• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于證據(jù)修正及沖突分配的新證據(jù)推理規(guī)則

      2014-03-26 02:10:50葉彥斐張勇氣張曉軍
      儀表技術(shù)與傳感器 2014年12期
      關(guān)鍵詞:賦值沖突證據(jù)

      葉彥斐,鄭 源,張勇氣,張曉軍

      (1.河海大學(xué)能源與電氣學(xué)院,江蘇南京 211100;2.南京富島信息工程有限公司,江蘇南京 210061)

      0 引言

      Dempster和Shafer提出的D-S證據(jù)推理[1-2]的最大特點(diǎn)和優(yōu)勢(shì)是在證據(jù)中對(duì)不確定性的表示、測(cè)量和組合,與Bayes理論相比,不受先驗(yàn)概率限制、靈活性強(qiáng)。D-S證據(jù)理論可以處理不同層次屬性的推理合成問題,被廣泛應(yīng)用于信息融合、目標(biāo)識(shí)別和故障診斷等領(lǐng)域中。

      隨著D-S證據(jù)理論在實(shí)踐中應(yīng)用的深入,人們發(fā)現(xiàn)在處理高度沖突證據(jù)推理時(shí)存在一些問題[3]。D-S推理規(guī)則遺棄了獨(dú)立焦元的每個(gè)沖突,基于沒有任何矛盾的部分信息構(gòu)造置信結(jié)構(gòu)。這種為了歸一化而忽視矛盾沖突是一種冒險(xiǎn)的做法[4],往往會(huì)產(chǎn)生諸如組合結(jié)果矛盾、一票否決及魯棒性問題,導(dǎo)致獲得不正確的結(jié)論。

      針對(duì)在自然或人為干擾條件下常常發(fā)生的傳感器證據(jù)信息沖突嚴(yán)重的情況[5],研究如何改進(jìn)D-S證據(jù)推理、實(shí)現(xiàn)在高度沖突證據(jù)情況下多源信息融合,具有重要的理論意義和應(yīng)用價(jià)值。

      Yager[6]、文獻(xiàn)[7]及文獻(xiàn)[8]等許多典型證據(jù)推理改進(jìn)方法雖然部分克服了D-S證據(jù)推理的缺陷,但同時(shí)也帶來了諸如推理結(jié)果不收斂、收斂速度慢等新的問題。提出了一種新的證據(jù)推理規(guī)則,實(shí)現(xiàn)了基于證據(jù)全局有效性的證據(jù)修正以及局部沖突的合理分配,最大程度地減少了“壞值”對(duì)推理結(jié)果的影響。對(duì)比實(shí)驗(yàn)表明,新的證據(jù)推理規(guī)則可以提高收斂速度,增強(qiáng)可靠性,降低決策風(fēng)險(xiǎn),既能適應(yīng)低沖突證據(jù)推理,又能實(shí)現(xiàn)高沖突證據(jù)的有效融合。

      1 D-S證據(jù)推理

      定義1:辨識(shí)框架。辨識(shí)框架Θ是由一系列兩兩互斥的基本命題構(gòu)成的需要識(shí)別的全部對(duì)象,即{H1,H2,…,Hi,…,HN};Θ的所有子集的集合構(gòu)成冪集2Θ,表示為

      2Θ={φ,{H1},{H2},…,{HN},{H1∪H2},{H1∪H3},…,Θ}

      (1)

      式中:φ表示空集。

      定義3:D-S證據(jù)推理。對(duì)于同一識(shí)別框架下n個(gè)獨(dú)立基本概率賦值m1,m2,…,mn,其D-S證據(jù)推理結(jié)果的基本概率賦值m⊕(A)為n個(gè)基本概率賦值的正交和。

      (2)

