证据理论在MABR中的应用

合集下载

ch4可信度与证据理论-3

ch4可信度与证据理论-3
2
C-F模型
在MYCIN中 CF(H, E) = MB(H, E) - MD(H, E)
其中: MB(H, E)(Measure Belief)指信任增长度,表示因与E匹 配的证据出现,使H为真的信任增长度。定义如下:
3
C-F模型
MD(H, E)(Measure Disbelief)指不信增长度,表示因与 E匹配的证据出现,使H为真的不信任增长度。定义如下:
24
加权不确定性推理
由r2 有: CF(E3 (0.5) AND E4 (0.3) AND E5 (0.2))= =0.5×0.7+0.3×0.6+0.2×0.5=0.63 因为λ2=0.6,CF(E3 AND E4 AND E5)>λ2 故r2可以使用。 因为 CF(E1 AND E2 )> CF(E3 AND E4 AND E5) 所以r1先被启用,然后才能启用r2。
E5 E6
0.49
E3 E8
16
加权不确定性推理
1、知识的不确定性表示
IF E1(ω1) AND E2(ω2) AND … En(ωn) THEN H (CF(H,E),λ)
其中,ωi是加权因子,且
λ是阈值,0<λ≤1,只有当CF(E)≥λ时才可使用该条知识。
17
加权不确定性推理
2、组合证据不确定性算法
将概率论中的单点赋值扩展为集合赋值,满足比概率更 弱的要求,可看作一种广义概率论。
27
不确定性方法比较
可信度方法:证据、结论和知识的不确定性以可信度 进行度量。
主观Bayes方法:证据与结论的不确定性以概率形式度 量,知识的不确定性以数值对(LS,LN)进行度量。
D-S理论:证据与结论用集合表示,不确定性度量用 信任函数与似然函数表示;知识的不确定性通过一个 集合形式的可信度因子表示。

证据理论总结

证据理论总结
电气12-4 陈仿雄
目录
• 一、证据理论 基本内 容 • 二、基于证据理论的 不完全信息多属性决 策方法论文的感想 • 三、新无量刚指标的 概念 • 四、故障诊断常用的 方法 • 五、K-NN算法
证据理论
证据理论是由德普斯特(A.P.Dempster) 首先提出,并由沙佛(G.Shafer)进一步 发展起来的一种处理不确定性的理论,因 此又称为D-S理论。 • 适用领域:信息融合、专家系统、情报分 析、法律案件分析、多属性决策分析,等 等
Kv
z

z 4 p( z )dz
2
p( z )dz
2

E( z ) E ( z )
2 2
4
故障诊断的方法
• 故障诊断的概念 利用各种检查和测试方法,发现系统 和设备是否存在故障的过程是故障检测; 而进一步确定故障所在大致部位的过程是 故障定位。故障检测和故障定位同属网络 生存性范畴。要求把故障定位到实施修理 时可更换的产品层次(可更换单位)的过 程成为故障隔离。故障诊断就是指故障检 测和故障隔离的过程。
新无量纲指标
• 引言:
• 随着现代科学技术的飞速发展, 旋转机械设备的组成和 结构越来越复杂, 对于设备运行的安全性、 维修性和可 靠性的要求也越来越高。一旦机组发生故障, 往往导致 停产甚至机毁人亡的灾难性后果。因此,机械的故障诊断 技术特别是对大型设备如汽轮机、 压缩机等的故障诊断 就显得尤为重要。近些年来, 故障诊断技术已经取得了 一些发展 , 但大多数是对于单一故障的诊断。而机器产 生故障的原因一般不是单一的因素, 尤其是对于旋转机 械故障, 往往是多种故障因素综合所产生的多重并发故 障。目前对于并发故障的诊断技术还并不成熟, 本文将 对前人的研究结果进行分析总结, 并着重阐述采用无量 纲指标进行旋转机械并发故障诊断的方法。

基于证据理论的民航气象雷达故障诊断研究

基于证据理论的民航气象雷达故障诊断研究

基于证据理论的民航气象雷达故障诊断研究【摘要】根据气象雷达的基本原理知识,结合雷达的多个常见故障,运用D-S证据理论进行计算和分析,通过融合将不同的证据源进行合并,并对故障的优先级和重要性进行了排序,对故障排除有一定的意义。

【关键词】证据理论;气象雷达;故障诊断1.引言民用航空机载气象雷达(WXR)是机载导航系统的重要组成部分,是民航客机上的一种重要导航装备,具有探测飞机前方降水、湍流和风切变的功能。

