基于改进D-S证据理论的雷达生存效能

为了综合分析雷达的生存效能,通过调整非关键因素和不确定因素的基本可信度对证据理论中证据合成规则进行了改进,并基于改进D-S证据理论提出了雷达生存效能评估模型.改进后的证据合成规则不仅减小了证据的冲突,而且仍然满足证据的基本可信度之和为1的基本要求,保持Dempster合成规则所具有的可交换性.通过雷达生存效能模型应用的一个实际例子计算表明,证据理论是一种科学的效能评估方法,具有可行性和实用性,改进后的证据合成规则能够较好地分析雷达的生存效能.     

基于定性信息的装备技术状态评估

利用定性信息对装备技术状态进行评估是提高评估时效性的有效手段.通过对装备技术状态评估研究现状的分析,论证了运用D-S证据理论进行装备技术状态评估的可行性.结合D-S证据理论的特点,提出了适用于装备技术状态评估的可信度分配策略.采用基于投影的证据融合方法,以解决传统D-S证据理论在融合高冲突证据时的缺陷.在评价决策中运用最大基本信度状态评价准则进行评价决策.最后,将提出的分析方法,应用于某具体装备的技术状态评估中,验证了该方法的有效性.     

一种改进的证据合成方法及其在模糊评估中的应用

针对证据理论在模糊评估中的应用问题,分析了经典D-S证据合成规则和现有改进方法的不足,提出了一种更为适宜的证据合成方法。该方法通过证据间的夹角余弦计算证据间的相似系数,从而获得证据的可信度。通过对证据权重和可信度的对比与融合,确定各证据在冲突概率分配中的权重。通过冲突概率的全局分配对证据进行合成。实例分析表明,该方法不仅能够处理高度冲突证据,还能保证指标间的相对重要性不被可信度所过度地影响,从而提高了模糊评估的可靠性与合理性,降低决策风险。     

基于Z-number和改进DS证据理论的风险评估方法

针对任务风险难度量、评估信息不确定性强等问题,提出一种Z-number和改进DS证据理论的风险评估方法。利用Z-number方法描述评估指标,得到各风险等级的初始基本概率分配（basic probability assignment,BPA）;基于信度熵和皮尔逊相关系数改进DS证据理论克服悖论问题进行信息融合,确定风险的最终等级;接着,基于信息融合结果引入Joussleme距离求解专家可信度。最后,以重装空投任务为例,验证本文所提风险评估方法的合理性,并对比分析不同改进DS证据理论方法得到的结果,验证所提方法的有效性和准确性。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。     

基于改进的 D-S 证据理论在设备故障诊断中的应用

多传感器、多手段检测的信息融合技术在设备检测中的应用日益广泛,而常用的基于D-S证据理论的融合技术除了没有给出可信度的分配方法外,融合结果上还有很多不足之处。探讨了可信度的分配问题,提出了几种改进的融合方法,较好地解决了证据冲突时的否定性、积化性和敏感性问题。     

一种基于相似性测度的证据合成公式

针对经典D-S规则融合冲突证据时会出现结果有悖于常理的问题,提出一种基于相似性测度的证据合成公式。利用相似性测度构造证据源可信度,进而得到焦元可信度。将焦元可信度作为冲突信度分配系数以改进合成公式,利用改进的合成公式对证据源进行数据融合。算例结果表明,该方法能有效解决冲突性证据的融合问题,较之以往方法具有收敛性强和可靠性高的优点。     

基于模糊逻辑和证据理论的故障诊断方法

针对故障诊断过程中信息损失的问题和D-S证据理论在处理模糊信息时的局限性,在模糊逻辑的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于模糊逻辑和D-S证据理论相结合的多传感器信息融合综合故障诊断方法。该方法以模糊隶属函数来实现基本可信度分配,充分利用各种传感器的冗余和互补信息,可显著提高故障诊断的准确率,实例验证了该方法的合理性和有效性。     

军事情报价值评估模型

军事情报价值评估是情报工作的一项重要内容。研究了军事情报价值评估指标,并对其进行了量化;提出了基于证据推理的军事情报价值评估模型,将定性和定量等不同形式的评估指标转化为统一的等级评价信任结构,运用D-S证据理论合成公式对不同指标进行聚合;通过具体实例说明该模型不仅能够同时融合定量和定性指标,还可以得到各等级的可信度分配值,所包含的评价结果不仅合理,而且更加全面。     

Agent目标判别的神经网络-证据理论法

重点研究了目标识别领域中证据理论与模糊神经网络相结合的多Agent数据融合方法.作为传统Bayes理论的推广,证据理论由于满足更弱的信息来源条件,尤其是在区分不确定与未知方面显示了很大的灵活性,因此备受关注.然而,基本可信度的分配是一个与实际应用密切相关的问题,也是较难操作的一步.本文通过对模糊神经网络的训练来处理证据理论的基本可信度分配问题,经计算机仿真表明这是一种行之有效的方法.