首页> 正文

证据推理的组合方法、评价体系与应用研究

2020-11-23阅读(599)

证据推理的组合方法、评价体系与应用研究

论文摘要

与其他推理方法相比，证据推理具有符合人推理决策过程，可以对其进行合理的信息论解释，能够区分确定与不确定区间，且不需要先验信息，能够处理随机性和模糊性导致的不确定，而且计算直观，使用方便等优点。在对不确定信息处理与综合中得到了广泛的应用。本论文在对前人的工作整理完善的基础上，开展D-S理论组合方法、评价体系以及典型应用等方面的研究，具体贡献如下：1．在分析D-S自身特点以及与其他方法相对比的基础上，给出了解决冲突的两种新的组合方法——吸收法和加权分配冲突法，以及最新发展的DSmT方法的特点，并通过算例分析了上述方法解决冲突的不同思路和性能；2．在借鉴、整理和发展前人工作的基础上，给出了证据推理的性能评价体系，包括基本性质、特有性质和工程可用性等三大类9条准则。提出了抗高冲突性、便利性、计算复杂性、无条件极化性和条件极化性，完善了同一性的定义，聚焦性的分析。并依次对9条准则进行了定义和相应的证明，给出了12种典型方法基于9条准则的基本性能比较；3．设计的大量的算例，对D-S、DSmT、Smets、孙全、向阳、吸收法、邢清华、Murphy、邓勇、Yager、Dubois和Toshiyuki等12种典型的方法，以9条准则的依据，逐一进行了计算、分析、对比，分析结果对这些方法的实际应用给出了有价值的指导建议；4．结合图像目标识别典型应用，研究了证据推理在工程应用中的一般流程，分析比较了三种基本置信指派函数的构造方法，最后分别采用指数函数法和神经网络法给出了证据推理的序列图像目标识别算法，并对其中不同组合和决策方法的识别结果进行了仿真和分析，效果良好。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • §1.1 引言
  • §1.2 D-S推理理论
  • §1.2.1 Dempster-Shafer的辨识框架与组合规则
  • §1.2.2 D-S与其它推理方法的比较
  • §1.3 D-S理论的改进与推广
  • §1.3.1 D-S方法的改进
  • §1.3.2 证据推理的概率论推广
  • §1.3.3 证据推理推广到模糊集
  • §1.4 一种新的似真和冲突推理理论（DSmT）
  • §1.4.1 DSmT的辨识框架与组合规则
  • §1.4.2 DST,DSmT与概率论之间的关系
  • §1.4.3 存在的问题及研究方向
  • §1.5 证据组合评价准则
  • §1.6 证据推理的应用
  • §1.7 本文的章节安排
  • 第二章 证据推理理论
  • §2.1 引言
  • §2.2 D-S推理基本理论
  • §2.2.1 辨识框架
  • §2.2.2 基本定义
  • §2.2.3 Dempster组合规则
  • §2.2.4 其他公式
  • §2.2.5 Dempster组合规则存在的问题
  • §2.3 D-S的改进算法
  • §2.4 两种新的证据组合规则
  • §2.4.1 加权分配冲突法
  • §2.4.2 吸收法
  • §2.5 Dezert—Smarandache理论（DSmT）
  • §2.5.1 DSmT的特点
  • ?的概念'>§2.5.2 超平方集D?的概念
  • §2.5.3 包含冲突信息源组合规则
  • §2.5.4 DST与DSmT的比较
  • §2.5.5 DST和DSmT的应用方法
  • §2.6 本章小结
  • 第三章 证据组合方法的评价体系
  • §3.1 引言
  • §3.2 基本性质
  • §3.2.1 交换性（Commutativity）
  • §3.2.2 结合性（Associativity）
  • §3.2.3 同一性（Identity）
  • §3.3 特有的性质
  • §3.3.1 抗高冲突性（Anti-high-conflict）
  • §3.3.2 极化性（Polarization）
  • §3.3.3 聚焦性（Focus）
  • §3.4 工程可用性
  • §3.4.1 便利性（Conveniency）
  • §3.4.2 鲁棒性（Robustness）
  • §3.4.3 复杂性（Complexity）
  • §3.5 本章小结
  • 第四章 评价准则的定量分析
  • §4.1 引言
  • §4.2 交换性的典型算例分析
  • §4.3 结合性的典型算例分析
  • §4.4 同一性的典型算例分析
  • §4.5 极化性的典型算例分析
  • §4.6 抗高冲突性的典型算例分析
  • §4.7 聚焦性的典型算例分析
  • §4.8 鲁棒性的典型算例分析
  • §4.9 复杂性的典型算例分析
  • §4.10 基于12种组合方法的评价准则的比较分析结果
  • §4.11 本章小结
  • 第五章 证据推理在序列图像识别中的应用
  • §5.1 引言
  • §5.2 证据推理应用中的关键问题
  • §5.2.1 证据推理的应用方案设计
  • §5.2.2 基本置信指派函数的构造
  • §5.2.3 基于证据推理的决策方法
  • §5.3 指数法构造mass函数及其在序列图像识别中的应用
  • §5.3.1 问题描述
  • §5.3.2 算法实现
  • §5.3.3 仿真结果和分析
  • §5.4 基于BP神经网络的D-S组合序列图像识别方法
  • §5.4.1 问题描述
  • §5.4.2 算法实现
  • §5.4.3 仿真结果和分析
  • §5.4 本章小结
  • 第六章 总结与展望
  • 参考文献
  • 攻读博士学位期间论文发表情况
  • 致谢

