证据融合新方法及其应用
发布时间：2021-01-20 06:13
在面对低质量数据,数据不精确,不完全时证据理论为处理这样的数据具有本质优势。随着人工智能的新一轮兴起,在实际问题当中,各种模型和算法有诸多联系,也有各自的适用范围和优缺点,如何提高模型及算法的优势成为了非常有意义的研究。本文工作如下:第一,论文从证据理论合成的不足出发,对证据源的距离修正,构造了一种新的刻画证据的距离函数,并通过实验分析验证其的合理性,并在这个距离的基础上提出了一种新的合成算法,实验表明验证了本文方法能消除一些证据理论的不足,降低证据冲突,提高了聚焦速率。第二,在MYCIN推理模型上,由于MYCIN模型要求证据之间是彼此独立的而应用在实际问题各证据之间是存在关系的,他们并不是平等独立的。此本文对MYCIN模型进行了改进,并应用改进的MYCIN模型结合第三章中的一些构造思路应用在DS合成中克服了其一些不足。第三,用第三章提出的算法结合KNN分类算法,在图片分类方面做了一定的研究。首先介绍了图片两种重要的特征,提出了特征的权重及其距离的计算。在实验仿真上验证了单个特征去分类,从效果阐述了其特征的价值及其不足,再结合多个特征在用KNN分类器分类,然后通过DS-KNN构建BPA...
【文章来源】：江西师范大学江西省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
100对BPA的四个距离分析图
江西师范大学硕士论文20第一步：由定义3.5计算两两证据之间的距离njnimmd)...3,2,1.,...3,2,1(,jiW。第二步：由定义3.7得到iD和iCon，由定义10得到第i个证据权重ni)3,2,1(i。第三步：根据权重ni.),...,3,2,1(i得到修正证据体为niiimAmA)()(，A。第四步：对修正证据体m进行n1次SD合成，得到最终的结果。3.4实例分析为了验证本文方法的有效性和优越性，下面从两个实例中给予说明，从单焦元上分析，例5是从2个证据到5个证据进行合成，并和D-S方法、Yager方法、陈炜军方法、卢正才方法进行比较。例3.5设识别框架,,cba，5个mass函数分别如下01;.0)(,01.0)(,.980)(111cmbmam;50.0)(,05.0)(,.90)(222cmbmam05;.0)(,05.0)(,.90)(333cmbmam99;.0)(,01.0)(,0)(444cmbmam.0)(,01.0)(,.990)(555cmbmam5种合成方法的结果如表1所示。从合成结果可以看出，在没有出现干扰证据之前，5种方法合成结果都比较合理，但出现干扰证据4m时，合成结果出现了较大差异，这是由于有些方法不能识别干扰证据、缓解冲突导致的。在自冲突方面，如图3-2所示，卢正才方法与本文方法有很好的缓解冲突，其他自冲突值都为1，明显不合理，这里体现了Wd优越性；在聚焦方面，如图3-3所示，当出现干扰证据4m时，本文方法am)(的波动较小，具有更强的干扰性，并且在聚焦速度上来说，本文具有更快的聚焦速度。图3-2：自冲突值与证据个数的关系
证据融合新方法及其应用21图3-3：am)(与证据个数的关系合成证据合成证据方法kam)(bm)(cm)(m)(21mD-S117000.00.998800000600.0000600.00Yager117000.0882000.0000500.0000500.0117000.0陈炜军117000.00.992000004000.0004000.00卢正才117000.00.992000004000.0004000.00本文114600.0998000.0001000.0001000.00123mD-S206150.0999940.0000030.0000030.00Yager206150.00.793800000025.0000025.0206150.0陈炜军206150.0984694.0007653.0007653.00卢正才206150.0984678.0007661.0007661.00本文150400.0999835.00.0000820.00008202341mD-S999975.00010000.0990000.00Yager999975.000000025.0999975.0陈炜军999975.0898266.0036471.0065263.00卢正才364915.0928110.0011931.0021387.0038572.0本文369315.00.995504000003.0004492.0023451mD-S10100Yager10001陈炜军1925886.0029992.0044122.00卢正才371310.0945765.0010271.0016238.0038572.0本文302673.0999769.00000231.00表3-1例5中5种合成方法的多证据合成结果
本文编号：2988538
【文章来源】：江西师范大学江西省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
100对BPA的四个距离分析图
江西师范大学硕士论文20第一步：由定义3.5计算两两证据之间的距离njnimmd)...3,2,1.,...3,2,1(,jiW。第二步：由定义3.7得到iD和iCon，由定义10得到第i个证据权重ni)3,2,1(i。第三步：根据权重ni.),...,3,2,1(i得到修正证据体为niiimAmA)()(，A。第四步：对修正证据体m进行n1次SD合成，得到最终的结果。3.4实例分析为了验证本文方法的有效性和优越性，下面从两个实例中给予说明，从单焦元上分析，例5是从2个证据到5个证据进行合成，并和D-S方法、Yager方法、陈炜军方法、卢正才方法进行比较。例3.5设识别框架,,cba，5个mass函数分别如下01;.0)(,01.0)(,.980)(111cmbmam;50.0)(,05.0)(,.90)(222cmbmam05;.0)(,05.0)(,.90)(333cmbmam99;.0)(,01.0)(,0)(444cmbmam.0)(,01.0)(,.990)(555cmbmam5种合成方法的结果如表1所示。从合成结果可以看出，在没有出现干扰证据之前，5种方法合成结果都比较合理，但出现干扰证据4m时，合成结果出现了较大差异，这是由于有些方法不能识别干扰证据、缓解冲突导致的。在自冲突方面，如图3-2所示，卢正才方法与本文方法有很好的缓解冲突，其他自冲突值都为1，明显不合理，这里体现了Wd优越性；在聚焦方面，如图3-3所示，当出现干扰证据4m时，本文方法am)(的波动较小，具有更强的干扰性，并且在聚焦速度上来说，本文具有更快的聚焦速度。图3-2：自冲突值与证据个数的关系
证据融合新方法及其应用21图3-3：am)(与证据个数的关系合成证据合成证据方法kam)(bm)(cm)(m)(21mD-S117000.00.998800000600.0000600.00Yager117000.0882000.0000500.0000500.0117000.0陈炜军117000.00.992000004000.0004000.00卢正才117000.00.992000004000.0004000.00本文114600.0998000.0001000.0001000.00123mD-S206150.0999940.0000030.0000030.00Yager206150.00.793800000025.0000025.0206150.0陈炜军206150.0984694.0007653.0007653.00卢正才206150.0984678.0007661.0007661.00本文150400.0999835.00.0000820.00008202341mD-S999975.00010000.0990000.00Yager999975.000000025.0999975.0陈炜军999975.0898266.0036471.0065263.00卢正才364915.0928110.0011931.0021387.0038572.0本文369315.00.995504000003.0004492.0023451mD-S10100Yager10001陈炜军1925886.0029992.0044122.00卢正才371310.0945765.0010271.0016238.0038572.0本文302673.0999769.00000231.00表3-1例5中5种合成方法的多证据合成结果
本文编号：2988538
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2988538.html
