基于信息度的证据合成方法研究及运用

发布时间：2020-08-29 09:12

　　 证据理论是一种常用的不确定性推理方法,以其完备的数学基础,能方便地表达与处理信息的不确定性,并且证据理论拥有其自身的优势,但是经典证据理论合成方法在运用时,会出现与人们认知相悖的情况,从而使其运用受到一定的限制,为此国内外学者从各个角度出发,提出众多的改进思想,进一步发展和优化了证据合成方法。在以往学者的研究基础上,本文从证据源出发,着重考虑证据源间的信息,提出一种基于信息度的证据合成方法,同时建立合成结果有效性评价函数证据熵来反应合成结果的有效性。在证据理论的运用上,结合分类问题,利用证据理论思想,提出基于证据理论的决策树构造方法,并且分别用算例验证本文方法的有效性。基于信息度的证据合成方法,首先考虑证据间的关系,构造信息度表示证据间关系,利用信息度修正证据源,而后进行证据合成,对于合成结果,采用证据熵来反映合成结果的有效性,通过与已有合成方法的比较,可以看出本文方法在聚焦速度上有很大的提高,同时也保证合成结果的合理性。另一方面,在证据理论的运用上,对连续型数据进行分类时,充分考虑数据的不确定性,引入证据理论构造转化训练集的函数模型,利用本文提出的证据合成方法,对转化后的训练集进行证据合成,结合决策树构造思想,建立类属性熵定义与属性熵定义,生成基于证据理论的决策树,利用数据集对此方法的进行验证,并且与经典决策树算法进行比较,说明此方法的有效性。
【学位单位】：江西师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP18
【部分图文】：

基于信息度的证据合成方法研究及运用值，由图 4-3 可以看出，随着证据的加入，合成结果的证据熵越低，也定性越低，可见本文给出的ECMID合成方法能以较高的准确度合成证据

合成时的证据熵

基于信息度的证据合成方法研究及运用意味着不确定性越低，也就是合成的效果较其他几种方法最好，而其他几种方法，合成后的证据熵都普遍偏大，不确定性也就越大，则需要的信息量也就越多。

【参考文献】

相关期刊论文 前10条

1 罗贺;尹艳平;胡笑旋;秦英祥;;基于可信因子的证据源修正方法[J];系统工程与电子技术;2015年06期

2 宋亚飞;王晓丹;雷蕾;薛爱军;;基于信任度和虚假度的证据组合方法[J];通信学报;2015年05期

3 蒋雯;陈运东;汤潮;吴翠翠;罗宇;;基于样本差异度的基本概率指派生成方法[J];控制与决策;2015年01期

4 崔家玮;李弼程;;一种新的Dempster组合规则适用条件[J];计算机科学;2014年10期

5 王亮;吕卫民;滕克难;金永川;;基于分类修正的多证据合成方法[J];控制与决策;2015年01期

6 熊小峰;李文进;毛伊敏;;一种不确定数据的朴素贝叶斯分类方法[J];江西理工大学学报;2014年05期

7 刘希亮;陈桂明;;一种自适应冲突证据检验与合成方法[J];控制与决策;2014年05期

8 汪永伟;刘育楠;杨英杰;司成;刘帅;;D-S证据理论中冲突处理的新方法[J];计算机工程与设计;2013年12期

9 王文庆;杨远玲;杨春杰;;一种基于证据理论的数据融合算法[J];控制与决策;2013年09期

10 袁小珂;王欣;;一种改进的D-S证据合成方法[J];计算机测量与控制;2013年07期

相关博士学位论文 前3条

1 马荔瑶;信任函数建模的认知不确定性数据分析与学习[D];中国科学技术大学;2016年

2 李海生;基于证据理论的分类方法研究[D];华南理工大学;2013年

3 肖明珠;基于证据理论的不确定性处理研究及其在测试中的应用[D];电子科技大学;2008年

相关硕士学位论文 前4条

1 章巍;基于D-S证据理论的数据融合方法设计与实现[D];北京邮电大学;2018年

2 樊金辉;基于D-S证据理论的不确定数据清洗方法[D];云南大学;2014年

3 牛为秋;基于粗糙集的决策树分类算法[D];西安电子科技大学;2010年

4 王艳兵;基于决策树和粗糙集的分类方法研究[D];山东大学;2006年

本文编号：2808353