    • 相关论文文献

    • [1].基于服务模式的快速服务组合方法研究[J]. 计算机工程与应用 2016(01)
    • [2].量子力学和分子力学组合方法[J]. 大学化学 2015(02)
    • [3].基于拓扑辨识的电力系统运行方式组合方法[J]. 电网技术 2010(02)
    • [4].一种在非单点证据源融合中的改进组合方法[J]. 计算机科学 2015(S1)
    • [5].基于阶层式语义范例推理的服务组合方法研究[J]. 高技术通讯 2008(05)
    • [6].跨媒体组合方法研究[J]. 计算机工程与科学 2016(12)
    • [7].环境模型驱动的服务组合方法[J]. 电脑知识与技术 2015(13)
    • [8].两级证据组合方法在结构损伤检测中的应用研究[J]. 应用数学和力学 2014(02)
    • [9].面向环境层的服务组合方法[J]. 河南科技大学学报(自然科学版) 2013(06)
    • [10].结构可靠度分析中作用的随机过程组合方法[J]. 建筑结构学报 2013(02)
    • [11].一种基于协议的Web服务组合方法研究[J]. 微计算机信息 2008(30)
    • [12].组合方法去除新型采油污水中有机污染物的研究[J]. 环境工程学报 2010(06)
    • [13].一种多云环境下的启发式服务组合方法[J]. 厦门理工学院学报 2015(05)
    • [14].Web服务组合方法综述与分析[J]. 科技广场 2011(01)
    • [15].组合方法在光功能材料研究中的应用[J]. 科学通报 2009(08)
    • [16].Web服务组合方法研究[J]. 信息与电脑(理论版) 2011(22)
    • [17].几个恒等式及其组合方法的证明[J]. 东北师大学报(自然科学版) 2014(02)
    • [18].一种基于代理机制的组件组合方法[J]. 微电子学与计算机 2010(06)
    • [19].基于语义扩展的知识服务检索与组合方法研究[J]. 情报杂志 2008(12)
    • [20].一种快速易用的基于行为描述的服务组合方法[J]. 计算机应用研究 2011(02)
    • [21].基于不确定性度量的证据组合方法[J]. 计算机应用 2009(08)
    • [22].语义Web服务组合方法研究[J]. 电脑知识与技术 2008(36)
    • [23].Web服务组合方法综述[J]. 中国科技论文在线 2008(02)
    • [24].关于Bell多项式及其它的一些恒等式（英文）[J]. 数学杂志 2017(06)
    • [25].基于协同网和任务情景的服务组合方法[J]. 上海交通大学学报 2014(05)
    • [26].荷载平稳二项随机过程简化组合方法[J]. 哈尔滨工业大学学报 2009(06)
    • [27].一种冲突证据组合方法[J]. 无线电工程 2009(08)
    • [28].Web服务组合方法[J]. 电子技术与软件工程 2017(14)
    • [29].物联网需求驱动的服务组合方法[J]. 计算机应用研究 2013(06)
    • [30].娃娃菜农残消降组合方法及对品质的影响[J]. 食品与发酵工业 2011(04)

    标签：;  ;  ;  ;  

    证据推理的组合方法、评价体系与应用研究
    下载Doc文档

    猜你喜欢

    © 2025 毕速过 版权所有 鄂ICP备12018319号-5