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

D-S证据理论的融合思想主要体现在待识别对象的多个证据的基本概率分配函数通过某种规则融合在一起，求出所有证据的总支持程度，证据理论给出了多源数据的组合规则

为满足复杂环境下目标敌我属性识别能力,提出了一种基于模糊神经网络(FNN :Fuzzy Neural Net- works)和证据理论的新敌我识别方法。该方法利用模糊神经网络和证据理论信息的处理能力,将敌我识别器(IFF :Identification Friend-or-Foe)、电子支援措施(ESM :Electronic Warfare Support Measure)、雷达及红外获取的信息融合,进行敌我识别。仿真结果表明,该方法的识别能力明显优于单一模糊神经网络分类器,识别率达0.994,同时具有

D-S证据理论作为一种不确定推理方法，已经广泛用于数据融合和目标识别领域。但是D-S 证据合成公式存在不足之处，使证据理论的应用受到了一定的限制。鉴于此，Yager 对合成公式作了改进，但改进后的合成公式又存在着新的问题。文[2]，[3]，[4]针对Yager 合成公式进行了一些改进。综合比较了以上几种合成公式，并对文[4]的合成公式进行了一些修正，使其满足结合律，提高了计算效率。

针对配电网故障信息出现异常尤其是不可识别异常而导致误判的问题，提出了一种基于网络树状图和改进D-S证据理论的配电网故障定位新方法。该方法的突出优点在于使用多源信息进行故障定位，可避免因单源信息发生异常导致的误判。首先提出了一种新的基于网络树状图的搜索算法，该算法利用配电网故障时产生的故障指示器信息、配变报警信息和电话投诉信息建立相应的网络树状图，并通过搜索网络树状图进行故障初步定位。然后利用改进D-S证据理论将每种故障信息的定位结果进行信息融合，得到最终的定位结果。实例结果表明所提方法有效、可行，可以解决故障信息出现不可识别异常时的定位问题。

基本概率分配函数 定义1 基本概率分配函数 M 设函数 M 是满足下列条件的映射： ① 不可能事件的基本概率是0，即 ； ② 中全部元素的基本概率之和为1，即 则称 M 是 上的概率分配函数，M(A)称为A的基本概率数，表示对A的精确信任。 幂集构成一个框架。

人工智能原理教案03章 不确定性推理方法323证据理论

D-S证据理论数据融合算法基础程序，可改

matlab实现证据理论的融合公式-Fusion_new.m 最近刚写的一个用matlab实现证据理论的代码，现阶段能完成两个证据之间的融合； 附件是m文件，具体的使用方法在m文件中有

研究了一种基于D-S证据理论的多证据数据融合决策的开关磁阻发电机（SRG）故障诊断方法。根据SRG电流、电压、转矩三个证据信号进行融合处理，提高了其故障诊断的精确性和可靠性。文章对D-S证据理论在开关磁阻发电机故障诊断中的应用进行了实例分析，结果表明该方法能够有效提高故障诊断精度。