基于改进冲突度量的证据组合新规则

针对DS组合规则对证据之间冲突度量估计比较“保守”的问题,提出了一种新的证据组合规则。新组合规则充分考虑了证据之间所有可能的冲突,从而使得在组合过程中不一致的信息被抑制,而一致的信息则被放大。与DS组合规则相比,根据新组合规则得到的合成证据收敛性更好,因此更有利于下一步的识别判决。数值实验验证了新组合规则的有效性。     

基于改进余弦相似度的证据间定向冲突度量方法

针对传统证据冲突度量方法无法区分证据间冲突程度的差异,并且会在特定情况下失效的问题,提出一种基于改进余弦相似度的证据间定向冲突度量方法。通过将支持系数引入余弦相似度模型,使所提方法具有非对称性,从而能够区分证据间冲突程度的差异,同时还可解决基本余弦相似度模型不适合处理证据中包含非单子集焦元的问题。实验结果验证了所提方法的准确性和有效性。     

基于证据折扣优化的冲突证据组合方法

D-S证据组合规则在处理高冲突度信息时,会得出与直觉相反的结论,出现冲突的证据组合,这一直是D-S理论研究的热点.现有改进的组合规则大部分不满足结合律原则,导致不同的组合顺序会得到不同的组合结果.针对这一问题,给出了一种新的满足结合律原则的证据组合推理规则.首先建立了基于Ign(·)函数极小化的证据折扣优化模型,然后利用最优折扣对证据进行修正,得到证据修正模型,最后利用新的证据合成规则对修正后的证据进行组合.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明显改进.     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

基于权重系数与冲突概率重新分配的证据合成方法

证据合成方法将来自不同信息源的独立证据信息组合,产生更可靠的证据信息。但在证据完全冲突或冲突较大时,Dempster-Shafer证据合成公式失效。鉴于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数和冲突概率的重新分配,新的合成方法提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。     

基于Lance距离和信度熵的冲突证据融合方法

针对D-S(Dempster-Shafer)证据理论中证据融合可能存在冲突的问题,通过考虑证据之间的关系及其本身的特性,提出一种基于Lance距离和信度熵的冲突证据融合方法。首先,利用Lance距离来度量证据之间的差异和冲突程度,并通过矩阵形式表示证据的可信度,再通过计算信度熵来度量证据的信息量,并以此表示证据的不确定度。其次,综合考虑证据的可信度和不确定度来衡量证据最终融合的折扣系数,并通过折扣系数修正原始证据。最后,采用Dempster合成规则进行证据融合得到最终结果。算例分析结果表明,所提方法较其他方法而言,收敛速度更快,融合结果更准确、可靠。     

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。     

一种新的证据冲突表示方法

D-S证据理论作为一种不确定信息融合技术,被广泛应用于信息融合的各个领域。但是在证据高度冲突情况下常常会导致错误的融合结果,研究人员对证据理论的组合规则的改进和数据模型的修改进行了大量的研究,但是如何去度量或确定证据之间冲突的程度却常常被人忽视。针对这一问题,首先分析了证据理论中经典冲突系数的不足,引入证据距离函数表示证据之间的差异性,结合经典冲突系数一起提出了一种新的证据冲突表示方法,克服了经典证据理论冲突系数的不足,能更有效地度量证据的冲突程度,最后通过算例验证了该方法的有效性。     

基于局部冲突消除的证据合成法则

Dempster-Shafer(D-S)证据理论在信息融合领域得到了广泛的应用。为抑制Dempster证据合成规则产生的有悖常理的证据合成结果,提出了一种基于局部冲突消除的证据合成法则。首先,通过一种基于Vague集和逐层递推算法的证据冲突衡量方法计算了证据之间的冲突程度;进而根据距离法思想对高冲突证据进行局部冲突“中和”;最后,利用Dempster证据合成法则对已预处理的证据进行信息融合。算例结果验证了此种法则的有效性。     

