改进的D-S证据推理地图匹配算法

随着中国的高速发展,城市道路拓扑结构越来越复杂,一些常用的地图匹配算法难以适应当今各种复杂的道路类型,尤其是道路交叉口.针对道路交叉口易出错、稳定性差等问题,文中提出了一种改进的D-S证据推理地图匹配算法.该算法对原有算法加以改进,简化证据公式,重新确定基本概率分配函数,并引人第三个证据一历史匹配程度,利用分布式融合模型对证据加以融合,将距离和角度两个基本证据融合后的结果与历史匹配程度证据再加以融合,比较二次融合后的基本概率分配函数值来确定最佳匹配路段.对改进算法执行模拟测试,与其他三种算法相比的结果表明,在错综相连的道路交叉口区域内改进算法拥有更高的匹配准确率且单点匹配耗时更少.     

基于改进的D-S证据理论的栅格地图构建

针对非结构化环境地图构建问题,提出了一种基于改进的D-S证据理论的栅格地图构建方法。使用移动机器人多超声波传感器进行了环境探测;针对某些情况下不能应用D-S证据理论进行信息融合和D-S证据组合过程有时会产生有悖常理的无效结果的问题进行了讨论,提出了采用近似处理算法对D-S证据理论进行改进,并将其用于多传感器信息融合,构建了2维D-S栅格地图;运用D-S证据理论进行了判决,构建了2维0-1栅格地图;对D-S栅格地图进行了分析,提出了基于D-S栅格地图的环境评价与环境探测效果评价方法。仿真结果表明,基于改进的D-S证据理论的栅格地图构建方法适用于非结构化环境的地图构建。     

D-S证据理论合成规则的一些修正

在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有用的方法。但是,D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进,但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题,针对时域冲突的特点提出一种新的合成规则改进方法,由此弥补了D-S理论和Yager合成公式的不足,对于在时域上高度冲突甚至完全冲突的证据,能够取得理想的结果。     

基于D-S证据理论的变电站设备状态监测模型

为了提高变电站设备的供电可靠性,根据已有的设备状态监测方法,利用小波分析方法和D-S证据理论,提出了一种变压器状态监测模型,通过对变电站设备特征量的分析来实现对变电站设备状态的实时监测.     

D-S证据理论合成规则的一些修正

在多传感器数据融合中，D-S证据理论对于处理不确定性问题是一种有用的方法。但是，D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进，但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题，针对时域冲突的特点提出一种新的合成规则改进方法，由此弥补了D-S理论和Yager合成公式的不足，对于在时域上高度冲突甚至完全冲突的证据，能够取得理想的结果。     

基于改进的BP网络的D-S证据理论及其应用

目前,D-S证据理论凭借自身独特的处理不确定性问题能力,已在众多领域得到了广泛的应用。命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一,将改进的BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力。建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法。最后,仿真实验表明该模型可行。     

基于神经网络与D-S证据理论的目标识别

针对目标识别中基本可信度分配需要专家知识在实际中难以实现的问题,提出一种基于神经网络和D-S证据理论相结合的多传感器数据融合的方法.该方法利用D-S理论来表示和处理不精确的、模糊的信息,发挥神经网络的自学习、自适应和容错能力,提高了系统识别率.最后通过实验,利用神经网络来处理证据理论中的基本可信度分配问题,对几种空中目标进行身份估计数据融合,经计算机仿真证实了该方法的有效性.     

用D-S证据理论方法实现多传感器数据融合

对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ,并将其应用于飞机目标识别的数据融合中。结果证明 ,多传感器融合后降低了识别结果的不确定性 ,较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法     

基于粗糙集和D-S证据理论的云网络风险评估

提出了一种基于粗糙集和D-S(Dempster-Shafer)证据理论的云网络风险评估方法。该方法把云网络中针对虚拟机的网络攻击行为作为安全要素,首先,构建云网络风险系统,根据属性依赖度对云网络风险系统进行分解;其次,利用属性重要度对这些子风险系统进行约简;再次,利用粗糙集与D-S证据理论之间的联系,计算各个子风险系统的基本信任分配函数;最后,通过D-S证据理论的合成规则对多个证据进行合成,得到云网络所处安全状态的概率,从而评估云网络的风险。通过实例验证量化网络攻击行为对虚拟机层和物理机层的影响,结果表明,所提出的方法可以实现云网络风险评估。     