对于机载气象雷达的维护十分重要,对防止重大故障的发生可以起到未雨绸缪的作用。

机载气象雷达的故障有很多,分为硬件故障和软件故障,一般硬件故障包括磁场电源故障、复分接故障、VCO故障和风机故障等等,而软件故障则包括常见的计算机系统故障,接收机误码故障、计算机软件冲突故障和光端机误码故障等等。

然而这些故障的发生直接影响到了飞机的可靠性和稳定性,所以对于雷达的故障诊断研究势在必行。

因此,对于雷达系统的故障检测并且及时准确的确定故障原因是非常重要的。

因为雷达系统的故障诊断研究中存在的许多的不确定因素,系统的故障种类繁多,所以我们应该克服的是雷达系统故障中存在的这种多不确定性。

针对这种多不确定性,本文采用的是基于证据理论的雷达系统故障诊断研究方法,来对雷达系统的故障信息进行分析,并实现故障发生的概率计算,并由此得出雷达系统的故障信息。

2. D-S证据理论它反映了各个证据之间的冲突程度,由于模糊集在处理带有模糊的不确定性方面的问题时,其优势明显,许多学者提出将证据理论与模糊集相结合,利用二者的优点来表示和处理不精确的和模糊的信息。

3.机载气象雷达结构(1)天线向特定的方向发射和接收特定频段的电磁波。

天线波束形状主要为扇形波束和针状波束,扫描方式为机械扫描和电扫(相扫和频扫)方式;扇形波束主要为圆周扫描和扇扫;针状波束主要为螺旋扫描,分行扫描和锯齿扫描。

天线的基本技术指标:工作频率、天线最大增益、输入阻抗、阵面有效口径、阵元间距、阵面单元组成、方向图(水平波瓣和垂直波瓣宽度)、天线极化方式(垂直、水平或者全极化)、天线效能、环境温度和重量等等。

基于证据理论的软件功能可信度的评估

基于证据理论的软件功能可信度的评估

基于证据理论的软件功能可信度的评估摘要:证据理论是一种经典的处理不确定性信息和解决信息不完整的方法,软件属性和质量因子大都具有模糊性,很多因子不能用确定的数值表示。

基于ISO/IEC9126质量模型中给出的27个软件子特性,利用证据理论及其合成规则计算了软件功能可信度,并给出了实例说明该方法的有效性。

最后,总结了该方法的不足。

关键词:证据理论;软件质量评估中图分类号:TP393 文献标识码:A 文章编号:1009-3044(2014)13-3139-03Software Function Trustworthiness Evaluation Based on Evidence TheoryCAI Dong-rong(Southwest China Normal University,Chongqing 400715,China)Abstract:Evidence theory is a classic way to deal with uncertain and incomplete information. Software attributes and quality fa ctors are fuzzy so that many of them can’t be expressed by precise figures.Software function trustworthiness and quality is evaluated quantitatively using evidence theorybased ISO/IEC 9126.An example is given to demonstrate validity of this means.Key words:evidence theory;software quality evaluation 软件已经渗透人们生活的方方面面,软件的质量不仅影响着人们日常生活,更控制着国家财产、人身安全。

evidence-based的思考方法

evidence-based的思考方法

evidence-based的思考方法全文共四篇示例,供读者参考第一篇示例:Evidence-based思考方法是一种基于科学证据的思考和决策方式,其核心理念是通过收集、评估和应用合理的证据来支持我们的观点和行动。

