現(xiàn)實生活中的信息由于受各種主觀因素和客觀環(huán)境的影響,常常存在一定的不確定性。通過對不確定信息進行建模,能夠有效地提取給定信息的本質(zhì)特性,進而利用某些數(shù)學(xué)方法來分析和解決實際問題。證據(jù)理論中的基本概率指派（BPA）函數(shù),具有表達(dá)“不確定”和“不知道”的能力,能夠在無先驗信息的條件下利用環(huán)境中的信息進行不確定信息建模和推理,因此在不確定信息的表示和建模方面具有顯著的優(yōu)勢。然而,如何合理地生成BPA函數(shù)是證據(jù)理論在實際應(yīng)用中仍需解決的關(guān)鍵問題之一。本文將對證據(jù)理論中的不確定信息建模問題（也即BPA的生成問題）進行研究。通過對現(xiàn)有的BPA生成方法進行分析,我們發(fā)現(xiàn)現(xiàn)有的方法在BPA生成過程中沒有同時考慮到信息源的可靠性對其生成的影響,這可能會導(dǎo)致生成的BPA不合理。本文將針對這一問題進行深入研究,旨在促進證據(jù)理論的發(fā)展與應(yīng)用。本文主要的研究成果和創(chuàng)新點如下:本文首先提出了一種基于屬性權(quán)重的BPA生成方法。該方法根據(jù)在每個屬性下不同類別的高斯模型間的相似程度,賦予各個屬性不同的權(quán)重來反映該屬性在實際應(yīng)用中的相對可靠程度。然后,將該屬性權(quán)重作為一個影響因素來修正傳統(tǒng)的BPA,進而得到一個包含了可靠... 

【文章來源】：西北工業(yè)大學(xué)陜西省 211工程院校 985工程院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

多功能柔性轉(zhuǎn)子實驗臺[95]

西北工業(yè)大學(xué)碩士學(xué)位論文圖4-1測試樣本在花瓣長度屬性下的相似度4.2基于可靠性的二元組BPA生成方法本章提出了一種基于可靠性的二元組BPA生成方法，該方法的多屬性決策框架如圖4-2所示。假設(shè)給定一個多屬性數(shù)據(jù)集作為原始數(shù)據(jù)集，首先將該數(shù)據(jù)集隨機劃分為訓(xùn)練集和測試集兩部分。訓(xùn)練集被用來學(xué)習(xí)和建立訓(xùn)練樣本在各屬性上的隸屬度分布模型（簡稱屬性模型），測試集被用來評估該模型的性能。獲取二元組BPA的方法介紹如下：首先，利用高斯型模糊數(shù)來構(gòu)建訓(xùn)練樣本在各個屬性上的隸屬度分布模型（簡稱高斯模型）。接著，將任意一個測試樣本與高斯模型進行匹配，在每個屬性下都可以得到該測試樣本對應(yīng)于不同類別的一組隸屬度，并以此來生成二元組BPA的第一部分。然后，通過綜合考慮在特定屬性下各個類別間的相似程度以及測試樣本與該屬性模型的相交部分間的風(fēng)險距離，得到該屬性生成的的可靠程度�；谏傻暮瘮�(shù)和可靠度，可以得到測試樣本在每個屬性下生成的二元組BPA。最后，在使用可靠性對二元組BPA進行折扣運算后，采用Dempster組合規(guī)則來融合各個屬性上的BPA，進而得到該測試樣本最終的BPA函數(shù)。本章所提出的BPA生成方法在信息建模的初始階段，同時考慮了信息源的可靠性對其生成的影響。此外，該方法在可靠性度量過程中綜合考慮了2方面的信息：在特定屬性下各個類別間的相似程度，以及測試樣本與該屬性模型的相交部分間的風(fēng)險距離，使得現(xiàn)實世界中的信息得到更加充分的描述和構(gòu)造。下面將對BPA生成方法進行詳細(xì)論述。假設(shè)原始數(shù)據(jù)集中共有個類別，它們構(gòu)成辨識框架Θ={1,2,···,}。其中，每個樣本包含個屬性，每個屬性被看作是一個信息源。針對原始數(shù)據(jù)–40–

【參考文獻(xiàn)】：
期刊論文
[1]多源信息融合技術(shù)及應(yīng)用發(fā)展現(xiàn)狀[J]. 元晶.  工業(yè)經(jīng)濟論壇. 2017(05)
[2]一種改進的K-means聚類算法[J]. 夏長輝.  信息與電腦(理論版). 2017(14)
[3]k-means聚類算法的改進研究[J]. 王菲菲,李秦,張夢佳.  甘肅科技縱橫. 2017(03)
[4]基于Logistic回歸的數(shù)據(jù)分類問題研究[J]. 鄒曉輝.  智能計算機與應(yīng)用. 2016(06)
[5]結(jié)合沖突系數(shù)K與pignistic概率距離的沖突度量方法[J]. 李昌璽,周焰,張晨.  空軍工程大學(xué)學(xué)報(自然科學(xué)版). 2016(02)
[6]DS證據(jù)理論研究進展及相關(guān)問題探討[J]. 韓德強,楊藝,韓崇昭.  控制與決策. 2014(01)
[7]多源信息融合關(guān)鍵問題、研究進展與新動向[J]. 陳科文,張祖平,龍軍.  計算機科學(xué). 2013(08)
[8]一種度量廣義基本概率賦值沖突的方法[J]. 何友,胡麗芳,關(guān)欣,鄧勇,韓德強.  中國科學(xué):信息科學(xué). 2011(08)
[9]證據(jù)理論在旋轉(zhuǎn)機械并發(fā)故障診斷中研究的進展[J]. 趙宏偉,張清華,夏路易.  廣東石油化工學(xué)院學(xué)報. 2011(04)
[10]廣義證據(jù)理論的基本框架[J]. 鄧勇,蔣雯,韓德強.  西安交通大學(xué)學(xué)報. 2010(12)

博士論文
[1]不確定環(huán)境下的博弈模型與群體行為動態(tài)演化[D]. 鄧鑫洋.西南大學(xué) 2016
[2]基于證據(jù)理論的安全防范系統(tǒng)評估與優(yōu)化設(shè)計[D]. 許培達(dá).上海交通大學(xué) 2015
[3]關(guān)聯(lián)證據(jù)融合研究[D]. 蘇曉燕.上海交通大學(xué) 2014

碩士論文
[1]基于信息融合的多層復(fù)雜網(wǎng)絡(luò)節(jié)點重要性評估[D]. 李美竹.西南大學(xué) 2016
[2]基于廣義證據(jù)理論的多模式智能推理與融合研究[D]. 王睿虹.上海交通大學(xué) 2015
[3]基于多源信息融合的跨膜蛋白拓?fù)漕A(yù)測研究[D]. 鄧鑫洋.西南大學(xué) 2013
[4]基于信息融合技術(shù)的高速沖床故障診斷研究[D]. 蔡博.東北大學(xué) 2011



本文編號：3520889