沖突證據(jù)推理與融合

目 錄
第1章 緒論\t1
1．1 引言\t1
1．2 證據(jù)理論在沖突證據(jù)推理與融合中的應用\t2
1．2．1 證據(jù)理論\t2
1．2．2 證據(jù)理論的關鍵問題\t3
1．2．3 證據(jù)理論在沖突證據(jù)推理與決策中的研究進展\t6
1．3 新的不確定性理論在沖突證據(jù)推理與決策中的應用\t8
1．3．1 BF-TOPSIS多屬性推理\t8
1．3．2 不確定信息的D數(shù)表征\t9
1．3．3 DSm理論―似是而非的證據(jù)推理\t10
1．4 組織結構與章節(jié)安排\t11
第2章 沖突證據(jù)理論中的數(shù)學基礎\t13
2．1 引言\t13
2．2 向量范數(shù)與內(nèi)積空間的概念\t13
2．3 證據(jù)理論的理論基礎\t14
2．3．1 證據(jù)理論的基本概念\t14
2．3．2 證據(jù)理論的組合規(guī)則\t15
2．3．3 證據(jù)的折扣\t16
2．3．4 證據(jù)理論的決策規(guī)則\t16
2．4 數(shù)理統(tǒng)計學基礎理論\t16
2．4．1 Bayes條件概率公式\t17
2．4．2 幾種常用的概率分布\t17
2．4．3 總體與隨機抽樣\t18
2．4．4 正態(tài)分布下抽樣分布的性質\t20
2．5 模糊數(shù)學理論基礎\t21
2．5．1 模糊集合與隸屬度\t21
2．5．2 格貼近度\t22
2．5．3 模糊綜合評判\(zhòng)t23
2．6 灰色系統(tǒng)理論基礎\t25
2．6．1 灰色系統(tǒng)理論的兩條基本原理\t25
2．6．2 數(shù)據(jù)變換技術\t26
2．7 DSm理論基礎\t28
2．7．1 DSm理論基本概念\t28
2．7．2 基于DSm理論的融合過程\t32
2．7．3 遞歸目標識別融合\t33
2．8 小結\t36
第3章 DS證據(jù)理論基本概率賦值函數(shù)獲取\t37
3．1 引言\t37
3．2 基本概率賦值問題\t38
3．3 基本概率賦值函數(shù)的構造方法\t39
3．3．1 基于灰關聯(lián)分析的基本概率賦值函數(shù)的構造方法\t39
3．3．2 基于屬性測度的基本概率賦值函數(shù)的構造方法\t41
3．3．3 基于神經(jīng)網(wǎng)絡的基本概率賦值函數(shù)的構造方法\t42
3．3．4 基本概率賦值函數(shù)算法仿真比較\t43
3．4 多源高沖突信息基本概率賦值方法及其應用\t45
3．4．1 基本思路\t45
3．4．2 訓練樣本生成\t45
3．4．3 多源高沖突信息基本概率賦值方法\t47
3．5 小結\t57
第4章 證據(jù)沖突度量函數(shù)的確定\t58
4．1 引言\t58
4．2 證據(jù)沖突度量問題\t58
4．2．1 沖突度量函數(shù)的概念\t58
4．2．2 自沖突問題\t60
4．2．3 沖突表示方法的問題\t61
4．3 沖突度量函數(shù)\t64
4．3．1 Euclidean 沖突度量函數(shù)\t64
4．3．2 Jousselme沖突度量函數(shù)\t65
4．3．3 基于排序的沖突度量函數(shù)\t67
4．3．4 Pignistic沖突度量函數(shù)\t69
4．3．5 Bhattacharyya沖突度量函數(shù)\t70
4．3．6 最大最小距離沖突度量函數(shù)\t71
4．3．7 基于最小平均距離沖突度量函數(shù)\t72
4．3．8 基于漢明距離沖突度量函數(shù)\t73
4．3．9 沖突度量函數(shù)性能比較\t74
4．4 小結\t79
第5章 基于證據(jù)距離的不確定性度量方法\t80
5．1 引言\t80
5．2 基于信息熵的不確定性度量\t80
5．2．1 Confusion度量公式\t80
5．2．2 Dissonance度量公式\t80
5．2．3 Discord度量公式\t81
5．2．4 Strife度量公式\t81
5．2．5 Deng熵度量公式\t81
5．2．6 Aggregated Uncertainty（AU）度量公式\t81
5．2．7 Ambiguity Measure（AM）度量公式\t81
5．3 基于區(qū)間數(shù)距離的不確定性度量\t83