这一方法不仅可以帮助我们做出明智的决策,还可以帮助我们避免基于主观偏见或无根据的意见做出错误的判断。

在当今信息爆炸的时代,越来越多的人意识到Evidence-based思考方法的重要性,它已经成为许多领域中的标准实践,包括医疗、教育、管理等。

Evidence-based思考方法的核心是建立在科学研究和实证数据的基础上,而不是依靠主观的经验、偏见或推测。

这种方法强调的是客观的证据和数据,而非个人的情感或观点。

通过收集和分析充分的证据,我们可以更准确地了解事物的真相,更有效地做出决策,避免盲目跟风或被误导。

Evidence-based思考方法的一个关键步骤是收集数据和信息。

这包括收集已有的研究成果、实证数据、案例研究等,以及进行调查、观察、实地考察等。

通过各种渠道搜集信息,我们可以获取更全面、更客观的数据,从而更好地了解问题的本质和现状。

接下来是对收集到的数据进行评估和分析。

这个过程包括对数据的可信度和有效性进行评估,分析数据之间的关联和趋势,总结规律和结论等。

通过深入分析数据,我们可以发现其中的规律和规律,从而更好地了解问题的本质和症结。

基于数据分析的结果,我们可以制定相应的决策和行动计划。

这一步骤是Evidence-based思考方法的关键,它要求我们根据数据和证据,而不是主观偏见或意识形态,来做出决策,明确目标,确立行动计划。

通过Evidence-based思考方法,我们可以更有效地解决问题和挑战,提高工作和生活的效率和质量。

在实际应用中,Evidence-based思考方法可以帮助我们更好地理解复杂问题,更科学地制定解决方案,更准确地预测结果。

在医疗领域,医生们可以通过研究和实验数据,更好地诊断疾病,选择最合适的治疗方案。

马氏规则的名词解释

马氏规则的名词解释

马氏规则的名词解释马氏规则,也被称为贝叶斯定理,是一种统计学原理,用于在已知先验概率的基础上,通过新的证据或信息来更新和修正概率的方法。

该规则以英国统计学家托马斯·贝叶斯(Thomas Bayes)和法国数学家皮埃尔·西蒙·拉普拉斯(Pierre-Simon Laplace)的名字命名。

贝叶斯定理的核心思想是将先验概率与新的证据相结合,得到后验概率。

先验概率是在没有新的证据出现之前,基于经验、直觉或既有知识所得出的概率。

后验概率则是在考虑新的证据之后,通过贝叶斯定理来修正先验概率,从而得到更准确的概率估计。

在数学上,贝叶斯定理可以表示为:P(A|B) = (P(B|A) * P(A)) / P(B)其中,P(A|B)表示给定新的证据B情况下事件A发生的概率,P(B|A)表示已知事件A发生的情况下出现证据B的概率,P(A)和P(B)分别表示事件A和事件B单独发生的概率。

贝叶斯定理的应用非常广泛,既可以用于解决实际问题,又可以用于推理和决策问题。

例如,在医学领域,贝叶斯定理可以用于根据患者的先验症状概率和新的医学检测结果,来计算出该患者患有某种疾病的后验概率。

在金融领域,贝叶斯定理可以用于根据过去的市场数据和新的经济指标,来修正对某只股票未来涨跌的概率预测。

贝叶斯定理的一个重要应用领域是机器学习和人工智能。

例如,在语音识别中,贝叶斯定理可以用于根据语音样本和已有的语音模型,来计算出该样本属于某个特定单词的后验概率。

在电子邮件过滤中,贝叶斯定理可以用于根据已知垃圾邮件和非垃圾邮件的先验概率,来判断一封新收到的邮件是否为垃圾邮件。

尽管贝叶斯定理具有广泛的应用前景,但其也存在一些限制和挑战。

首先,贝叶斯定理的有效性在很大程度上依赖于先验概率的准确性和新的证据是否与先验概率相符。

如果先验概率存在偏差或者新的证据不准确,贝叶斯定理得出的后验概率也可能出现偏差。

其次,贝叶斯定理需要计算多个概率,尤其是当考虑多个不同证据时,计算复杂度会逐渐增加。

基于深度学习和改进证据理论的海上多源舰船信息融合识别方法

基于深度学习和改进证据理论的海上多源舰船信息融合识别方

任秉旺;王肖霞;吉琳娜;杨风暴
【期刊名称】《现代电子技术》
【年(卷),期】2024(47)3
【摘要】为了解决复杂环境下基于单一舰船信息进行目标识别准确率较低,以及多源舰船信息高冲突时无法有效融合识别的问题,提出一种基于深度学习和改进证据理论的海上多源舰船信息融合识别方法。

主要从两方面入手:首先利用深度学习高效特征学习能力实现更加准确的分类识别;然后通过改进的证据理论实现多证据体的高效正确融合。

高悖论证据融合实验结果表明,相比于其他融合方法,文中方法融合结果具有更高的概率分配值。

同时,在不同信噪比条件下对单模式识别以及文中融合识别方法进行测试,文中方法在噪声情况下仍能比单模式平均水平高出6.53%的识别性能。

因此,利用文中融合识别方法能够提高舰船目标识别系统的识别准确率和鲁棒性。

【总页数】6页(P1-6)
【作者】任秉旺;王肖霞;吉琳娜;杨风暴
【作者单位】中北大学信息与通信工程学院
【正文语种】中文
【中图分类】TN911.2-34;TP391.41;TP751
【相关文献】
1.多源信息的加权证据理论融合识别方法
2.基于改进D-S证据理论的电网故障多源信息智能融合诊断方法
3.基于深度学习的海上舰船目标多源特征融合识别
4.基于改进D-S证据理论的海上信息融合方法
5.基于改进D-S证据理论的多源空战信息博弈融合方法
因版权原因,仅展示原文概要,查看原文内容请购买。

