为了比较和研究证据理论中 Dempster,Yager,PCR5三种组合规则的融合效果,构建多源传感器故障诊断识别框架,利用已有实验数据分别对基于3种组合规则融合多传感器信息诊断单一故障的过程进行仿真,并采用信息熵作为不确定性量度。结合融合后的基本概率分配函数和故障判定结果对各组合规则的融合效果进行定量比较、分析和评价。结果表明:3种组合规则均能够融合多传感器信息对所选的单一故障实现诊断,其中,Dempster组合规则的诊断结果具有最低的不确定性,Yager组合规则的效果相对较差。该研究对证据理论组合规则

提出一种基于样本差异度的基本概率指派(BPA) 生成方法. 建立三角模糊数模型, 根据所提出的差异度函数计算模型和待测样本的差异度, 生成初始BPA. 为了消除干扰影响, 对初始BPA进行冲突阈值判别并进行相应的冲突消解, 使得传感器在受到干扰等情况下也可输出合理的BPA. 鸢尾花分类实验表明, 所提出的方法简单实用, 具有较强的干扰消除能力.

文中基于各认知用户的差异性，提出一种基于改进D-S证据理论的加权协作频谱检测算法。在能量检测的基础上，充分考虑各个认知用户之间的差异性，并根据各认知用户的检测统计量的方差和均值来给出各个参与数据融合的可信度权重。最后，使用改进D-S证据理论进行多数据源的证据融合，减小多数据源带来的证据冲突，且给出最终的判断结果。仿真结果表明，该方法与经典D-S证据理论检测算法相比，能够在考虑各认知用户差异性的同时有效提高检测效率。

地图匹配算法的有效性和可靠性对于智能交通系统而言是非常重要的，而目前存在的地图匹配算法在一些复杂环境下（如道路交叉口）仍然不能提供合理的输出。采用D-S证据理论融合当前车辆位置信息和方向信息可以有效地扩大待匹配道路之间的差异，但在复杂路网下信息量的不足会降低其匹配精度。因此，为了提高道路网络中的地图匹配精度，提出了基于Zernike形状矩的地图匹配算法。新算法引入Zernike矩描述轨迹曲线的形状，进一步修正了错误结果。通过仿真和实验表明，新算法在复杂环境下具有较强的有效性和可靠性。

这个PPT是介绍经典多的DS理论，也叫证据理论的。 证据理论主要用来进行融合计算。

基于LSSVM和证据理论的电力系统暂态稳定评估.pdf

matlab实现的DS证据理论代码-DS_fusion.m matlab实现的D-S证据理论代码简单实现，加了一些注释，适用于独立的单一命题。 附件m文件代码： function x=DS_fusion % 功能：融合x,y两行向量 % x,y的格式形如[m1 m2 m3, ... , mk, m, m] % 要求m1 m2 m3 ...之间互相无交集 % m可不为0，表示不确定度 % m肯定是0 [nx,mx]=size; if 1~=nx     disp;     return; end [ny,my]=size; if 1~=ny     disp;     return; end if mx~=my     disp;     return; end temp=0; for i=1:mx-1         if i==mx-1         x=x*y;  %对全集的特殊处理     else         x=x*y x*y y*x;     end     temp=temp x; end for i=1:mx-1     x=x/temp; end x=0;     复制代码

在故障诊断时,需要从多方面获得关于同一对象的多维信息并进行融合,才能对设备进行更可靠更准确地诊断,以求得最佳诊断结果。以齿轮箱故障作为研究对象,提出了一种基于D-S证据理论和BP神经网络相结合的信息融合诊断方法,并进行了验证。首先利用BP神经网络对测量数据进行分析诊断,最后用D-S理论对诊断结果进行融合,结果满足需求,从而证明了D-S理论和BP神经网络相结合的诊断方法的实效性。

浙江大学研究生《人工智能》课件 徐从富(Congfu Xu) PhD, Associate Professor Email: xucongfu@zju.edu.cn Institute of Artificial Intelligence, College of Computer Science, Zhejiang University, Hangzhou 310027, P.R. China March 10, 2002第一稿 September 25, 2006第四次修改稿 第五章 D-S证据理论 (Chapter5 D-S Evidential Theory )

D-S证据理论(D-S Evidential Theory)相关资料源码打包 D-S证据理论PPT课件 C源码 java源码 Matlab源码