5．3．1 Gowda and Ravi IND（GR-IND）\t83
5．3．2 Hausdorff距離\t84
5．3．3 De Carvalho距離\t84
5．3．4 Tran and Duckstein（TD-IND）\t84
5．4 基于證據(jù)距離的不確定性度量方法\t86
5．4．1 證據(jù)距離的確定\t86
5．4．2 基于證據(jù)距離的不確定推理模型\t89
5．4．3 不確定性度量在證據(jù)推理中的仿真分析\t90
5．5 小結\t92
第6章 基于修正加權并核相關系數(shù)的沖突度量方法\t94
6．1 引言\t94
6．2 基于相關系數(shù)的證據(jù)沖突度量\t95
6．2．1 證據(jù)相關系數(shù)的基本概念\t95
6．2．2 證據(jù)相關、證據(jù)點乘、證據(jù)自相關等基本概念\t96
6．2．3 并核相關系數(shù)\t97
6．3 沖突證據(jù)度量方法的改進\t100
6．3．1 加權并核相關系數(shù)\t101
6．3．2 分離并核相關系數(shù)\t103
6．3．3 算例驗證\t107
6．4 小結\t113
第7章 沖突原因分析和組合規(guī)則的選擇\t114
7．1 引言\t114
7．2 廣義冪集空間中兩條證據(jù)的沖突度量模型\t114
7．2．1 沖突距離參數(shù)\t114
7．2．2 沖突距離參數(shù)比較分析\t115
7．2．3 沖突距離參數(shù)存在的不足\t119
7．3 廣義冪集空間中多條證據(jù)的沖突度量模型\t120
7．3．1 沖突系數(shù)表示模型\t120
7．3．2 沖突系數(shù)比較\t125
7．4 沖突證據(jù)原因分析\t127
7．4．1 潛在沖突問題\t127
7．4．2 沖突證據(jù)原因判斷\t128
7．4．3 沖突證據(jù)原因算例分析\t131
7．5 小結\t135
第8章　基于DS證據(jù)理論的沖突證據(jù)推理\t136
8．1　引言\t136
8．2　DS證據(jù)理論處理沖突證據(jù)\t136
8．2．1　沖突證據(jù)融合方法的分類\t136
8．2．2　DS證據(jù)理論處理沖突證據(jù)存在的問題\t138
8．3　基于DS證據(jù)理論的沖突證據(jù)推理方法\t140
8．3．1　基于沖突證據(jù)檢驗、修正的沖突證據(jù)推理\t140
8．3．2　結合沖突檢測與加性合成的沖突證據(jù)推理\t143
8．3．3　基于證據(jù)分類及加權的沖突證據(jù)推理\t148
8．3．4 三種沖突證據(jù)融合方法的比較\t152
8．4　小結\t155
第9章　基于D數(shù)理論的沖突證據(jù)推理\t156
9．1　引言\t156
9．2　D數(shù)理論\t157
9．2．1　D數(shù)理論組合規(guī)則\t157
9．2．2　對稱型D數(shù)理論組合規(guī)則\t159
9．2．3　對稱型D數(shù)理論組合規(guī)則的時序證據(jù)組合\t164
9．2．4　對稱型D數(shù)理論在沖突輻射源識別中的仿真分析\t166
9．3　證據(jù)理論、D數(shù)理論、改進D數(shù)理論之間的關系\t168
9．3．1　證據(jù)理論與D數(shù)理論之間的關系\t168
9．3．2　D數(shù)理論與改進D數(shù)理論之間對比\t168
9．4　小結\t169
第10章　基于BF-TOPSIS的沖突證據(jù)推理\t170
10．1　引言\t170
10．2　BF-TOPSIS算法\t170
10．3　BF-TOPSIS相關問題分析\t173
10．3．1　BF-TOPSIS的歸一化問題\t173
10．3．2　BF-TOPSIS算法中基本概率賦值構造的證明\t174
10．4　加權BF-TOPSIS\t176
10．4．1　加權BF-TOPSIS方法\t176
10．4．2　加權系數(shù)的最優(yōu)化\t178
10．4．3　基于WBF-TOPSIS的單屬性算例分析\t179
10．4．4　基于WBF-TOPSIS的多屬性算例分析\t181
10．5　小結\t184
第11章　基于區(qū)間數(shù)多屬性決策的證據(jù)推理\t185
11．1　引言\t185
11．2　區(qū)間數(shù)多屬性決策模型的構建\t185
