检索结果-内蒙古大学图书馆

计算机科学 1993年第4期20卷 7-12,31页

作者：杜劲松黄俊杰张尧庭武汉大学计算机系武汉430072 武汉大学管理学院武汉430072

一、引言通过对人工智能及专家系统的进一步研究,人们发现仅仅采用符号计算难以处理问题求解过程中所遇到的各式各样的不确定信息,而这种不确定性是无处不在的:从知识获取到计算机视觉与模式识别,从状态空间的有效搜索到自然语言理解。... 详细信息

一、引言通过对人工智能及专家系统的进一步研究,人们发现仅仅采用符号计算难以处理问题求解过程中所遇到的各式各样的不确定信息,而这种不确定性是无处不在的:从知识获取到计算机视觉与模式识别,从状态空间的有效搜索到自然语言理解。导致不确定的原因可能是:(1) 信息不是完全可靠的,例如,在基于规则的系统中,由专家给出的规则可能存在例外,甚至专家自身也会对规则缺乏自信;(2) 信息是不完备的,例如。

关键词：人工智能信任函数理论

来源：评论

学校读者我要写书评

暂无评论

信任函数组合与局部冲突处理

引用

计算机工程与应用 2004年第34期40卷 81-84,97页

作者：吴根秀江西师范大学数学与信息科学学院南昌330027

在证据理论框架中,数据融合是将几个来自不同证据源的信任函数组合成一个信任函数,Dempster组合规则是人们常用的方法,但由于此规则是通过按比例放大组合后焦元的基本信任指派值而使其满足信任函数的标准定义,尽管这一标准化方法有逻辑... 详细信息

在证据理论框架中,数据融合是将几个来自不同证据源的信任函数组合成一个信任函数,Dempster组合规则是人们常用的方法,但由于此规则是通过按比例放大组合后焦元的基本信任指派值而使其满足信任函数的标准定义,尽管这一标准化方法有逻辑上的解释,但还是招致诸多批评,并提出了一些修正的组合规则。Dempster组合规则尤其在较强冲突情形下其组合结果是不符合常理的,因此不同证据源的冲突处理是信息融合的主要问题。该文通过分析比较已有的主要组合规则,提出了一种处理冲突的新方法--局部冲突处理法,此方法可克服已有方法的缺点,而且组合结果更加合理。

关键词：证据理论基本信任指派信任函数组合规则冲突

来源：评论

学校读者我要写书评

暂无评论

信任函数理论框架下新聚类分析方法的研究

信任函数理论框架下新聚类分析方法的研究

引用

作者：李锋北京工业大学

学位级别：博士

聚类分析是一种常见的统计分析方法,它也是机器学习和模式识别领域一个重要的研究课题.聚类分析基于样本间的相似性将样本分成不同的组,使得同一组中的样本间相似性高,而不同组之间的样本相似性低.目前,聚类分析在数据挖掘、图像分割等... 详细信息