      2 D-S證據(jù)推理規(guī)則改進(jìn)方法分析

      對(duì)D-S證據(jù)推理改進(jìn)的方法可以分為三大類[9]:第一類是針對(duì)傳統(tǒng)D-S證據(jù)理論模型框架進(jìn)行修改,如DSmT理論在辨識(shí)框架中引入∪和∩組合形成超冪集,使得分類變得精細(xì)但卻不利于推理辨識(shí)[10];第二類基于修改D-S推理規(guī)則的方法,認(rèn)為D-S方法的歸一化步驟產(chǎn)生不合理結(jié)果,新方法主要解決如何將沖突重新分配和管理的問題;第三類是基于修改原始證據(jù)的方法,認(rèn)為D-S推理規(guī)則本身并沒錯(cuò),在證據(jù)高度沖突時(shí),首先應(yīng)對(duì)沖突證據(jù)進(jìn)行預(yù)處理,然后再使用D-S證據(jù)推理規(guī)則。下面介紹幾種已有改進(jìn)的證據(jù)推理方法:

      Yager推理規(guī)則[6]認(rèn)為,既然對(duì)證據(jù)的全局沖突無法作出合理的選擇分配,就應(yīng)將其歸入未知集合。該方法在各證據(jù)間沖突為零時(shí)與D-S合成公式處理是一樣的;而對(duì)沖突證據(jù)信息則完全否定,顯得非常保守:盡管有多個(gè)證據(jù)信息,但由于相互沖突,結(jié)果仍然知之甚少。

      與Yager認(rèn)為沖突證據(jù)不能提供任何有用信息不同,文獻(xiàn)[7]認(rèn)為證據(jù)之間的沖突信息是可用的,并根據(jù)證據(jù)可信度對(duì)沖突證據(jù)加以修正。文獻(xiàn)[7]部分修正沖突證據(jù),對(duì)大沖突證據(jù)的推理取得了不錯(cuò)的效果,但因此也弱化了一致性證據(jù)的合成。同時(shí),該方法也沒考慮大沖突證據(jù)與一致性證據(jù)間的直接關(guān)系,因此其應(yīng)用的適應(yīng)性受到限制。

      文獻(xiàn)[8]推理規(guī)則利用證據(jù)距離度量證據(jù)之間沖突,綜合與其他證據(jù)沖突大小計(jì)算各證據(jù)相對(duì)折扣因子,然后對(duì)各證據(jù)信息進(jìn)行加權(quán)處理,再采用 D-S 規(guī)則進(jìn)行推理。該方法考慮了證據(jù)之間的關(guān)聯(lián)可信程度,具有更好的準(zhǔn)確性、更快的收斂速度和更強(qiáng)的抗干擾能力。

      但是,文獻(xiàn)[8]推理規(guī)則最終均靠D-S推理規(guī)則進(jìn)行組合,因此都存在局部沖突在全局進(jìn)行合理分配的問題。

      3 一種新的證據(jù)推理規(guī)則

      在已有改進(jìn)方法基礎(chǔ)上,基于證據(jù)的修正和局部沖突的合理分配提出如下一種新的證據(jù)推理規(guī)則:

      3.1 證據(jù)可信度計(jì)算

      (3)

      (4)

      若系統(tǒng)中證據(jù)的數(shù)目為n,計(jì)算其中不同證據(jù)之間的距離,獲得距離矩陣:

      (5)

      則第i個(gè)證據(jù)Ei到證據(jù)集中其他證據(jù)的均方根距離為

      (6)

      式中di反映了證據(jù)Ei與證據(jù)集中其他證據(jù)的差異程度。

      定義證據(jù)Ei的可信度

      (7)

      式中:di,dj分別反映了證據(jù)Ei、證據(jù)Ej與證據(jù)集中其他證據(jù)的差異程度。

      定義證據(jù)絕對(duì)可信度

      (8)