11．2．1　區(qū)間數(shù)多屬性決策模型描述\t185
11．2．2　加權信任度區(qū)間數(shù)多屬性決策矩陣的構建\t186
11．2．3　屬性權重的獲取模型\t187
11．2．4　規(guī)范化信任度區(qū)間數(shù)多屬性決策矩陣的構建\t188
11．3　基于投影多屬性決策的證據(jù)推理方法\t189
11．3．1　基于投影技術的決策\t189
11．3．2　基于投影多屬性決策的證據(jù)推理方法步驟\t190
11．4 基于模糊集多屬性決策的證據(jù)推理方法\t190
11．4．1 模糊集可能度的定義\t190
11．4．2　基于模糊集多屬性決策的證據(jù)推理算法模型\t192
11．5　小結\t196
第12章　基于三角模糊數(shù)多屬性決策的證據(jù)推理\t197
12．1　引言\t197
12．2　基于灰色多屬性決策的證據(jù)推理方法\t198
12．2．1　灰色關聯(lián)系數(shù)決策矩陣的構造\t198
12．2．2　屬性權重的獲取模型\t200
12．2．3　目標方案的排序\t201
12．3　基于中心決策矩陣多屬性決策的證據(jù)推理方法\t201
12．3．1　中心決策矩陣的構造\t201
12．3．2　屬性權重的獲取模型\t202
12．3．3　目標方案的排序\t203
12．4　仿真實驗\t203
12．4．1　數(shù)值算例與分析\t203
12．4．2　計算機仿真分析\t207
12．5　小結\t211
第13章　基于轉移概率矩陣的時序沖突證據(jù)推理\t212
13．1　引言\t212
13．2　馬爾可夫鏈模型\t212
13．3　基于馬爾可夫模型的轉移概率矩陣\t214
13．3．1　證據(jù)的轉移概率矩陣\t214
13．3．2　轉移概率矩陣的有效性分析\t216
13．4　基于轉移概率矩陣的沖突證據(jù)組合\t218
13．4．1　基于區(qū)間證據(jù)距離的沖突證據(jù)修正\t218
13．4．2　沖突證據(jù)組合模型的有效性分析\t219
13．5　時序沖突證據(jù)組合\t222
13．5．1　時序沖突證據(jù)組合的流程\t222
13．5．2　時序沖突證據(jù)組合模型的有效性分析\t223
13．6　小結\t224
第14章　基于概率轉換的決策方法\t225
14．1　引言\t225
14．2　決策規(guī)則分析\t225
14．2．1　現(xiàn)有決策規(guī)則分析\t226
14．2．2　基于信息熵的決策規(guī)則評價指標\t229
14．2．3　多信度決策規(guī)則\t230
14．2．4　基于多信度決策規(guī)則的算例分析\t232
14．3　概率轉換公式分析\t238
14．3．1　BEL或PL類方法的統(tǒng)一概率轉換公式\t238
14．3．2　BPA類方法的統(tǒng)一概率轉換公式\t239
14．4　基于反饋證據(jù)沖突度的概率轉換表達式\t241
14．4．1　基于反饋證據(jù)沖突度的概率轉換評價方法\t241
14．4．2　最小反饋證據(jù)沖突度概率轉換表達式\t241
14．4．3　概率轉換表達式中證據(jù)融合規(guī)則的選取\t242
14．4．4　概率轉換表達式中沖突度量函數(shù)的選取\t243
14．5　基于反饋證據(jù)沖突度的概率轉換決策方法\t243
14．5．1　基于反饋證據(jù)沖突度的概率轉換算法流程\t243
14．5．2　反饋證據(jù)沖突度評價方法的算例分析\t245
14．5．3　基于反饋證據(jù)沖突度的概率轉換仿真分析\t247
14．6　基于逆有序加權平均的概率轉換決策\t248
14．6．1　逆有序加權平均算子\t248
14．6．2　基于IOWA算子的Pignistic概率函數(shù)\t250
14．6．3　風險和準確度評估的原則\t251
14．6．4　基于逆有序加權平均的概率轉換算例分析\t251
14．7　基于動態(tài)概率轉換的決策\t253
14．7．1　基于距離不變的動態(tài)概率轉換公式\t253
14．7．2　時序證據(jù)的動態(tài)概率轉換\t257
14．7．3　時序證據(jù)的動態(tài)概率轉換算例分析\t257
14．8　小結\t259
第15章　回顧與展望\t260
15．1　研究回顧\t260
15．2　方向展望\t263
參考文獻\t264