證據理論是一種常用的不確定性推理方法,以其完備的數學基礎,能方便地表達與處理信息的不確定性,并且證據理論擁有其自身的優(yōu)勢,但是經典證據理論合成方法在運用時,會出現與人們認知相悖的情況,從而使其運用受到一定的限制,為此國內外學者從各個角度出發(fā),提出眾多的改進思想,進一步發(fā)展和優(yōu)化了證據合成方法。在以往學者的研究基礎上,本文從證據源出發(fā),著重考慮證據源間的信息,提出一種基于信息度的證據合成方法,同時建立合成結果有效性評價函數證據熵來反應合成結果的有效性。在證據理論的運用上,結合分類問題,利用證據理論思想,提出基于證據理論的決策樹構造方法,并且分別用算例驗證本文方法的有效性�；谛畔⒍鹊淖C據合成方法,首先考慮證據間的關系,構造信息度表示證據間關系,利用信息度修正證據源,而后進行證據合成,對于合成結果,采用證據熵來反映合成結果的有效性,通過與已有合成方法的比較,可以看出本文方法在聚焦速度上有很大的提高,同時也保證合成結果的合理性。另一方面,在證據理論的運用上,對連續(xù)型數據進行分類時,充分考慮數據的不確定性,引入證據理論構造轉化訓練集的函數模型,利用本文提出的證據合成方法,對轉化后的訓練集進行證據合成,結合決策樹構造思想,建立類屬性熵定義與屬性熵定義,生成基于證據理論的決策樹,利用數據集對此方法的進行驗證,并且與經典決策樹算法進行比較,說明此方法的有效性。
【學位單位】：江西師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP18
【部分圖文】：

基于信息度的證據合成方法研究及運用值，由圖 4-3 可以看出，隨著證據的加入，合成結果的證據熵越低，也定性越低，可見本文給出的ECMID合成方法能以較高的準確度合成證據

合成時的證據熵

基于信息度的證據合成方法研究及運用意味著不確定性越低，也就是合成的效果較其他幾種方法最好，而其他幾種方法，合成后的證據熵都普遍偏大，不確定性也就越大，則需要的信息量也就越多。

【參考文獻】

相關期刊論文 前10條

1 羅賀;尹艷平;胡笑旋;秦英祥;;基于可信因子的證據源修正方法[J];系統(tǒng)工程與電子技術;2015年06期

2 宋亞飛;王曉丹;雷蕾;薛愛軍;;基于信任度和虛假度的證據組合方法[J];通信學報;2015年05期

3 蔣雯;陳運東;湯潮;吳翠翠;羅宇;;基于樣本差異度的基本概率指派生成方法[J];控制與決策;2015年01期

4 崔家瑋;李弼程;;一種新的Dempster組合規(guī)則適用條件[J];計算機科學;2014年10期

5 王亮;呂衛(wèi)民;滕克難;金永川;;基于分類修正的多證據合成方法[J];控制與決策;2015年01期

6 熊小峰;李文進;毛伊敏;;一種不確定數據的樸素貝葉斯分類方法[J];江西理工大學學報;2014年05期

7 劉希亮;陳桂明;;一種自適應沖突證據檢驗與合成方法[J];控制與決策;2014年05期

8 汪永偉;劉育楠;楊英杰;司成;劉帥;;D-S證據理論中沖突處理的新方法[J];計算機工程與設計;2013年12期

9 王文慶;楊遠玲;楊春杰;;一種基于證據理論的數據融合算法[J];控制與決策;2013年09期

10 袁小珂;王欣;;一種改進的D-S證據合成方法[J];計算機測量與控制;2013年07期

相關博士學位論文 前3條

1 馬荔瑤;信任函數建模的認知不確定性數據分析與學習[D];中國科學技術大學;2016年

2 李海生;基于證據理論的分類方法研究[D];華南理工大學;2013年

3 肖明珠;基于證據理論的不確定性處理研究及其在測試中的應用[D];電子科技大學;2008年

相關碩士學位論文 前4條

1 章巍;基于D-S證據理論的數據融合方法設計與實現[D];北京郵電大學;2018年

2 樊金輝;基于D-S證據理論的不確定數據清洗方法[D];云南大學;2014年

3 牛為秋;基于粗糙集的決策樹分類算法[D];西安電子科技大學;2010年

4 王艷兵;基于決策樹和粗糙集的分類方法研究[D];山東大學;2006年

本文編號：2808353