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(yīng)用\t2
1．2．1 證據(jù)理論\t2
1．2．2 證據(jù)理論的關(guān)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(jìn)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(yīng)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(jié)構(gòu)與章節(jié)安排\t11
第2章 沖突證據(jù)理論中的數(shù)學(xué)基礎(chǔ)\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(chǔ)\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(jì)學(xué)基礎(chǔ)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(jī)抽樣\t18
2．4．4 正態(tài)分布下抽樣分布的性質(zhì)\t20
2．5 模糊數(shù)學(xué)理論基礎(chǔ)\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(píng)判\(zhòng)t23
2．6 灰色系統(tǒng)理論基礎(chǔ)\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(shù)\t26
2．7 DSm理論基礎(chǔ)\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(biāo)識(shí)別融合\t33
2．8 小結(jié)\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(gòu)造方法\t39
3．3．1 基于灰關(guān)聯(lián)分析的基本概率賦值函數(shù)的構(gòu)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(gòu)造方法\t41
3．3．3 基于神經(jīng)網(wǎng)絡(luò)的基本概率賦值函數(shù)的構(gòu)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(yīng)用\t45
3．4．1 基本思路\t45
3．4．2 訓(xùn)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(jié)\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(jié)\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(jié)\t92
第6章 基于修正加權(quán)并核相關(guān)系數(shù)的沖突度量方法\t94
6．1 引言\t94
6．2 基于相關(guān)系數(shù)的證據(jù)沖突度量\t95
6．2．1 證據(jù)相關(guān)系數(shù)的基本概念\t95
6．2．2 證據(jù)相關(guān)、證據(jù)點(diǎn)乘、證據(jù)自相關(guān)等基本概念\t96
6．2．3 并核相關(guān)系數(shù)\t97
6．3 沖突證據(jù)度量方法的改進(jìn)\t100
6．3．1 加權(quán)并核相關(guān)系數(shù)\t101
6．3．2 分離并核相關(guān)系數(shù)\t103
6．3．3 算例驗(yàn)證\t107
6．4 小結(jié)\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(jié)\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(yàn)、修正的沖突證據(jù)推理\t140
8．3．2　結(jié)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(quán)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(jié)\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(duì)稱型D數(shù)理論組合規(guī)則\t159
9．2．3　對(duì)稱型D數(shù)理論組合規(guī)則的時(shí)序證據(jù)組合\t164
9．2．4　對(duì)稱型D數(shù)理論在沖突輻射源識(shí)別中的仿真分析\t166
9．3　證據(jù)理論、D數(shù)理論、改進(jìn)D數(shù)理論之間的關(guān)系\t168
9．3．1　證據(jù)理論與D數(shù)理論之間的關(guān)系\t168
9．3．2　D數(shù)理論與改進(jìn)D數(shù)理論之間對(duì)比\t168
9．4　小結(jié)\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(guān)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(gòu)造的證明\t174
10．4　加權(quán)BF-TOPSIS\t176
10．4．1　加權(quán)BF-TOPSIS方法\t176
10．4．2　加權(quán)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(jié)\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(gòu)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(quán)信任度區(qū)間數(shù)多屬性決策矩陣的構(gòu)建\t186
11．2．3　屬性權(quán)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(gòu)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(shù)的決策\(yùn)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(jié)\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(guān)聯(lián)系數(shù)決策矩陣的構(gòu)造\t198
12．2．2　屬性權(quán)重的獲取模型\t200
12．2．3　目標(biāo)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(gòu)造\t201
12．3．2　屬性權(quán)重的獲取模型\t202
12．3．3　目標(biāo)方案的排序\t203
12．4　仿真實(shí)驗(yàn)\t203
12．4．1　數(shù)值算例與分析\t203
12．4．2　計(jì)算機(jī)仿真分析\t207
12．5　小結(jié)\t211
第13章　基于轉(zhuǎn)移概率矩陣的時(shí)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(zhuǎn)移概率矩陣\t214
13．3．1　證據(jù)的轉(zhuǎn)移概率矩陣\t214
13．3．2　轉(zhuǎn)移概率矩陣的有效性分析\t216
13．4　基于轉(zhuǎn)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(shí)序沖突證據(jù)組合\t222
13．5．1　時(shí)序沖突證據(jù)組合的流程\t222
13．5．2　時(shí)序沖突證據(jù)組合模型的有效性分析\t223
13．6　小結(jié)\t224
第14章　基于概率轉(zhuǎn)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(píng)價(jià)指標(biāo)\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(zhuǎn)換公式分析\t238
14．3．1　BEL或PL類方法的統(tǒng)一概率轉(zhuǎn)換公式\t238
14．3．2　BPA類方法的統(tǒng)一概率轉(zhuǎn)換公式\t239
14．4　基于反饋?zhàn)C據(jù)沖突度的概率轉(zhuǎn)換表達(dá)式\t241
14．4．1　基于反饋?zhàn)C據(jù)沖突度的概率轉(zhuǎn)換評(píng)價(jià)方法\t241
14．4．2　最小反饋?zhàn)C據(jù)沖突度概率轉(zhuǎn)換表達(dá)式\t241
14．4．3　概率轉(zhuǎn)換表達(dá)式中證據(jù)融合規(guī)則的選取\t242
14．4．4　概率轉(zhuǎn)換表達(dá)式中沖突度量函數(shù)的選取\t243
14．5　基于反饋?zhàn)C據(jù)沖突度的概率轉(zhuǎn)換決策方法\t243
14．5．1　基于反饋?zhàn)C據(jù)沖突度的概率轉(zhuǎn)換算法流程\t243
14．5．2　反饋?zhàn)C據(jù)沖突度評(píng)價(jià)方法的算例分析\t245
14．5．3　基于反饋?zhàn)C據(jù)沖突度的概率轉(zhuǎn)換仿真分析\t247
14．6　基于逆有序加權(quán)平均的概率轉(zhuǎn)換決策\(yùn)t248
14．6．1　逆有序加權(quán)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(fēng)險(xiǎn)和準(zhǔn)確度評(píng)估的原則\t251
14．6．4　基于逆有序加權(quán)平均的概率轉(zhuǎn)換算例分析\t251
14．7　基于動(dòng)態(tài)概率轉(zhuǎn)換的決策\(yùn)t253
14．7．1　基于距離不變的動(dòng)態(tài)概率轉(zhuǎn)換公式\t253
14．7．2　時(shí)序證據(jù)的動(dòng)態(tài)概率轉(zhuǎn)換\t257
14．7．3　時(shí)序證據(jù)的動(dòng)態(tài)概率轉(zhuǎn)換算例分析\t257
14．8　小結(jié)\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(xiàn)\t264