      若某一證據(jù)絕對(duì)可信度為1,表示其受支持程度最高,為首要證據(jù);而其余證據(jù)則為次要證據(jù)。

      這些賓語中,有表示有定的數(shù)量詞(二斤)和數(shù)量短語(一雙襪子、一只雞、一件襯衫、三斤好刀魚、四瓶香檳酒),有表示泛指的名詞(什么東西、東西、那么多東西),有代詞(什么),有普通名詞(菜、骨灰盒、衣服、書),有抽象名詞(生命、人情),還有定中型的名詞性短語(這個(gè)錢、我的心、卵子大的天)。總之,它們都是體詞性詞(短)語,沒有一例是謂詞性的。從語用頻率效應(yīng)角度考慮,語料庫中沒有“你買不了吃虧,你買不了上當(dāng)”這種用法,那么這種格式不應(yīng)該是合理的。但是語言事實(shí)已經(jīng)存在著,簡單的數(shù)據(jù)并不能使我們探求到語言的實(shí)質(zhì)。

      3.2 證據(jù)修正

      (9)

      3.3 證據(jù)組合

      m(As)=m∩(As)+mc(As)

      (10)

      式中:?As∈P(Θ),As≠φ,s=1,2,…,2N.

      乘性運(yùn)算,

      按式(10)得到新的組合結(jié)果再與其他證據(jù)組合得到新的結(jié)果,反復(fù)執(zhí)行,直到所有證據(jù)均參與組合推理后結(jié)束。

      4 數(shù)值算例分析

      在聚合釜中不同位置安裝了4臺(tái)溫度傳感器來測(cè)量聚合反應(yīng)溫度,基于中間型模糊函數(shù)進(jìn)行模糊化處理、產(chǎn)生隸屬度矩陣[12],歸一化后獲得各傳感器的基本概率賦值[13]。然后,就可以基于不同證據(jù)推理規(guī)則辨識(shí)出聚合反應(yīng)溫度處于“正?!?、“過高”或“過低”等具體過程狀態(tài)。這里,假設(shè)辨識(shí)框架Θ={A,B,C},其中A、B及C分別對(duì)應(yīng)于溫度處于“正?!薄ⅰ斑^高”或“過低”狀態(tài)。

      4.1 低沖突情況

      設(shè)4臺(tái)壓力傳感器工作正常,各傳感器證據(jù)間沖突較小,獲取各傳感器的基本概率賦值如下:

      m1(A)=0.5,m1(B)=0.2,m1(C)=0.3;

      m2(A)=0.70,m2(B)=0.2,m2(C)=0.10;

      m3(A)=0.6,m3(B)=0.1,m3(C)=0.3;

      m4(A)=0.65,m4(B)=0.1,m4(C)=0.25

      分別采用不同推理規(guī)則,對(duì)上述4個(gè)證據(jù)進(jìn)行組合,推理結(jié)果如表 1所示。

      表 1 不同推理規(guī)則對(duì)低沖突證據(jù)推理結(jié)果

      從表 1看出,D-S推理規(guī)則對(duì)于低沖突證據(jù)組合能取得很好的效果,4個(gè)證據(jù)推理結(jié)果中命題的基本概率賦值迅速趨近于1,系統(tǒng)能迅速辨識(shí)出結(jié)果為命題,即聚合反應(yīng)溫度狀態(tài)為“正?!?;而采用Yager規(guī)則、文獻(xiàn)[7]規(guī)則進(jìn)行推理時(shí),命題的基本概率賦值不但不會(huì)收斂到1,反而會(huì)發(fā)散,顯然不合常理;文獻(xiàn)[8]規(guī)則和提出的新的證據(jù)推理規(guī)則都能使命題的基本概率賦值收斂,但新的推理規(guī)則收斂速度快,推理結(jié)果和D-S規(guī)則得到的結(jié)果最接近??梢?,新的證據(jù)推理規(guī)則能有效組合低沖突證據(jù)。