一种基于D-S理论的P2P网络信任模型

随着P2P网络在许多领域的广泛应用,有必要建立P2P网络的信任机制．根据P2P网络中对等体之间的平等关系和松耦合特性,提出了一种基于Dempster-Shafer证据理论的P2P网络信任模型．该模型给出了信任辨别框、基本信任概率分配函数以及置信区间的定义,并在此基础上建立了P2P网络的信任传递机制和信任聚合机制．把该模型应用于基于P2P的制造资源网络中证明了其正确性和合理性．     

基于投影的地图匹配改进算法

针对基于投影的地图匹配算法在道路网复杂、平行路段和交叉路口匹配正确率不高,容易出现误匹配的问题,利用道路网的拓扑连通性以及行车方向、转向等行车限制条件,引入驾车路线定义,提出一种基于投影的地图匹配改进算法。改进的算法简化了投影匹配路段筛选过程,可更快地确定投影匹配路段,并减少计算量。该算法既具有原投影匹配算法逻辑简单、实时性好的优点,又能大大提高匹配正确率。     

基于D-S证据理论的信息安全风险评估

采用Dempster-Shafer(D-S)证据理论处理信息安全风险评估中的不确定性问题,提出了基于D-S证据理论的风险评估模型。用改进的Dempster合成法则即对基本可信度分配使用"折扣率"的方法,对信息系统中存在的各种风险因素进行合成,处理风险因素中的不确定性,并通过仿真证明了该算法的正确性。最后,通过与模糊综合评判法进行比较验证了证据理论具有更高的准确性。     

基于GPS轨迹数据的地图匹配算法

针对低频浮动车数据存在定位误差、数据缺失等问题,提出了一种基于多目标遗传算法的地图匹配方法（multi-criteria genetic algorithm-based map-matching method,MGA-MM）,多目标遗传算法的适应度由空间相似度、修正的最短路径和方向相似度加权得出,引入动态时间规整（dynamic time warping,DTW）技术估计定位路径和修正路径之间的空间相似度,并利用A^*算法计算修正轨迹的最短路径.选择北京市海淀区低频浮动车GPS数据进行相应实验测试,测试结果表明该地图匹配方法具有理想的匹配精度且匹配速度较快,当采样间隔为10~20 s时,匹配正确率达93.7%,能够满足工程应用中低频浮动车地图匹配实时性和准确性的要求.

     

基于D-S证据理论的多传感器目标识别应用

以目标识别为背景,详细阐述了Dempster-shafer(D-S)证据理论方法的原理、多传感器信息融合的实现方法.并以多感觉智能机器人为载体,运用递归集中式融合方法测量数据结构中的互不相容元素对目标进行识别.从识别结果可以看出,这是一种识别目标的有效方法.     

基于D—S证据理论的多传感器目标识别应用

以目标识别为背景,详细阐述了Dempster—shafer（D-S）证据理论方法的原理、多传感器信息融合的实现方法．并以多感觉智能机器人为载体,运用递归集中式融合方法测量数据结构中的互不相容元素对目标进行识别．从识别结果可以看出,这是一种识别目标的有效方法．     

一种基于D-S证据理论的QoS可信度评估方法

为识别虚假QoS信息并识别Web服务间的共谋欺骗行为,提出了一种基于D-S证据理论的QoS可信度评估方法．该方法从公共信任(即基于服务间的历史交互记录)和私有信任(即基于服务自身交互经验)两方面评估QoS可信度,量化QoS信息,并以此判定QoS真实性,揭露和辟除Web服务间的共谋欺骗行为．仿真实验表明:该方法随着Web服务交互次数的增加,可信服务请求成功率也逐步上升,且要高于基于用户反馈的方法(即无法识别虚假、恶意服务的传统方法)．实验结果初步验证了该方法的可行性和有效性．     

道路网匹配质量检核与修正机制研究

针对多源道路网匹配结果质量检核的问题,通过比较匹配道路节点及路段在形状、位置和拓扑等方面的特征相似度,提出了匹配结果的度量约束、拓扑关系约束以及一致性约束等概念,并据此构建了全局一致性测度函数.利用这些限制性约束条件对匹配结果进行质量评估,评估结果分为两类:质量可靠和质量不可靠.对于质量不可靠,需进一步交由人工判定,并以令全局一致性测度函数得到最快增长为目标,对匹配结果进行级联自动修正,直至全局一致性测度函数无法再增大为止.这种半自动的质量检核与修正机制能够对匹配结果进行快速的质量评定,消除误匹配和漏匹配,确保经修正的匹配结果相互兼容,满足全局一致性约束条件,从而改善数据质量.