权重是解决该问题的关键之一。利用灰色关联度计算融合权重,使用简化融合模型获取先验分布,简化了分析与计算过程。计算机随机模拟结果表明该方法是合理可行的。