基于预处理模式的D-S证据理论改进方法

D-S证据理论是决策融合的主要方法之一,但典型的D-S理论不大适应高冲突证据组合.本文提出一种基于预处理模式的方法,在利用Dempster组合规则进行证据组合之前,将冲突焦元的基本概率赋值部分转移到焦元并集,采用证据之间的冲突额度来确定证据组合顺序.由于该方法将冲突化解为不确定的知识表示,可以处理冲突证据的组合问题.     

基于D-S证据理论的审计证据评价系统设计

在信息技术迅速发展的背景下,利用计算机技术进行审计证据的处理与评价具有重要意义。D-S证据理论能够进行不确定性推理,可以用于处理审计证据判断的不确定性,因此开发基于D-S证据理论的审计证据评价系统是可行的。在阐述D-S证据理论基本原理的基础上,分析审计证据评价系统的功能需求,设计系统的功能结构,阐述审计证据合成模块的程序流程,并基于B/S结构实现该软件系统。该系统能够提高审计证据的证明效力,降低审计风险。     

一种新的基于证据权重的D-S改进算法

D-S(Dempster-Shafer)证据理论是一种有效的不确定性推理方法,但在组合高冲突证据时,D-S证据理论得到的结果却往往有悖常理。为了解决冲突证据的合成问题,考虑到不同的证据在合成过程中的重要程度不同,提出了一种新的基于证据权重的D-S改进算法。该方法首先引入一个度量证据体间相似度的证据距离函数,建立相应的证据距离矩阵,求出系统中各证据到证据集的平均欧式距离,然后通过信任函数来获得描述各证据重要程度的权重系数并对证据源进行修正,最后利用D-S组合规则对修正后的证据进行合成。通过算例的分析以及与其它改进算法的比较,验证了新方法的有效性和优越性。     

D-S证据理论在审计证据融合中的应用研究

古典概率难以解释审计判断的不确定性,而D-S证据理论是进行不确定性推理的有效方法,因此应用D-S证据理论进行审计证据融合的研究。针对审计证据的组合问题,提出了基于三角形模糊隶属度函数的基本概率分配函数计算方法,给出了证据组合结果的判决规则,并通过实例验证了该方法的有效性。     

基于D-S证据理论的信息融合算法

针对现有D-S证据理论算法在信息融合应用中缺乏系统性的问题,提出了一种基于D-S证据理论的层次式融合算法。该算法模型采用多维属性信息的分域、层次融合方式,利用初始信息确定高层融合所需的概率分布的近似算法对数据进行融合处理,并对于可能存在的证据冲突问题,给出了算法的修正。仿真结果表明,该算法收敛速度快,准确度高,在低虚警率下具有较好的检测率。     

一种改进的D-S证据算法

利用D-S证据理论的信息融合算法,提供了一种证据理论的改进方法以解决D-S算法在实现过程中存在的证据冲突问题.通过仿真试验,对该方法的有效性进行了验证.     

基于D-S证据理论的网络设备故障诊断算法

针对数据融合理论引入到网络环境设备的故障诊断过程,并在聚类、合并、关联的数据融合过程中应用了D-S证据理论,在一定程度上解决当前设备故障诊断系统中存在的告警洪流、误报率高、告警之间的关联性差等问题,提高了分布式网络设备故障诊断系统的诊断性能.在算法实现的过程中,还构造一个基于Agent技术的网络设备故障诊断系统模型,不仅实现了数据收集的分布化,而且实现了故障检测和实时响应的分布化,在最大程度上降低各个检测部件的相关性,确保系统的可扩展性和同其他系统的互操作性.     

基于D-S证据理论的网络安全风险评估模型

针对网络信息系统的安全风险评估问题,提出了基于D－S证据理论的风险评估模型。证据理论是一种处理不确定性的推理方法。首先用“折扣率”对Dempster合成法则进行了改进,然后使用改进后的Dempser合成法则对网络中存在的各种风险因素进行合成,减少了风险因素中的不确定性,并以实例验证了该模型在网络安全风险评估中的应用,仿真结果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。     

D-S证据推理的决策问题

在处理不确定信息的方法中,D-S证据推理性能突出,应用广泛。但也存在决策方面的困难,事实上,有效的决策方法仍是它未解决的问题之一。该文从两方面研究了这一问题。首先根据测度论中代数(域)扩张理论,引入决策命题集的概念,对决策命题加以约束;其次分析了现有的决策方法,对线性加权组合决策方法提出了改进,并结合应用实例给出了详细可行的算法。     

基于D-S证据理论的导弹武器系统效能评价

导弹武器系统的效能评价是有人参与的复杂系统评价问题.针对该类问题评价的复杂性和不确定性以及多属性群决策性,提出采用D-S证据理论对系统的导弹武器系统效能进行评价,给出了D-S证据理论用于系统效能评价的方法.证据理论综合了来自各个专家的评价信息,能够使得评价过程更加合理.仿真结果初步表明D-S证据理论在系统效能评价中具有一定的适用性.     

