發(fā)布時間：2020-08-29 09:12

　　 證據(jù)理論是一種常用的不確定性推理方法,以其完備的數(shù)學(xué)基礎(chǔ),能方便地表達(dá)與處理信息的不確定性,并且證據(jù)理論擁有其自身的優(yōu)勢,但是經(jīng)典證據(jù)理論合成方法在運(yùn)用時,會出現(xiàn)與人們認(rèn)知相悖的情況,從而使其運(yùn)用受到一定的限制,為此國內(nèi)外學(xué)者從各個角度出發(fā),提出眾多的改進(jìn)思想,進(jìn)一步發(fā)展和優(yōu)化了證據(jù)合成方法。在以往學(xué)者的研究基礎(chǔ)上,本文從證據(jù)源出發(fā),著重考慮證據(jù)源間的信息,提出一種基于信息度的證據(jù)合成方法,同時建立合成結(jié)果有效性評價函數(shù)證據(jù)熵來反應(yīng)合成結(jié)果的有效性。在證據(jù)理論的運(yùn)用上,結(jié)合分類問題,利用證據(jù)理論思想,提出基于證據(jù)理論的決策樹構(gòu)造方法,并且分別用算例驗證本文方法的有效性�；谛畔⒍鹊淖C據(jù)合成方法,首先考慮證據(jù)間的關(guān)系,構(gòu)造信息度表示證據(jù)間關(guān)系,利用信息度修正證據(jù)源,而后進(jìn)行證據(jù)合成,對于合成結(jié)果,采用證據(jù)熵來反映合成結(jié)果的有效性,通過與已有合成方法的比較,可以看出本文方法在聚焦速度上有很大的提高,同時也保證合成結(jié)果的合理性。另一方面,在證據(jù)理論的運(yùn)用上,對連續(xù)型數(shù)據(jù)進(jìn)行分類時,充分考慮數(shù)據(jù)的不確定性,引入證據(jù)理論構(gòu)造轉(zhuǎn)化訓(xùn)練集的函數(shù)模型,利用本文提出的證據(jù)合成方法,對轉(zhuǎn)化后的訓(xùn)練集進(jìn)行證據(jù)合成,結(jié)合決策樹構(gòu)造思想,建立類屬性熵定義與屬性熵定義,生成基于證據(jù)理論的決策樹,利用數(shù)據(jù)集對此方法的進(jìn)行驗證,并且與經(jīng)典決策樹算法進(jìn)行比較,說明此方法的有效性。
【學(xué)位單位】：江西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP18
【部分圖文】：

基于信息度的證據(jù)合成方法研究及運(yùn)用值，由圖 4-3 可以看出，隨著證據(jù)的加入，合成結(jié)果的證據(jù)熵越低，也定性越低，可見本文給出的ECMID合成方法能以較高的準(zhǔn)確度合成證據(jù)

合成時的證據(jù)熵

基于信息度的證據(jù)合成方法研究及運(yùn)用意味著不確定性越低，也就是合成的效果較其他幾種方法最好，而其他幾種方法，合成后的證據(jù)熵都普遍偏大，不確定性也就越大，則需要的信息量也就越多。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅賀;尹艷平;胡笑旋;秦英祥;;基于可信因子的證據(jù)源修正方法[J];系統(tǒng)工程與電子技術(shù);2015年06期

2 宋亞飛;王曉丹;雷蕾;薛愛軍;;基于信任度和虛假度的證據(jù)組合方法[J];通信學(xué)報;2015年05期

3 蔣雯;陳運(yùn)東;湯潮;吳翠翠;羅宇;;基于樣本差異度的基本概率指派生成方法[J];控制與決策;2015年01期

4 崔家瑋;李弼程;;一種新的Dempster組合規(guī)則適用條件[J];計算機(jī)科學(xué);2014年10期

5 王亮;呂衛(wèi)民;滕克難;金永川;;基于分類修正的多證據(jù)合成方法[J];控制與決策;2015年01期

6 熊小峰;李文進(jìn);毛伊敏;;一種不確定數(shù)據(jù)的樸素貝葉斯分類方法[J];江西理工大學(xué)學(xué)報;2014年05期

7 劉希亮;陳桂明;;一種自適應(yīng)沖突證據(jù)檢驗與合成方法[J];控制與決策;2014年05期

8 汪永偉;劉育楠;楊英杰;司成;劉帥;;D-S證據(jù)理論中沖突處理的新方法[J];計算機(jī)工程與設(shè)計;2013年12期

9 王文慶;楊遠(yuǎn)玲;楊春杰;;一種基于證據(jù)理論的數(shù)據(jù)融合算法[J];控制與決策;2013年09期

10 袁小珂;王欣;;一種改進(jìn)的D-S證據(jù)合成方法[J];計算機(jī)測量與控制;2013年07期

相關(guān)博士學(xué)位論文 前3條

1 馬荔瑤;信任函數(shù)建模的認(rèn)知不確定性數(shù)據(jù)分析與學(xué)習(xí)[D];中國科學(xué)技術(shù)大學(xué);2016年

2 李海生;基于證據(jù)理論的分類方法研究[D];華南理工大學(xué);2013年

3 肖明珠;基于證據(jù)理論的不確定性處理研究及其在測試中的應(yīng)用[D];電子科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前4條

1 章巍;基于D-S證據(jù)理論的數(shù)據(jù)融合方法設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2018年

2 樊金輝;基于D-S證據(jù)理論的不確定數(shù)據(jù)清洗方法[D];云南大學(xué);2014年

3 牛為秋;基于粗糙集的決策樹分類算法[D];西安電子科技大學(xué);2010年

4 王艷兵;基于決策樹和粗糙集的分類方法研究[D];山東大學(xué);2006年

本文編號：2808353