沖突證據推理與融合

目 錄
第1章 緒論\t1
1．1 引言\t1
1．2 證據理論在沖突證據推理與融合中的應用\t2
1．2．1 證據理論\t2
1．2．2 證據理論的關鍵問題\t3
1．2．3 證據理論在沖突證據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數表征\t9
1．3．3 DSm理論―似是而非的證據推理\t10
1．4 組織結構與章節(jié)安排\t11
第2章 沖突證據理論中的數學基礎\t13
2．1 引言\t13
2．2 向量范數與內積空間的概念\t13
2．3 證據理論的理論基礎\t14
2．3．1 證據理論的基本概念\t14
2．3．2 證據理論的組合規(guī)則\t15
2．3．3 證據的折扣\t16
2．3．4 證據理論的決策規(guī)則\t16
2．4 數理統(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 數據變換技術\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證據理論基本概率賦值函數獲取\t37
3．1 引言\t37
3．2 基本概率賦值問題\t38
3．3 基本概率賦值函數的構造方法\t39
3．3．1 基于灰關聯分析的基本概率賦值函數的構造方法\t39
3．3．2 基于屬性測度的基本概率賦值函數的構造方法\t41
3．3．3 基于神經網絡的基本概率賦值函數的構造方法\t42
3．3．4 基本概率賦值函數算法仿真比較\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 證據沖突度量函數的確定\t58
4．1 引言\t58
4．2 證據沖突度量問題\t58
4．2．1 沖突度量函數的概念\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\t64
4．3．1 Euclidean 沖突度量函數\t64
4．3．2 Jousselme沖突度量函數\t65
4．3．3 基于排序的沖突度量函數\t67
4．3．4 Pignistic沖突度量函數\t69
4．3．5 Bhattacharyya沖突度量函數\t70
4．3．6 最大最小距離沖突度量函數\t71
4．3．7 基于最小平均距離沖突度量函數\t72
4．3．8 基于漢明距離沖突度量函數\t73
4．3．9 沖突度量函數性能比較\t74
4．4 小結\t79
第5章 基于證據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 基于證據距離的不確定性度量方法\t86
5．4．1 證據距離的確定\t86
5．4．2 基于證據距離的不確定推理模型\t89
5．4．3 不確定性度量在證據推理中的仿真分析\t90
5．5 小結\t92
第6章 基于修正加權并核相關系數的沖突度量方法\t94
6．1 引言\t94
6．2 基于相關系數的證據沖突度量\t95
6．2．1 證據相關系數的基本概念\t95
6．2．2 證據相關、證據點乘、證據自相關等基本概念\t96
6．2．3 并核相關系數\t97
6．3 沖突證據度量方法的改進\t100
6．3．1 加權并核相關系數\t101
6．3．2 分離并核相關系數\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的沖突度量模型\t114
7．2．1 沖突距離參數\t114
7．2．2 沖突距離參數比較分析\t115
7．2．3 沖突距離參數存在的不足\t119
7．3 廣義冪集空間中多條證據的沖突度量模型\t120
7．3．1 沖突系數表示模型\t120
7．3．2 沖突系數比較\t125
7．4 沖突證據原因分析\t127
7．4．1 潛在沖突問題\t127
7．4．2 沖突證據原因判斷\t128
7．4．3 沖突證據原因算例分析\t131
7．5 小結\t135
第8章　基于DS證據理論的沖突證據推理\t136
8．1　引言\t136
8．2　DS證據理論處理沖突證據\t136
8．2．1　沖突證據融合方法的分類\t136
8．2．2　DS證據理論處理沖突證據存在的問題\t138
8．3　基于DS證據理論的沖突證據推理方法\t140
8．3．1　基于沖突證據檢驗、修正的沖突證據推理\t140
8．3．2　結合沖突檢測與加性合成的沖突證據推理\t143
8．3．3　基于證據分類及加權的沖突證據推理\t148
8．3．4 三種沖突證據融合方法的比較\t152
8．4　小結\t155
第9章　基于D數理論的沖突證據推理\t156
9．1　引言\t156
9．2　D數理論\t157
9．2．1　D數理論組合規(guī)則\t157
9．2．2　對稱型D數理論組合規(guī)則\t159
9．2．3　對稱型D數理論組合規(guī)則的時序證據組合\t164
9．2．4　對稱型D數理論在沖突輻射源識別中的仿真分析\t166
9．3　證據理論、D數理論、改進D數理論之間的關系\t168
9．3．1　證據理論與D數理論之間的關系\t168
9．3．2　D數理論與改進D數理論之間對比\t168
9．4　小結\t169
第10章　基于BF-TOPSIS的沖突證據推理\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)間數多屬性決策的證據推理\t185
11．1　引言\t185
11．2　區(qū)間數多屬性決策模型的構建\t185
11．2．1　區(qū)間數多屬性決策模型描述\t185
11．2．2　加權信任度區(qū)間數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推理方法步驟\t190
11．4 基于模糊集多屬性決策的證據推理方法\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推理算法模型\t192
11．5　小結\t196
第12章　基于三角模糊數多屬性決策的證據推理\t197
12．1　引言\t197
12．2　基于灰色多屬性決策的證據推理方法\t198
12．2．1　灰色關聯系數決策矩陣的構造\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組合\t218
13．4．1　基于區(qū)間證據距離的沖突證據修正\t218
13．4．2　沖突證據組合模型的有效性分析\t219
13．5　時序沖突證據組合\t222
13．5．1　時序沖突證據組合的流程\t222
13．5．2　時序沖突證據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　基于反饋證據沖突度的概率轉換表達式\t241
14．4．1　基于反饋證據沖突度的概率轉換評價方法\t241
14．4．2　最小反饋證據沖突度概率轉換表達式\t241
14．4．3　概率轉換表達式中證據融合規(guī)則的選取\t242
14．4．4　概率轉換表達式中沖突度量函數的選取\t243
14．5　基于反饋證據沖突度的概率轉換決策方法\t243
14．5．1　基于反饋證據沖突度的概率轉換算法流程\t243
14．5．2　反饋證據沖突度評價方法的算例分析\t245
14．5．3　基于反饋證據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\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　時序證據的動態(tài)概率轉換\t257
14．7．3　時序證據的動態(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