聚类分析是一种常见的统计分析方法,它也是机器学习和模式识别领域一个重要的研究课题.聚类分析基于样本间的相似性将样本分成不同的组,使得同一组中的样本间相似性高,而不同组之间的样本相似性低.目前,聚类分析在数据挖掘、图像分割等领域有广泛的应用.根据不同的聚类结果,聚类分析方法可以分为硬聚类方法和软聚类方法.其中软聚类包括模糊聚类方法和证据聚类方法.特别是基于证据理论(或称为信任函数理论)的聚类方法最近受到越来越多学者的关注,这是因为证据理论被认为是更具一般性的理论框架,如在聚类问题中,其他的软聚类方法(如模糊聚类方法)得到的结果都可以看作是证据聚类方法得到结果的特例.更重要的是,不同于经典的概率理论,证据理论中的核心概念信任函数是一种非可加测度,在处理非线性、不确定性问题时有其独到之处.如在聚类分析中,有些样本分属多个不同的类都有一定的可能性或信任度,而不能肯定某个样本一定属于某个类.此时样本与类之间的隶属关系带有这种不确定性,而信任函数可以很好地表示这种不确定性,即把样本分属不同类别的可信度用信任函数表示.本文主要考虑在证据理论的框架下,探讨新的聚类分析方法.具体地讲,研究内容有以下四个方面.(1)在现有证据聚类方法的基础上,研究一种新的带约束的证据聚类方法(k-CEVCLUS方法).以往证据聚类(EVCLUS)算法和k-EVCLUS算法,都可以处理相异性数据,这些方法中一个基本假设是:样本间相似性越高,他们对应质量函数间的冲突度就越低.约束的证据聚类方法(CEVCLUS算法)考虑将先验信息融入证据聚类方法中,该方法主要考虑了成对约束的先验信息.原始的CEVCLUS方法能够得到很好的聚类结果,但是该方法只能处理小样本的数据集,而且计算的耗时长、空间复杂度高.因此,我们在这些方法的基础上研究了新的约束聚类方法,记为k-CEVCLUS方法.新提出的方法改进了原有方法的目标函数,使目标函数可以分解成每个样本对应质量函数的二次函数,从而可以通过迭代行的二次规划算法优化该目标函数.k-CEVCLUS方法通过使用新的目标函数和优化方法,进一步降低了算法的用时和空间复杂度,因此该方法能够处理大样本量的数据集(样本量为1万左右).在数值实验中我们发现,当样本量很大时,需要的约束个数也随之增加,当约束个数同样本量同一数量级时,才能达到理想的聚类效果.因此,我们研究一种约束拓展方法,当只有少量的约束给定时,该方法可以进一步改善聚类的效果.(2)在证据累积方法(EAC)的基础上,研究基于证据理论的聚类集成方法.多数情况下,聚类集成方法主要包含两个关键步骤:第一步得到一组基础划分,第二步结合基础划分得到集成的聚类结果.同经典证据累积方法一样,我们的方法在集成的第一步先通过模糊聚类方法得到的结果经硬化处理后的硬划分,作为基础划分.从硬划分出发,在证据理论框架下将其转换成一种中间表示,称这种中间表示为关系表示.在证据理论中,一般地认为得到的这一关系表示是不可靠的,可以用折扣过程对其进行预处理.然后就可以用不同的结合法则融合所有关系表示.从融合后的关系表示中提取蕴含矩阵或似然矩阵,将其视为样本间的互相关矩阵.为了能够充分利用样本间的传递性,将得到的互相关矩阵视为一个模糊关系,对其做传递闭包处理,从而得到一个模糊等价关系.将模糊的等价关系视为新的相似性数据,用能够处理相似性数据的聚类方法得到最终的结果.最后,通过实验表明该聚类集成方法的稳定性和有效性.(3)在模糊划分的基础上,研究基于证据理论的模糊聚类集成方法.在经典的聚类集成方法中,往往通过经典的聚类方法得到硬划分,并将硬划分作为基础划分.即使是通过模糊聚类方法(如模糊c-means方法)得到模糊划分,往往通过硬化处理得到硬划分作为基础划分,这样做会损失很多信息.为了能够充分利用模糊划分中的信息,我们在证据理论的框架下提出一种新的模糊聚类集成方法.在新提出方法的第一步,我们用模糊聚类方法得到一组模糊划分.对于每个模糊划分,我们用质量函数表示样本间的“相似性”.为了充分利用相关信息,我们提取了两种类型的关系表示.基于考虑的关系表示,通过结合法则得到融合的关系表示.在方法的第二步,我们考虑两种集成方法:(1)基于融合的关系表示得到样本间的互相关矩阵,将其作为模糊c-means方法的输入,得到的结果即为集成的结果;(2)基于信任的兰德指数构造一个目标函数,优化该目标函数得到一个模糊划分,作为集成的聚类结果.通过数据集上的实验表明新提出方法可以进一步提高聚类的精确度.(4)在证据聚类方法的基础上,研究新的证据聚类集成方法.不同于其他聚类集成方法,在该方法的第一步,我们通过证据聚类方法(如证据c-means方法),得到一组基础划分.在证据理论中,每个基础划分都是一个证据划分.证据划分可以表示样本和类之间的隶属关系中存

关键词：信任函数证据理论证据聚类证据聚类集成关系表示结合法则

来源：评论

学校读者我要写书评

暂无评论

信任函数的内外测度和随机集合

引用

吉林大学自然科学学报 1997年第2期 31-34页

作者：李岳峰刘大有刘松辉吉林大学计算机科学系长春130023 吉林省招生委员会办公室长春130023

从概念和信任值的更新方式等方面，比较了几种主要的信任函数的概率解释方法，证明了当假设空间有限时，可将信任函数的内外测度理解为一种随机集合．

关键词：证据理论信任函数随机集合内外测度

来源：评论

学校读者我要写书评

暂无评论

特征化证据信任函数的证据诱导分布函数及其性质

引用

武汉大学学报（理学版） 2003年第1期49卷 29-32页

作者：王先甲匡小新武汉大学系统工程研究所湖北武汉430072

基于基本概率分配构造了证据判断框架上的一个证据诱导分布函数 .证明了这个证据诱导分布函数是刻划基本概率分配和信任函数特征的点函数 ,并证明了这个证据诱导分布函数也是证据理论判断框架上的概率分布 ,从而在一定意义下实现了从证... 详细信息

