基于证据理论的不确定信息建模
发布时间：2021-11-26 20:41
现实生活中的信息由于受各种主观因素和客观环境的影响,常常存在一定的不确定性。通过对不确定信息进行建模,能够有效地提取给定信息的本质特性,进而利用某些数学方法来分析和解决实际问题。证据理论中的基本概率指派（BPA）函数,具有表达“不确定”和“不知道”的能力,能够在无先验信息的条件下利用环境中的信息进行不确定信息建模和推理,因此在不确定信息的表示和建模方面具有显著的优势。然而,如何合理地生成BPA函数是证据理论在实际应用中仍需解决的关键问题之一。本文将对证据理论中的不确定信息建模问题（也即BPA的生成问题）进行研究。通过对现有的BPA生成方法进行分析,我们发现现有的方法在BPA生成过程中没有同时考虑到信息源的可靠性对其生成的影响,这可能会导致生成的BPA不合理。本文将针对这一问题进行深入研究,旨在促进证据理论的发展与应用。本文主要的研究成果和创新点如下:本文首先提出了一种基于属性权重的BPA生成方法。该方法根据在每个属性下不同类别的高斯模型间的相似程度,赋予各个属性不同的权重来反映该属性在实际应用中的相对可靠程度。然后,将该属性权重作为一个影响因素来修正传统的BPA,进而得到一个包含了可靠...
【文章来源】：西北工业大学陕西省 211工程院校 985工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
多功能柔性转子实验台[95]
西北工业大学硕士学位论文图4-1测试样本在花瓣长度属性下的相似度4.2基于可靠性的二元组BPA生成方法本章提出了一种基于可靠性的二元组BPA生成方法，该方法的多属性决策框架如图4-2所示。假设给定一个多属性数据集作为原始数据集，首先将该数据集随机划分为训练集和测试集两部分。训练集被用来学习和建立训练样本在各属性上的隶属度分布模型（简称属性模型），测试集被用来评估该模型的性能。获取二元组BPA的方法介绍如下：首先，利用高斯型模糊数来构建训练样本在各个属性上的隶属度分布模型（简称高斯模型）。接着，将任意一个测试样本与高斯模型进行匹配，在每个属性下都可以得到该测试样本对应于不同类别的一组隶属度，并以此来生成二元组BPA的第一部分。然后，通过综合考虑在特定属性下各个类别间的相似程度以及测试样本与该属性模型的相交部分间的风险距离，得到该属性生成的的可靠程度。基于生成的函数和可靠度，可以得到测试样本在每个属性下生成的二元组BPA。最后，在使用可靠性对二元组BPA进行折扣运算后，采用Dempster组合规则来融合各个属性上的BPA，进而得到该测试样本最终的BPA函数。本章所提出的BPA生成方法在信息建模的初始阶段，同时考虑了信息源的可靠性对其生成的影响。此外，该方法在可靠性度量过程中综合考虑了2方面的信息：在特定属性下各个类别间的相似程度，以及测试样本与该属性模型的相交部分间的风险距离，使得现实世界中的信息得到更加充分的描述和构造。下面将对BPA生成方法进行详细论述。假设原始数据集中共有个类别，它们构成辨识框架Θ={1,2,···,}。其中，每个样本包含个属性，每个属性被看作是一个信息源。针对原始数据–40–
【参考文献】：
期刊论文
[1]多源信息融合技术及应用发展现状[J]. 元晶. 工业经济论坛. 2017(05)
[2]一种改进的K-means聚类算法[J]. 夏长辉. 信息与电脑(理论版). 2017(14)
[3]k-means聚类算法的改进研究[J]. 王菲菲,李秦,张梦佳. 甘肃科技纵横. 2017(03)
[4]基于Logistic回归的数据分类问题研究[J]. 邹晓辉. 智能计算机与应用. 2016(06)
[5]结合冲突系数K与pignistic概率距离的冲突度量方法[J]. 李昌玺,周焰,张晨. 空军工程大学学报(自然科学版). 2016(02)
[6]DS证据理论研究进展及相关问题探讨[J]. 韩德强,杨艺,韩崇昭. 控制与决策. 2014(01)
[7]多源信息融合关键问题、研究进展与新动向[J]. 陈科文,张祖平,龙军. 计算机科学. 2013(08)
[8]一种度量广义基本概率赋值冲突的方法[J]. 何友,胡丽芳,关欣,邓勇,韩德强. 中国科学:信息科学. 2011(08)
[9]证据理论在旋转机械并发故障诊断中研究的进展[J]. 赵宏伟,张清华,夏路易. 广东石油化工学院学报. 2011(04)
[10]广义证据理论的基本框架[J]. 邓勇,蒋雯,韩德强. 西安交通大学学报. 2010(12)
博士论文
[1]不确定环境下的博弈模型与群体行为动态演化[D]. 邓鑫洋.西南大学 2016
[2]基于证据理论的安全防范系统评估与优化设计[D]. 许培达.上海交通大学 2015
