QQ客服 官方微博 反馈留言

	基于状态向量距离的证据理论信息融合决策方法
	王建颖 ; 徐立中 ; 林志贵 ; 马小平
	2015-07-16 ; 2015-07-16
中文摘要	本发明是一种对多源异类信息融合结果进行决策的基于状态向量距离的证据理论信息融合决策方法。步骤分：确定基于D-S证据理论的信息融合结果；确定焦元属性支持度，将辨识框架的幂集中的每一个焦元都作为候选决策；候选决策向量的确定，考虑候选决策的BPA分布及从属性层面获得的焦元支持度，将候选决策向量进行正规化；确定候选决策的理想状态向量。把100％满足决策者要求的决策焦元看成是理想的焦元；确定状态向量之间的距离；决策方法。首先确定候选决策Ai(i＝1，2，Λ，m)总的支持度，然后选择其中最大的A*即为基于状态向量距离的D-S证据融合决策结果。优点：该方法结合决策基元和非基元的属性，充分考虑了焦元之间的相关程度，减少了机会的损失，具有客观、有效等特点。; 专利类型： 发明专利 申请（专利）号： CN200510037680.5 申请日期： 2005年1月12日 公开(公告)日： 2005年7月27日 公开(公告)号： CN1645358 主分类号： G06F17/00,G,G06,G06F,G06F17 分类号： G06F17/00,G,G06,G06F,G06F17 申请（专利权）人： 河海大学,中国矿业大学 发明（设计）人： 王建颖,徐立中,林志贵,马小平 主申请人地址： 210098江苏省南京市西康路1号 专利代理机构： 南京君陶专利商标代理有限公司 代理人： 沈根水 国别省市代码： 江苏;32 主权项： 1、基于状态向量距离的证据理论信息融合决策方法，其特征是方法步骤依次分为：(一)确定基于D-S证据理论的信息融合结果，依据融合背景的不同，选择辨识框架及其幂集，并基于D-S证据理论对多源信息进行融合处理；(二)确定焦元属性支持度。将辨识框架的幂集中的每一个焦元都作为候选决策，焦元属性对候选决策的属性层面支持度，就变成为焦元属性之间的支持度，该支持度为 s ( i , j ) = | A i I A j | | A i Y A j | , ( i , j = 1,2 , Λ , m ) , ]]>其中|·|表示焦元属性所包含的基元的个数；(三)候选决策向量的确定。考虑到候选决策的基本信任分配分布及从属性层面获得的焦元支持度，候选决策向量表示为T(Ai)＝[t(i，1)，t(i，2)，Λ，t(i，m)]，其中t(i，j)＝s(i，j)*m(Aj)，(i，j＝1，2，Λ，m)。将候选决策向量进行正规化，得Tn(Ai)＝[t′(i，1)，t′(i，2)，Λ，t′(i，m)]，其中 t ′ ( i , j ) = t ( i , j ) Σ j = 1 m t ( i , j ) , ( i , j = 1,2 , Λ , m ) ; ]]>(四)确定候选决策的理想状态向量。把100％满足决策者要求的决策焦元看成是理想的焦元，其满足程度可用下列状态向量表示：T*(Ai)＝[t*(i，1)，t*(i，2)，Λ，t*(i，m)]，其中 t * ( i , j ) = 1 i = j 0 i ≠ j , ( i , j = 1,2 , Λ , m ) . ]]>称T*(Ai)为候选决策的理想状态向量；(五)确定状态向量之间的距离。候选决策Ai的正规化向量Tn(Ai)与该候选决策的理想状态向量T*(Ai)之间的距离Dis： Dis [ T n ( A i ) , T * ( A i ) ] = 1 m Σ j = 1 m | t ′ ( i , j ) - t * ( i , j ) | ]]>(i＝1，2，Λ，m)；(六)决策方法，首先确定候选决策Ai(i＝1，2，Λ，m)总的支持度TSD(Ai)：TSD(Ai)＝1-Dis[Tn(Ai)，T*(Ai)]，然后选择其中最大的A* ( A * = max A i [ TSD ( A i ) ] ) , ]]>即为基于状态向量距离的D-S证据融合决策结果。 法律状态： 公开 ，实质审查的生效 ，发明专利申请公布后的视为撤回
语种	中文
内容类型	其他
源URL	[http://ir.calis.edu.cn/hdl/232060/9687]
专题	中国矿业大学（徐州）
推荐引用方式 GB/T 7714	王建颖,徐立中,林志贵,等. 基于状态向量距离的证据理论信息融合决策方法. 2015-07-16, 2015-07-16.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。