基于基本概率分配构造了证据判断框架上的一个证据诱导分布函数 .证明了这个证据诱导分布函数是刻划基本概率分配和信任函数特征的点函数 ,并证明了这个证据诱导分布函数也是证据理论判断框架上的概率分布 ,从而在一定意义下实现了从证据理论框架到概率论框架的转化 .另外。

关键词：特征化证据 Dempster-Shafer证据理论基本概率分配信任函数证据诱导分布函数点函数

来源：评论

学校读者我要写书评

暂无评论

应用信任函数的容错区间估计融合方法

引用

四川大学学报（自然科学版） 2003年第3期40卷 419-422页

作者：李保华朱允民四川大学数学学院成都610064

传感器网络是在动态的、具有不确定性的环境里运作的,所以网络设计时容错就成为一个很重要的问题.作者利用信任函数理论提出了一种新的容错区间融合函数,它根据先验信息和对融合结果的要求得到与之相应的输出区间及其信任度,可以缩短Mar... 详细信息

传感器网络是在动态的、具有不确定性的环境里运作的,所以网络设计时容错就成为一个很重要的问题.作者利用信任函数理论提出了一种新的容错区间融合函数,它根据先验信息和对融合结果的要求得到与之相应的输出区间及其信任度,可以缩短Marzullo函数的输出区间,而且其输出结果比过去有关作者提出的函数的输出结果更为可靠.

关键词：容错区间融合函数基本概率赋值信任函数

来源：评论

学校读者我要写书评

暂无评论

基于Boost和信任函数的多文本分类器组合模型

引用

计算机工程与应用 2002年第2期38卷 51-54页

作者：王爱华张铭杨冬青唐世渭北京大学计算机系北京100871 北京大学视觉与听觉处理国家重点实验室北京100871

人们对文本分类已经进行了大量的研究,取得很多研究成果,设计多种分类器,达到相当高的分类精确度。但使用单分类器进行文本分类有一些缺点,如分类模型对样本的敏感性,而且单分类器的分类精度很难再有很大的提高。因此,使用多分类器以提... 详细信息

人们对文本分类已经进行了大量的研究,取得很多研究成果,设计多种分类器,达到相当高的分类精确度。但使用单分类器进行文本分类有一些缺点,如分类模型对样本的敏感性,而且单分类器的分类精度很难再有很大的提高。因此,使用多分类器以提高分类的精度是一个非常活跃的研究领域。文章提出使用近年在传统概率统计方法之上发展起来的信任函数理论和方法对多个文本分类器进行组合使用。具体方法是使用信任函数将分类结果进行综合,得到最终的分类结果。实验证明,基于信任函数的信息综合方法比已有的方法更合理,精度也得到提高。

关键词： Boost 信任函数多文本分类器组合模型文档管理信息处理

来源：评论

学校读者我要写书评

暂无评论

融合情感极性与信任函数的虚假评论检测方法

引用

计算机工程与科学 2019年第9期41卷 1679-1685页

作者：杨丰瑞吴晓浩万程峰重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学通信新技术应用研究中心重庆400065 重庆重邮信科(集团)股份有限公司重庆401121

在线评论是用户判断商品质量的一个依据。虚假评论严重影响了消费者的购买行为,现有的虚假评论检测方法从文本出发,忽略了评分的虚假性,评分通常是不精确和不确定的,对虚假评论检测效果不佳。提出融合情感极性与信任函数的虚假评论检测... 详细信息

在线评论是用户判断商品质量的一个依据。虚假评论严重影响了消费者的购买行为,现有的虚假评论检测方法从文本出发,忽略了评分的虚假性,评分通常是不精确和不确定的,对虚假评论检测效果不佳。提出融合情感极性与信任函数的虚假评论检测方法(EP-BFRD),利用信任函数处理给定评论者评分中的不确定性和不准确性,考虑与其他评分者提供的评分的相似性,以检测误导性,并判断评论文本情感极性与评分一致性。综合考虑信任函数处理的结果以及评分与文本情感一致性的结果来判断评论的虚假性。在一个真实的数据库上进行实验,实验表明该方法可有效解决虚假评论检测问题。

关键词：虚假评论情感极性信任函数虚假评论检测

来源：评论

学校读者我要写书评

暂无评论

基于大焦元的子焦元的信任函数逼近方法

引用

江西师范大学学报（自然科学版） 2019年第3期43卷 282-286,308页

作者：徐洪富吴根秀许才江西师范大学数学与信息科学学院江西南昌330022

对于证据合成过程中焦元数目过多导致计算量较大的问题,该文给出了一种综合考虑焦元的基数大小和信任值大小的信任函数逼近方法,该方法可以控制焦元数目、加快运算速度,通过算例分析验证了结论的有效性.