[3]关联证据融合研究[D]. 苏晓燕.上海交通大学 2014
硕士论文
[1]基于信息融合的多层复杂网络节点重要性评估[D]. 李美竹.西南大学 2016
[2]基于广义证据理论的多模式智能推理与融合研究[D]. 王睿虹.上海交通大学 2015
[3]基于多源信息融合的跨膜蛋白拓扑预测研究[D]. 邓鑫洋.西南大学 2013
[4]基于信息融合技术的高速冲床故障诊断研究[D]. 蔡博.东北大学 2011
本文编号：3520889
【文章来源】：西北工业大学陕西省 211工程院校 985工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
多功能柔性转子实验台[95]
西北工业大学硕士学位论文图4-1测试样本在花瓣长度属性下的相似度4.2基于可靠性的二元组BPA生成方法本章提出了一种基于可靠性的二元组BPA生成方法，该方法的多属性决策框架如图4-2所示。假设给定一个多属性数据集作为原始数据集，首先将该数据集随机划分为训练集和测试集两部分。训练集被用来学习和建立训练样本在各属性上的隶属度分布模型（简称属性模型），测试集被用来评估该模型的性能。获取二元组BPA的方法介绍如下：首先，利用高斯型模糊数来构建训练样本在各个属性上的隶属度分布模型（简称高斯模型）。接着，将任意一个测试样本与高斯模型进行匹配，在每个属性下都可以得到该测试样本对应于不同类别的一组隶属度，并以此来生成二元组BPA的第一部分。然后，通过综合考虑在特定属性下各个类别间的相似程度以及测试样本与该属性模型的相交部分间的风险距离，得到该属性生成的的可靠程度。基于生成的函数和可靠度，可以得到测试样本在每个属性下生成的二元组BPA。最后，在使用可靠性对二元组BPA进行折扣运算后，采用Dempster组合规则来融合各个属性上的BPA，进而得到该测试样本最终的BPA函数。本章所提出的BPA生成方法在信息建模的初始阶段，同时考虑了信息源的可靠性对其生成的影响。此外，该方法在可靠性度量过程中综合考虑了2方面的信息：在特定属性下各个类别间的相似程度，以及测试样本与该属性模型的相交部分间的风险距离，使得现实世界中的信息得到更加充分的描述和构造。下面将对BPA生成方法进行详细论述。假设原始数据集中共有个类别，它们构成辨识框架Θ={1,2,···,}。其中，每个样本包含个属性，每个属性被看作是一个信息源。针对原始数据–40–
【参考文献】：
期刊论文
[1]多源信息融合技术及应用发展现状[J]. 元晶. 工业经济论坛. 2017(05)
[2]一种改进的K-means聚类算法[J]. 夏长辉. 信息与电脑(理论版). 2017(14)
[3]k-means聚类算法的改进研究[J]. 王菲菲,李秦,张梦佳. 甘肃科技纵横. 2017(03)
[4]基于Logistic回归的数据分类问题研究[J]. 邹晓辉. 智能计算机与应用. 2016(06)
[5]结合冲突系数K与pignistic概率距离的冲突度量方法[J]. 李昌玺,周焰,张晨. 空军工程大学学报(自然科学版). 2016(02)
[6]DS证据理论研究进展及相关问题探讨[J]. 韩德强,杨艺,韩崇昭. 控制与决策. 2014(01)
[7]多源信息融合关键问题、研究进展与新动向[J]. 陈科文,张祖平,龙军. 计算机科学. 2013(08)
[8]一种度量广义基本概率赋值冲突的方法[J]. 何友,胡丽芳,关欣,邓勇,韩德强. 中国科学:信息科学. 2011(08)
[9]证据理论在旋转机械并发故障诊断中研究的进展[J]. 赵宏伟,张清华,夏路易. 广东石油化工学院学报. 2011(04)
[10]广义证据理论的基本框架[J]. 邓勇,蒋雯,韩德强. 西安交通大学学报. 2010(12)
博士论文
[1]不确定环境下的博弈模型与群体行为动态演化[D]. 邓鑫洋.西南大学 2016
[2]基于证据理论的安全防范系统评估与优化设计[D]. 许培达.上海交通大学 2015
[3]关联证据融合研究[D]. 苏晓燕.上海交通大学 2014
硕士论文
[1]基于信息融合的多层复杂网络节点重要性评估[D]. 李美竹.西南大学 2016
[2]基于广义证据理论的多模式智能推理与融合研究[D]. 王睿虹.上海交通大学 2015
[3]基于多源信息融合的跨膜蛋白拓扑预测研究[D]. 邓鑫洋.西南大学 2013
[4]基于信息融合技术的高速冲床故障诊断研究[D]. 蔡博.东北大学 2011
本文编号：3520889
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3520889.html
