基于互冲突量和自冲突量分析的证据聚类方法

从证据自身的描述形式出发,充分利用证据之间的冲突程度,对证据的聚类问题进行系统的分析。在对证据互冲突量和自冲突量进行详细定义的基础上,建立了证据聚类准则,进而提出了基于互冲突量和自冲突量的证据聚类方法。该方法具有良好的处理效果,且计算复杂度小,便于编程实现,是一种简便实用的快速聚类方法。实例验证了方法的有效性和可行性。     

一种基于证据理论的陆战场机动平台情报关联方法

针对陆战场情报来源对象不明的问题,提出了一种采用证据聚类技术对陆战场机动平台情报进行分类以实现目标关联的方法。该方法针对陆战场机动平台的特点,建立描述该类情报的证据理论模型;并将各情报之间的矛盾量化成冲突因子,推导分类优化函数;然后采用平均场模拟退火算法进行情报分类。     

一种基于重要性权重的证据合成方法及其应用

针对Dempster方法在合成高度冲突证据时结果与直观结论相悖的问题,提出了一种改进的基于重要性权重的证据合成方法,并将其应用到海上目标的识别。首先,根据证据之间的相似性程度判断证据间是否存在冲突,对于有冲突的情形,由基于P距离的权重分配模型得到各证据的重要性权值;然后,对BPA函数进行修正,采用Dempster规则修正后的BPA函数进行合成;最后,利用雷达和舰船的对应关系,将侦察雷达探测到的目标雷达信号载频、脉宽、重频转化为雷达参数的概率分配,并运用改进的证据合成方法进行了目标识别。仿真计算结果证明:该方法能有效处理冲突证据组合,克服了一票否决问题,减小了识别结果的不确定性,并保留了Dempster方法处理非冲突证据组合的良好特性。     

冲突证据组合中的模型修正新方法

针对经典DS组合规则在证据高度冲突情况下的失效问题,提出了一种改进的证据组合方法.通过引入证据间的距离函数获得证据之间的相似度和各个证据的支持度,并由此求得各个证据的归一化可信度.提出了一种改进的证据冲突检验方法,利用可信度加权平均证据对各个证据源进行冲突检验和修正,以消除证据之间的冲突.最后利用DS规则获得合成证据.数值算例表明,该算法能有效地融合高度冲突的证据,提高了证据组合结果的可靠性和合理性.     

一种基于证据间距离和信息熵的证据组合方法?

针对改进的基于证据间距离的组合方法，首先计算证据间距离并求出各个证据的支持度和可信度，选取支持度高的作为较可信证据，其次引入证据信息熵，计算修正系数，对这些证据的可信度进行修正，将可信度作为权重，进行证据的加权平均，再利用Dempster组合规则对所有证据进行融合。算例表明，该方法比现有的方法更加有效。     

一种改进的证据组合规则在可靠性评估中的应用

对许多长寿产品进行可靠性评估时,客观实验数据往往难以获取。在试验数据短缺的情况下,就要正确处理专家经验和对相似产品的可靠性认识等不确定信息。为了有效合理地利用这些不确定信息,提出了一种基于Dempster-Shafer证据理论(DST)的可靠性评估方法,针对传统证据理论在处理冲突证据时的不足,用加权证据方法对其组合规则进行了修正。算例实验表明了该方法在有"干扰证据"存在的情况下评估结果的有效性和合理性。     

一种基于加权证据综合的综合评价模型

针对不确定性综合评价问题,提出了一种基于加权证据综合的综合评价模型。在证据理论基础上,通过引入“证据权”概念,使D-S证据合成公式能够对具有不同权重的多个评价信息进行综合,从而将评价过程转化为计算评价结果所处状态的可信度和对评价结果的证据综合,提高了评价结果的可信性。同时,在用AHP法求同层指标各因素的相对重要性权重时,对判断矩阵进行了优化。     

一种改进的证据理论合成规则

随着证据理论在信息融合领域中的广泛应用,对冲突证据的处理成为证据理论和应用研究热点。提出了一种基于证据重要度和聚焦度的新的合成规则,首先根据各个证据的重要度对冲突证据进行修正,再对冲突进行细化并考虑证据焦元的基数对D-S合成法则的影响,将冲突信息提取后加入组合规则中。通过实验比较和分析,结果说明该方法不仅能够处理一般性冲突问题,也能处理"一票否决"和"鲁棒性"问题。     

基于D-S证据理论的炮兵战场目标价值分析*

针对如何依据目标情报资料和作战任务需要合理评估战场目标的价值,选择需要射击的目标和确定优先顺序,建立了战场目标价值评价体系,提出了一种运用D-S证据推理理论对炮兵战场目标价值进行分析的新途径,该方法运用D-S证据组合公式对目标繁杂、不确定信息的融合,能够很好地消除目标信息的不确定性,从而将具有主观不确定性信息的目标价值分析问题转化为普通的确定性决策问题。通过实例证明了方法的有效性。     