关键词：证据理论概率理论信任函数

来源：评论

学校读者我要写书评

暂无评论

证据理论中信任函数的合成方法研究与应用

证据理论中信任函数的合成方法研究与应用

引用

作者：柯小路中国科学技术大学

学位级别：博士

在实际问题中,无论是传感器测量信息还是专家经验知识,一般都存在定程度的不确定性或不完备性。研究不确定信息的建模和推理决策问题具有重要意义。证据理论是一种常用的不确定推理方法,其中表征信息的信任函数是定义在识别框架幂集上... 详细信息

在实际问题中,无论是传感器测量信息还是专家经验知识,一般都存在定程度的不确定性或不完备性。研究不确定信息的建模和推理决策问题具有重要意义。证据理论是一种常用的不确定推理方法,其中表征信息的信任函数是定义在识别框架幂集上的一个置信分布,能够区分无知与等可能性,比概率分布的表示更加灵活准确：并且证据推理的过程与人类专家的思维方式比较相似。因此,证据理论已成为一种重要的信息融合方法,在多个领域中得以应用。鉴于证据理论处理不确定知识的能力,许多研究将其与其它理论方法相结合,置信规则库推理方法就是其中之一。经典证据理论中通过Dempster规则合成多条证据,实现推理决策过程。然而使用Dempster规则需要满足一定的前提条件,如证据独立性、证据可靠性等,这些条件在实际问题中不一定能够满足;而且Dempster规则合成冲突证据时可能出现合成悖论问题。为避免合成悖论,并更好的符合实际应用条件,本文对信任函数的合成方法进行研究,主要从冲突证据的分析与合成、证据重要性与可靠性的处理、相关证据的合成等方面展开。此外,针对置信规则库推理方法存在模型训练缓慢、规则约简方法复杂等问题,提出一种新的模型结构以解决这些问题。首先,研究了合成悖论问题,并提出一种新的冲突衡量方法和证据折扣方法。利用规范分解对典型合成悖论进行了分析,总结出了它们的共同特点,并证明证据折扣可以避免这一问题。因此,提出一种模糊折扣方法。该方法考虑了证据之间的冲突和自身不确定性两方面因素,不仅能够取得较快的信度收敛速度,并且对异常证据也具有较好的鲁棒性。为衡量证据冲突和不确定性,分别定义了基于奇异值的冲突衡量方法和基于pignistic概率的区分度。其次,研究了证据推理(ER)规则的相关性质及其存在的问题,并用其对隔振系统的故障诊断问题进行研究。分析了ER规则与证据折扣方法之间的关系、权重归一化对其合成结果的影响,以及它在重要性与可靠性表示上存在的缺陷,并提出一种改进的方法。针对隔振系统的故障诊断问题,给出了证据重要性与可靠性的评估方法,提取了合适的特征参数并用以生成证据,利用改进的ER规则对多传感器信息进行融合,实现故障的诊断发现。在多种故障情况下对所提方法进行了验证。然后，研究了相关源证据已知和未知两种情况下的相关证据合成问题。在相关源证据未知的情况下,借助证据推理规则处理相对重要性的能力,将其与谨慎合成规则相结合,得到加权谨慎合成规则：此外，基于最小承诺准则和证据似然排序、众信度排序,分别提出一种相关证据合成方法,设计优化方法求解符合条件的信仟函数。在相关源证据已知情况下,利用合成规则的众信度函数表达形式,得到一种直接计算合成结果的方法,该方法对相关源证据的形式没有要求。最后,研究了基于加权平均推理的置信规则库方法。对已有文献中一些置信规则库的计算表明,被激活规则的置信分布一般存在较大冲突,而加权平均比较适合这种情况。因此在推理环节使用加权平均代替ER算法,对相应置信规则库的基本结构进行了推导,并证明其仍然具有全局逼近能力。为避免过拟合和降低模型复杂度,利用新置信规则库的特殊结构,提出一种简单有效的前提属性参考值约简方法。针对动态系统的时变特性,在正态输出假设条件下,对新置信规则库的参数在线更新方法进行了推导。通过数值仿真对新置信规则库及其属性约简方法和参数更新方法进行了验证。

关键词：证据理论信任函数证据合成置信规则库证据推理相关证据模糊折扣证据冲突

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：