证据理论在装备故障诊断中的应用


Ab s t r a c t Th e r e i s t h e u n c e r t a i n p r o b l e m i n t h e e q u i p me n t f a u l t d i a g n o s i s ,S O o ne e v i d e n c e t he o r y a p p r o a c h i s gi ve n .Fi r s t l y ,t h e f a u l t r e l a t e d mo d e l wa s s e t u p b a s e d o n t h e a c q ui r e d f a u l t d a t a,t h e n,t h e e v i d e n c e t h e o r y wa s i n t r o d u c e d t o u n c e r t a i n l y r e a s o n .Fi n a l l y,t h e e x a m— p i e Wa S v e r i f i e d i t s v a l i d i t y . K ey W or d s e v i d e n c e t h e o r y,e q u i p me n t ,f a u l t d i a g n o s i s Cl a s s Nu mb e r TP1 8 1 ,V2 4
总第 2 2 5 期
舰 船 电 子 工 程
S h i p El e c t r o n i c E n g i n e e r i n g
Vo 1 . 3 3 No . 3
8 9
2 0 1 3 年第 3 期
证 据 理 论在 装 备 故 障诊 断 中 的应 用

证据理论方法详解

第五章证据理论(Evidence Theory)方法在本章§1,我们将讨论一种被称之为登普斯特-谢弗(Dempster-Shafer)或谢弗-登普斯特(Shafer-Dempster)理论(简称D-S理论或证据理论)的不精确推理方法。

这一理论最初是以登普斯特(Dempster,1967年)的工作为基础的,登普斯特试图用一个概率区间而不是单一概率数值去建模不确定性. 1976年,谢弗(Shafer,1976年)在《证据的数学理论》一书中扩展和改进了登普斯特工作. D-S理论具有好的理论基础。

确定性因子能被证明是D-S 理论的一种特殊情形。

在§2我们将描述一种简化的证据理论模型MET1 . 在§3我们将给出支持有序命题类问题的具有凸函数性质的简化证据理论模型。

围绕证据理论的一些新的研究工作,将在第六章介绍。

§1D-S理论(Dempster-Shafer Theory)●辨别框架(Frames of Discernment)D-S理论假定有一个用大写希腊字母Θ表示的环境(environment),该环境是一个具有互斥和可穷举元素的集合:Θ = { θ1 , θ2 , ⋯, θn }术语环境在集合论中又被称之为论域(the universe of discourse)。

一些论域的例子可以是:Θ = { airliner , bomber , fighter }Θ = { red , green , blue , orange , yellow }Θ = { barn , grass , person , cow , car }注意,上述集合中的元素都是互斥的。

为了简化我们的讨论,假定Θ是一个有限集合。

其元素是诸如时间、距离、速度等连续变量的D-S 环境上的研究工作已经被做。

理解Θ的一种方式是先提出问题,然后进行回答。

假定Θ = { airliner , bomber , fighter }提问1:“这军用飞机是什么?”;答案1:是Θ的子集{ θ2 , θ3 } = { bomber , fighter }提问2:“这民用飞机是什么?”;答案2:是Θ的子集{ θ1} = { airliner },{ θ1} 是单元素集合。

数据分析知识:数据分析中的证据理论方法

数据分析知识:数据分析中的证据理论方法(注:本文字由人工智能生成,可能存在语言表达不准确、语义重复等问题,请读者结合实际情况阅读。

)数据分析中的证据理论方法,是指使用统计学、数学等方法,对数据进行系统分析、归纳、推理,从而得出结论、预测或决策的一种方法。

在数据分析领域,证据理论方法被广泛应用于预测、风险评估、决策支持等方面,成为了数据分析的基础和核心。

证据理论是一种统计学方法,它主要是精算学领域提出的一种方法,旨在处理自然风险、金融风险、医疗保险、财务风险等不确定性问题。

证据理论的基本思想是将基于不同证据得出的概率进行合并,并计算一个综合的证据概率,以此来确定一个事件的发生概率。

它包括证据合并和证据分割两个步骤,其中证据合并是将多个证据的概率进行综合计算获得较为准确的概率值,而证据分割则是根据不同证据的权重和贡献度,确定每个证据的具体概率值。

