證據(jù)理論中的證據(jù)生成和融合方法研究.pdf

1、信息融合技術(shù)能夠?qū)崿F(xiàn)多源信息的表示、推理和融合決策等功能，但是，由于傳感器自身性能及工作環(huán)境中噪聲干擾的影響，使得觀測(cè)信息常具有不確定性。Dempster-Shafer證據(jù)理論在解決不確定信息的表示和融合等方面具有獨(dú)特的優(yōu)勢(shì)，其解決問題的思路是先將描述系統(tǒng)的不確定信息轉(zhuǎn)化為證據(jù)，然后再利用Dempster組合規(guī)則對(duì)轉(zhuǎn)化得到的證據(jù)進(jìn)行融合。但是在實(shí)際應(yīng)用中，證據(jù)理論面臨兩個(gè)主要問題：一是如何基于不同的不確定信息生成證據(jù)；二是如何解決融合時(shí)

2、的證據(jù)沖突問題。
　　 針對(duì)以上問題，本文以Dempster-Shafer證據(jù)理論和模糊集理論為工具，在各種不確定信息下的證據(jù)生成和融合等方面展開研究，主要工作如下：
　　 (1)基于廣義模糊數(shù)相似性度量的證據(jù)生成方法。結(jié)合廣義模糊數(shù)的指數(shù)距離、周長(zhǎng)和面積等因素提出一種新的廣義模糊數(shù)相似性度量方法，并用12對(duì)典型的廣義模糊數(shù)驗(yàn)證新方法的效能。通過電機(jī)轉(zhuǎn)子診斷實(shí)例驗(yàn)證新方法能夠利用更多信息生成證據(jù)。
　　 (2)基

3、于隨機(jī)模糊變量相似性度量的證據(jù)生成方法。利用隨機(jī)模糊變量表示受隨機(jī)性和模糊性影響的觀測(cè)數(shù)據(jù)，提出一種適用于隨機(jī)模糊變量的相似性度量方法用于生成診斷證據(jù)。通過電機(jī)轉(zhuǎn)子診斷實(shí)例驗(yàn)證新方法的效能。
　　 (3)基于Pignistic逆轉(zhuǎn)換的自然語言信息證據(jù)生成方法。基于Pignistic概率轉(zhuǎn)換及其逆轉(zhuǎn)換，給出一種從語言信息中提取非嵌套型證據(jù)的新方法，通過目標(biāo)識(shí)別例證新方法生成的證據(jù)非特異性更小。
　　 (4)基于多目標(biāo)優(yōu)化的