改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法:迭代加权的稀疏子空间聚类。稀疏子空间聚类通过解决l1最小化算法并应用谱聚类把高维数据点聚类到不同的子空间,从而聚类数据。迭代加权的l1算法比传统的l1算法有更公平的惩罚值,平衡了数据数量级的影响。此算法应用到稀疏子空间聚类中,改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Yale B人脸数据图像进行识别分类,得到了很好的聚类效果,证明了改进算法的优越性。     

基于不可信证据源与冲突重分配的证据合成方法

针对D-S证据理论在高冲突下失效的问题,在比较修正原始证据源和重新分配冲突两种方法的基础上,提出一种新的合成规则,新方法用可信度修正证据的同时,把全局冲突分为两部分,并依据"全局冲突在全局分配、局部冲突在局部分配"的原则对冲突进行细化分配。通过仿真分析,并与其他方法比较,新的合成方法能更好地融合冲突证据,收敛速度快,具有较强的抗干扰能力。     

西方后现代证据理论评述

后现代证据理论的基础是探寻真相的具象图景。它是以彻底颠覆现代性的一切的姿态来突出自身意义的。后现代证据理论为证据理论提供了一种全新的思路,并以此为根基建构了自己的框架,它采用了一种不同于传统认识论的态度和方法来对待问题,是与传统的证明观念相反的一种理念,甚至是对传统方式的扬弃。     

数据融合中的Dempster-Shafer证据理论

虽然 D- S方法已广泛地应用于各种数据融合系统中 ,但在实际应用中依然存在着许多困难。总结了数据融合应用中的 Dempster- Shafer证据理论研究概况 ,从四个方面阐述和对比分析了一些有代表性的研究成果 ;同时为下一步的研究提出了新的课题和思路     

基于证据理论的多传感器目标识别

为了解决证据理论在具体应用中存在的问题,对Dempster组合规则思想进行了具体的分析,讨论了该组合规则存在的问题及现行的一些改进措施;针对空中目标识别问题,提出了综合运用各种改进思想的融合方法,并给出了识别过程的流程图。     

基于证据理论的多源信息目标识别

目标识别系统中多源传感器信息高度冲突时,利用DS规则直接融合得出的结果不合理,针对该问题,提出了期望证据融合算法。多个证据融合时,根据两证据间的矛盾信息大小确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量归一化后得到各证据的权重系数,进而求出期望证据,并用DS规则迭代融合。通过数字仿真对多种方法进行了比较分析,表明期望证据法在传感器信息高度冲突时依然可以得到较为理想的融合结果。     

一种修正的冲突证据融合方法

对于冲突证据,D-S证据理论无法使用甚至无法得出正确的结果,进而引发了专家学者的研究。针对该问题,提出了一种新的冲突证据融合方法,建立了多传感器综合可信度的计算模型,根据综合可信度得到多传感器的合成结果,采用D-S证据理论对合成结果进行组合,既解决了高冲突问题,又解决了低冲突问题。最后通过仿真验证了该方法的有效性。     

引入权重因子的证据合成方法

D-S理论是一种有效的不确定性推理方法,但在证据完全冲突或冲突较大时,D-S证据合成公式失效.Yager等学者对此作了改进,但是改进后合成公式又存在着新的问题.考虑到证据在合成过程中的重要程度不同,将权重因子引入到合成公式中,通过权重因子的作用和冲突概率的重新分配,提出了引入权重因子的D-S证据合成方法,新的合成公式提高了证据合成的可靠性和合理性,可得到更为理想的合成结果.     

基于改进证据理论的多传感器目标识别

由于证据理论融合冲突信息会得出不合理的结论,限制了其在目标识别中的应用.为解决这一问题,提出了一种改进融合方法.研究各证据与其他证据的联系,通过计算证据与其他证据均值的距离,求出此证据受其他证据的支持度.归一化支持度获得证据权值,加权平均原有证据后按Dempster规则融合,作出识别.针对空中目标识别算例,对比验证几种方法,结果显示:该方法能够融合冲突信息,在降低计算量的同时,加快收敛速度,提高了识别快速性和准确性.     

Terrorism and the macroeconomy: Evidence from Pakistan

Pakistan with highest number of terrorism related deaths of any country over the past decade, the number exceeding the total terrorism related deaths for both the European and North American continents, provides an ideal laboratory to study impact of terrorism on the macroeconomy. Quasi-Structural VAR, Vector Error Correction Model, Impulse Response Functions and Granger-Causality tests on a sample that covers over 4500 terrorist incidents and consequent 10, 200 deaths [from 1973 to 2010] are employed to study the relationship between terrorism and the macroeconomy. One of the major advantages of the current methodology is that it not only enables one to circumvent the heterogeneity biases inherent in cross-country studies but it also allows distinguishing between short and long-run effects. It is documented that cumulatively terrorism has cost Pakistan around 33.02% of its real national income i.e. terrorism costs Pakistan around 1% of real GDP per capita growth every year.