基于D-S證據(jù)理論的多準(zhǔn)則特征集優(yōu)選方法.pdf

1、特征集優(yōu)選是模式識(shí)別中一個(gè)重要的研究?jī)?nèi)容，因?yàn)樵谀Ｊ阶R(shí)別中往往會(huì)提取到多個(gè)特征，然而并不是所有的特征都有助于提高分類準(zhǔn)確率，有些特征甚至?xí)档头诸惵?。因此如何去掉冗余特征，選擇較優(yōu)的特征集是一個(gè)研究的重點(diǎn)和難點(diǎn)。國(guó)內(nèi)外研究者提出許多特征集優(yōu)選的方法，這些方法首先采用特定的特征排序方法對(duì)特征進(jìn)行排序，根據(jù)排序結(jié)果選擇最優(yōu)的特征子集。因此特征排序方法的好壞直接影響選取的特征集的優(yōu)劣。特征排序方法從總體上可以分為兩大類:單一排序準(zhǔn)則和多準(zhǔn)則排

2、序方法（多準(zhǔn)則是將幾個(gè)單一排序方法按照一定的組合規(guī)則融合在一起）。在沒(méi)有先驗(yàn)知識(shí)的情況下，對(duì)于給定特征集，我們無(wú)法確定哪個(gè)單一排序準(zhǔn)則更適合該問(wèn)題，導(dǎo)致選擇困難，因此單一排序準(zhǔn)則融合成為研究的熱點(diǎn)。
　　本文首先以高速列車走行部常見(jiàn)故障的實(shí)測(cè)數(shù)據(jù)的特征集為研究對(duì)象，提出了一種基于Fisher's ratio和模糊熵方法的多準(zhǔn)則特征集優(yōu)選方法。該方法將Fisher's ratio和模糊熵方法“并行”融合，得到特征的綜合排序，去掉冗余

3、特征，從而得到更有效的特征集。實(shí)驗(yàn)部分先對(duì)標(biāo)準(zhǔn)數(shù)據(jù)特征集做測(cè)試，驗(yàn)證該方法的有效性，再將該方法應(yīng)用于高速列車走行部故障數(shù)據(jù)的特征集中，得到更有效的特征子集，提高故障識(shí)別率。
　　如何融合各單一排序準(zhǔn)則（即融合規(guī)則）是多準(zhǔn)則特征排序方法的核心問(wèn)題。給定一個(gè)特征集，使用不同的單一準(zhǔn)則會(huì)得到不同的排序，即不同的排序之間存在沖突，若處理不當(dāng)將產(chǎn)生錯(cuò)誤結(jié)果。D-S證據(jù)理論能夠有效地處理融合過(guò)程中存在的沖突，進(jìn)而解決融合悖論問(wèn)題。因此基于D-

4、S理論本文提出了一種新的多準(zhǔn)則特征集優(yōu)選方法(MCFR-DSEC)。該方法結(jié)合不同的單一準(zhǔn)則以提高分類準(zhǔn)確率和穩(wěn)定性，與已有的準(zhǔn)則相比，MCFR-DSEC表現(xiàn)出明顯的優(yōu)勢(shì)。但MCFR-DSEC方法的融合規(guī)則計(jì)算復(fù)雜、參數(shù)較多。因此本文又選擇計(jì)算簡(jiǎn)單、效果好的Murphy的改進(jìn)D-S算法作為融合規(guī)則的新方法—MCFR-MURPHY。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性且計(jì)算簡(jiǎn)單。除了分類準(zhǔn)確率，本文還測(cè)試了特征排序方法的穩(wěn)定性，因?yàn)槿绻粋€(gè)特征排

5、序準(zhǔn)則穩(wěn)定性不好，那么當(dāng)測(cè)試數(shù)據(jù)集樣本發(fā)生微小變化時(shí)可能會(huì)得到不同的特征排序?？傊?，將D-S理論作為融合規(guī)則不僅能夠有效地融合各個(gè)單一準(zhǔn)則，且具有很好的穩(wěn)定性。
　　最后，本文將MCFR-MURPHY方法應(yīng)用于高速列車走行部故障狀態(tài)識(shí)別，對(duì)特征集中的特征進(jìn)行排序，每次去掉一個(gè)冗余特征，并求得相應(yīng)的準(zhǔn)確率，即可得到各個(gè)特征空間的分類準(zhǔn)確率。與BordaCount和單一排序準(zhǔn)則對(duì)比，MCFR-MURPHY方法能夠更有效地判斷各個(gè)特征對(duì)