      4.2 高沖突情況

      若第2臺(tái)、第4臺(tái)溫度傳感器由于自身不可靠或受惡劣環(huán)境影響,產(chǎn)生了異常證據(jù)信息,導(dǎo)致證據(jù)2、4與實(shí)際情況有較大的偏差。4臺(tái)傳感器的基本概率賦值變化為:

      m1(A)=0.5,m1(B)=0.2,m1(C)=0.3;

      m2(A)=0,m2(B)=0.9,m2(C)=0.1;

      m3(A)=0.6,m3(B)=0.1,m3(C)=0.3;

      m4(A)=0.8,m4(B)=0.1,m4(C)=0.1

      即此時(shí)各傳感器證據(jù)間存在較大沖突,采用不同推理規(guī)則進(jìn)行推理,結(jié)果如表2所示。

      從表2可以看出,D-S推理規(guī)則無法有效處理高沖突證據(jù),組合結(jié)果始終為0,盡管多數(shù)證據(jù)都支持命題A,但由于證據(jù)m2否定了,A結(jié)果無法辨識(shí)出結(jié)果為命題。Yager推理規(guī)則過于保守,不利于決策,增加的支持的證據(jù)沒有使組合結(jié)果增加,反而使未知項(xiàng)m(Θ)的數(shù)值不斷增加。而且,D-S及Yager推理規(guī)則都存在“一票否決”問題,根本無法識(shí)別結(jié)果為命題A.

      表 2 不同推理規(guī)則對(duì)高沖突證據(jù)推理結(jié)果

      文獻(xiàn)[7]推理規(guī)則基于部分修正沖突證據(jù),沒考慮沖突證據(jù)與一致證據(jù)間的關(guān)系;基于全局沖突分配,分配精度低,“聚焦”速度較慢。它雖可以部分克服前3種推理規(guī)則的缺點(diǎn),隨著支持的證據(jù)增多,m(A)的數(shù)值有所增加,但是增加速度較慢,且未知項(xiàng)m(Θ)的數(shù)值也沒有明顯降低。系統(tǒng)只有在收集到4個(gè)證據(jù)時(shí)才可以識(shí)別出結(jié)果。

      文獻(xiàn)[8]和提出的新的證據(jù)推理規(guī)則在收到第3個(gè)證據(jù)時(shí),就可以正確識(shí)別出目標(biāo)了。對(duì)該例進(jìn)行分析,m2(B)=0.9說明m2強(qiáng)烈支持目標(biāo)B,需要更多的證據(jù)才能有效“抵消”“壞值”對(duì)結(jié)果的影響;而文獻(xiàn)[8]和新方法考慮了各個(gè)證據(jù)的有效性,可以有效地降低了“壞值”對(duì)最終組合結(jié)果的影響,使得在比較少的證據(jù)下就能收斂到正確結(jié)果。

      新的證據(jù)推理規(guī)則在引入證據(jù)可信度表征全局有效性基礎(chǔ)上,還將局部沖突進(jìn)行了合理分配,從而可以比文獻(xiàn)[8]方法具有更快的收斂速度和更強(qiáng)的可靠性。隨著支持的證據(jù)越來越多,新的推理規(guī)則使組合結(jié)果迅速向聚焦;而文獻(xiàn)[8]推理規(guī)則的組合結(jié)果中的基本概率賦值隨著支持的證據(jù)越來越多并沒有太大變化。

      可見,提出的新的證據(jù)推理規(guī)則對(duì)高沖突證據(jù)組合同樣非常有效。

      5 結(jié)論

      在分析D-S、Yager、文獻(xiàn)[7]及文獻(xiàn)[8]等已有證據(jù)推理規(guī)則基礎(chǔ)上,研究了在多傳感信息融合過程中對(duì)證據(jù)推理規(guī)則的進(jìn)一步改進(jìn),提出了一種新的證據(jù)推理規(guī)則;與已有典型證據(jù)推理規(guī)則進(jìn)行實(shí)例對(duì)比驗(yàn)證了新證據(jù)推理規(guī)則的有效性。對(duì)比結(jié)果表明:新的證據(jù)推理規(guī)則基于證據(jù)全局有效性的證據(jù)修正以及局部沖突的合理分配,能最大程度地減少了“壞值”對(duì)融合結(jié)果和決策的影響,不僅提高了收斂速度,還增強(qiáng)了推理可靠性,降低了決策風(fēng)險(xiǎn),在證據(jù)比較少的情況下就可以收斂到正確的目標(biāo)。新的證據(jù)推理規(guī)則既能適應(yīng)低沖突證據(jù)的推理,同樣又能實(shí)現(xiàn)高沖突證據(jù)的有效融合。

      參考文獻(xiàn):

      [1] DEMPSTER A.Upper and lower probabilities induced by a multi-valued mapping.Annals of Mathematical Statistics,1967,38(2):325-339.