基于D-S证据理论的室内组合定位算法

在非定位系统部署信标的大体量场区环境下,针对基于位置的服务（LBS）的室内定位需求问题,提出了一种基于D-S证据推理理论的无线局域网/惯性测量组件（WiFi/IMU）组合定位算法。该算法首先建立各接入点（AP）单点的信号强度传输模型,并利用卡尔曼滤波对接收到的信号强度指示（RSSI）值进行去噪修正处理;然后通过D-S证据理论对实时采集的WiFi信号强度、偏航角、各轴加速度的多源信息进行融合处理,选取可信度高的指纹区块;最后通过加权K近邻（WKNN）算法得到终端估算位置。单元场区仿真实验结果显示,最大误差2.36 m,综合平均误差1.27 m,验证了该算法的可行性与有效性;且误差累计概率分布在小于等于典型距离时为88.20%,优于惩罚参数C支持向量回归机（C-SVR）的70.82%和行人航迹推算（PDR）算法的67.85%。进一步地,算法在全场区实际实验中也表现出了良好的环境适用性。     

基于D-S证据理论和BP神经网络的多传感器信息融合

针对多传感器信息融合的基本可信度分配在实际应用中难以解决的问题,提出了一种基于D-S证据理论与BP网络相结合的多传感器信息融合的改进方法。该方法充分发挥BP神经网络自学习、自适应和容错的能力,利用BP神经网络处理证据理论的基本可信度问题,再利用D-S证据理论来处理不精确、模糊的信息。最后通过一个实例证明了该方法的有效性。     

两种入侵检测系统D-S证据理论融合算法的比较

D-S证据理论可以支持概率推理、诊断、风险分析以及决策支持等,并在多传感器网络、医疗诊断等应用领域内得到了具体应用。该文比较了入侵检测中基于D-S证据理论的两种融合算法,通过DARPA1999评测数据集验证,得出各自的利弊,并提出了改进建议。     

基于D-S证据理论的入侵检测模型

将数据融合理论引入到入侵检测过程,提出基于数据融合的入侵检测系统模型,并在系统模型的实现过程中应用了多Agent技术,使整个模型具有良好的扩展性。在聚类、合并、关联的数据融合过程中应用了D-S证据理论,在一定程度上解决当前入侵检测系统中存在的告警洪流、误报率高、告警之间的关联性差等问题,提高了分布式入侵检测系统的检测性能。     

基于模糊D-S证据论的入侵检测

根据操作系统的工作原理,对计算机执行程序的行为特征进行严密地入侵剖析。运用马尔可夫模型对计算机受到入侵时的状态建立合适粒度的状态知识源,采用模糊D-S证据论方法来融合所建立的状态知识源进行综合评判,解决了入侵检测过程多源数据融合常涉及到非排斥性假设和操作不确定性的数据所造成的误检和漏检率。经过实验分析,该方法有效地降低了误检和漏检率,提高了入侵检测的全面性和准确性。     

基于一维卷积神经网络与改进D-S证据理论的警务云安全数据融合技术

针对系统内评估信息来源单一、准确度偏差过大与异构数据提取融合不充分的问题,提出了一种可扩展攻击行为的多源异构网络安全数据融合框架。首先,建立以攻击模式为核心的安全事件分析模型,进一步精简安全数据;其次,针对决策层数据特征提取不足的问题,建立了基于攻击行为的1D-CNN （1D convolutional neural network,1D-CNN）模型,对警务安全数据进行特征学习和重构;为了进一步提高警务云安全数据的分类能力,模型改进了D-S证据理论并结合多源安全数据的可信度进行数据融合。实验分析表明,基于1D-CNN的改进D-S证据理论模型进一步提高了警务云中安全事件的报警识别率,与其他相关技术相比,该模型具有较好的分析能力,对警务云的安全入侵检测和漏洞分析具有重要意义。     

基于改进D-S证据理论的认知无线电频谱感知算法研究

针对基于D-S证据理论的认知无线电频谱感知算法在认知节点的感知信息存在较大冲突时会产生与实际情况相悖结果的问题,提出了一种基于改进D-S证据理论的认知无线电频谱感知算法。改进算法采用一种新的加权平均方法平均各个证据,比算术平均法更多地降低了异常证据的影响,同时通过计算证据到平均证据的距离来计算证据权值,解决了权值计算复杂度问题。实验结果表明,在认知节点的感知信息存在严重冲突时,改进算法可有效提高认知无线电频谱感知系统的感知性能。     

基于粗糙集和D-S证据理论的信息融合技术应用研究

针对井下信息量大、噪声多、参数多、动态等特征,提出了一种基于粗糙集数据挖掘和D-S证据理论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理;利用径向基函数(RBF)神经网络建立了井下环境识别模型;利用D-S证据理论进行两级融合决策,并对井下安全状况进行判断。仿真结果表明:该方法提高了井下信息的识别和决策效果,极大地降低了不确定性。     

基于D-S算法的小波理论在温室控制中的应用研究

提出了一种适用于温室环境参数融合的混合算法,使用D-S理论推测某一时刻环境状态,用小波网络实现宏观决策,此算法解决了传统D-S证据理论中概率赋值困难的问题,同时也为小波神经网络提供了比较准确实用的训练数据。最后以温室樱桃西红柿为例,通过仿真说明此混合算法在农作物温室培养过程中对于环境参数的融合效果,为温室的控制提供了准确可信的依据。