基于反馈证据冲突度的概率转换

概率转换是不确定推理中的有效决策方法之一。首先,对现有概率转换公式进行分析,给出两类统一的概率转换公式。针对现有概率转换公式的给出过程较为主观,概率转换方法缺乏严密性的缺陷,提出基于反馈证据冲突度的概率转换方法。再利用遗传算法,求解最小反馈证据冲突度的转换概率。最后,将本文概率转换方法与现有的概率转换方法进行比较,结合仿真分析表明所提方法的有效性。     

基于K-L信息距离的证据冲突特征识别与应用

证据冲突是多证据融合中各种合成方法的主要制约问题,本文引入K-L信息距离函数描述证据间的冲突特征,通过构造距离矩阵定义独立证据在整个系统的冲突程度,实现对证据冲突的系统化识别.模拟实验表明：K-L信息距离的有效冲突识别,能完善D-S理论合成规则的应用约束,对正常冲突证据合成得到优化收敛结果,对高度冲突隔离证据的特征分析提取价值信息.     

基于本征向量和Jousselme距离的高冲突证据融合方法

针对传统Dempster-Shafer (D-S)理论无法有效融合高冲突证据的问题, 提出了基于本征向量和Jousselme距离的证据修改方法。首先, 由决策者结合主观经验根据原始证据的重要性给出判断矩阵, 并利用本征向量法解得主观权重。接着, 由原始证据间的Jousselme距离得到客观权重, 然后, 综合主客观权重对原始证据进行修改。最后, 对修改后的证据体使用D-S理论进行融合。仿真结果表明, 该方法在对高冲突证据进行融合时收敛速度快, 准确度高, 同时具备良好的适应能力, 很好地解决了高冲突证据的融合问题。     

证据融合的聚焦与冲突处理研究

针对Dempster组合规则存在的缺陷,即：在融合高度冲突的证据时会产生违反直觉的结论,无法处理完全不一致的证据,而且不能根据命题子集基数向下聚焦,提出了一种结合修改组合规则与修改证据源两种不同冲突处理策略的证据融合方法,采用基于Jousselme证据间距离指标的加权平均法对原始证据进行修正,并给出新的组合规则对修正的证据进行多次组合。与当前代表性方法相比,该方法在根据子集基数向下聚焦、收敛趋势以及冲突证据的处理方面都有好的表现。     

基于利益冲突视角的互惠激励效应研究

为研究两个时期中企业主的互惠性偏好对员工的动态激励效应,从利益冲突角度构建了互惠性管理者与员工策略选择的两阶段序贯博弈模型.结果表明,在动态策略坏境中,互惠依然具有显著的激励作用,管理者的互惠性偏好会迫使员工的最优策略选择发生局部的收敛,从而一定程度上替代契约的功效,并且在一定条件下,委托人的收益将大于理性条件下的收益水平.     

基于@-合成算子的模糊控制器设计

用@-合成算子对模糊控制器进行设计,得到三种新的设计方案,并应用于工业锅炉锅筒水位模糊控制器的设计. 通过MATLAB编程,实现了常用的$ \odot$-合成算子所设计的锅炉锅筒水位模糊控制器和基于@-合成算子得到的三种新的控制器.对实验结果进行分析,发现用@-合成算子设计的一种方案比人们常用的$\odot $-合成算子所设计出来的方案更好,是四种方案中最好的.     

D-S证据理论合成规则及冲突问题

系统研究了近年来关于D-S证据理论合成规则的相关成果,提出一种新的基于证据可信度的合成方法,并就解决证据合成悖论的有关问题做了必要讨论.鉴于Dempster规则处理冲突的不足及修正原始证据模型方法的可靠性,决定在分配冲突的同时应对证据模型进行修正,实现两者紧结合,在对一致性证据的"与"运算合成问题上,以及证据冲突在各合成命题的比例分配问题上,均有效利用了各证据的可信度等全局信息.实验结果表明:该方法在证据一致和高度冲突的情况下均表现出良好的适应性,具有较快的收敛速度和高可靠性,明显优于同类其他合成方法,可应用于多源信息融合、模式识别、不确定信息决策等领域.