      [2] SHAFER G.A mathematic theory of evidence.Princeton:Princeton University Press,1976:22-34.

      [3] 姜江,李璇,邢立寧,等.基于模糊證據(jù)推理的系統(tǒng)風(fēng)險(xiǎn)分析與評(píng)價(jià).系統(tǒng)工程理論與實(shí)踐,2013,33(2):529-537.

      [4] XU H,SMET P.Some strategies for explanations in evidence reasoning.IEEE Transactions on Systems,Man and Cybernetic-Part A:Systems Human,1996,26(5):599-607.

      [5] 宋曉虹,陳白帆.多傳感器信息融合在智能車中的應(yīng)用研究.計(jì)算機(jī)仿真,2012,29(6):320-322.

      [6] YAGER R R.On the Dempster-Shafer framework and new combination rules.Information Sciences,1987,41(2):93-138.

      [7] 梁昌勇,陳增明,黃永青,等.合成法則悖論的一種消除方法.系統(tǒng)工程理論與實(shí)踐,2005,27(3):7-12.

      [8] 呂雪婷,賈瑞生,孫惠惠.證據(jù)沖突下-融合算法的改進(jìn).系統(tǒng)仿真學(xué)報(bào),2013,25(3):571-574.

      [9] 韓德強(qiáng),韓崇昭,鄧勇,等.基于證據(jù)方差的加權(quán)證據(jù)組合.電子學(xué)報(bào),2011,39(3A):153-157.

      [10] WEN C L,XU X B,JIANG H N,et al.A new DSmT combination rule in open frame of discernment and its application.Science China Information Sciences,2012,55(3):551-557.

      [11] JOUSSELME A L,DOMINIC G,BOSSE E.A new distance between two bodies of evidence.Information Fusion,2001,2(2):91-101.

      [12] TURKSEN I B.Fuzzy functions with LSE.Applied Soft Computing,2008,8(3):1178-1188.

      [13] 蔣雯,吳翠翠,賈佳,等.證據(jù)理論中的基本概率賦值轉(zhuǎn)換概率方法研究.西北工業(yè)大學(xué)學(xué)報(bào),2013,31(2):295-299.

      猜你喜歡
      賦值沖突證據(jù)
      關(guān)于1 1/2 … 1/n的一類初等對(duì)稱函數(shù)的2-adic賦值
      L-代數(shù)上的賦值
      耶路撒冷爆發(fā)大規(guī)模沖突
      “三宜”“三不宜”化解師生沖突
      井岡教育(2020年6期)2020-12-14 03:04:32
      強(qiáng)賦值幺半群上的加權(quán)Mealy機(jī)與加權(quán)Moore機(jī)的關(guān)系*
      對(duì)于家庭暴力應(yīng)當(dāng)如何搜集證據(jù)
      紅土地(2016年3期)2017-01-15 13:45:22
      手上的證據(jù)
      利用賦值法解決抽象函數(shù)相關(guān)問題オ
      “大禹治水”有了新證據(jù)
      手上的證據(jù)
      高清| 灌阳县| 科技| 方城县| 怀宁县| 晋城| 鸡西市| 彰化县| 山阴县| 吴川市| 寿阳县| 花莲市| 英吉沙县| 福安市| 绥芬河市| 紫阳县| 保德县| 泽普县| 灯塔市| 中西区| 河南省| 莱州市| 右玉县| 诸暨市| 甘泉县| 霸州市| 天门市| 抚顺市| 镇江市| 昭平县| 大洼县| 佛教| 奎屯市| 右玉县| 钦州市| 措勤县| 祥云县| 齐河县| 尤溪县| 潜山县| 漳平市|