在数据分析中,证据理论方法被广泛应用在数据融合和特征选择中。

在数据融合中,证据理论可以将多个不同来源的数据集合并,实现数据集成和统一分析。

如结合企业内部部门的人员数据与市场调研数据,来获得更加全面和准确的市场分析结果。

在特征选择中,证据理论可以筛选出对结果具有较大贡献的因素,并作为模型的输入变量,提高模型的准确率和可解释性。

除此之外,证据理论方法还被应用在风险评估和决策支持中。

在风险评估中,证据理论可以对不同的风险因素进行加权处理,获得综合的风险评估结果。

如在政策制定中,通过对不同因素的风险评估,制定出合理科学的政策方案。

在决策支持中,证据理论可以根据不同证据的权重和贡献度,为决策者提供合理建议和决策支持。

如在股票市场中,通过证据理论方法对经济因素、行业趋势、政策环境等多个因素进行综合评估和分析,给出股票投资的建议。

然而,证据理论方法在应用中也存在一些局限,例如对结果的解释性较弱,其模型的假设和参数选择也需要一定的技术支持。

因此,专业技能和经验的能力成为了应用证据理论方法的关键。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

2006年7月 第30卷第4期 安徽大学学报(自然科学版) 

Journal of Anhui University Natural Science Edition July 2006 

Vol_30 No.4 

证据理论在MABR中的应用 贾松茂,马新民,周 翔 (解放军汽车管理学院计算机教研室,安徽蚌埠23301 1) 

摘要:在MABR系统中,如何对不同Agent提供的数据进行融合处理是许多研究者共同关 注的问题.D—S证据理论在不确定性问题中有很强的推理能力,而且合成法则对数据的融合处理 提供理论依据.因此证据理论是解决MABR中信度判定问题的一种有效途径. 关键词:证据理论;MABR;Dempster合成法则 中图分类号:TN914 文献标识码:A 文章编号:1000—2162(2006)04—0030—03 

在Shafer的证据理论出现之前,概率(probability)的解释可以概括为三种:客观解释、个人主义解释 及必要性解释.1976年,Shafer的证据理论给概率一种新的解释….他指出,频率主义解释和逻辑主义解 释赋予概率一种客观属性,概率的得到与人类活动毫无关系.个人主义或Bayesian解释把概率片面强调 人的主观判决的作用,而忽视证据的作用.所以对于概率推断的理解,不仅要强调证据的客观性还要强 调证据估计的主观性,在客观证据的基础上构造出这样一个数字化的概率来. 在众多Agent信念修正理论MABR(Multi Agent Belief Revision)中,对于新知识信度的确定一直是 许多学者讨论的焦点.本文先简单介绍证据理论和MABR理论,然后给出证据理论在MABR中的应用. 

1证据理论 证据理论又称Dempster—Shafer理论,简称D—s理论,是度量信念的形式化理论. 1.1基本概念与Dempster合成法则 定义1令 为有限的命令语言, ={ 。, ,…, }为可能世界集,Shafer称之为识别框架.其中 (i=1,2,…,n)为 的一个解释.一个命题可以表达为 的一个子集.在D—s理论中,识别框架 具 有如下特点:(1)有穷性及穷竭性;(2)其中元素可以相互排斥. 定义2设 为识别框架,如果集函数m:2。一[0,1]满足:(1)m( )=0;(2)y(A)=1.则称 A 8 m为框架9上的基本可信度分配;VA c ,m(a)称为A的基本可信度数;若m(a)>0,称A为该函数 

的一个焦元,所有焦元的并成为它的核心. 定义3设 为识别框架,如果集函数m:2。一[0,1]为框架 上的基本可信度分配,则称由 

Bel(A)= m(B) (VA c )所定义的函数Bel:2。一[0,1]为0上的信度函数. 

定义4设函数Q:28一[0,1]由YA c 0,Q(A)=∑m(B)定义,称Q为Bel的众信度函数, ACB VA c ,Q(A)称为A的众信度,它反映了包含A的集合(被A所蕴含的命题)的所有基本可信数之和. 

Bel是从一个结论的前提这个角度来描述信度的,而Q是从一个前提的结论这个角度描述信度的. 因为Bel(A)不能反映出我们怀疑A的程度,即我们相信A的非为真的程度.所以引入一个表示怀 疑A的程度的量似真度函数. 定义5 Bel:2 一[0,1]为 上的信度函数.定义似真度函数pl:2 一[0,1]为YA c ,pl(A) 

=1一Bel(A).pl(A)称为A的似真度,表示我们不怀疑A的程度,即我们发现A可靠或似真的程度. Dempster合成法则是反映证据的联合作用的一个法则,可概括如下:设Bel。和Bel 是同一识别框 

收稿日期:2005—12—28 作者简介:贾松茂(1975.),男,河南许昌人,解放军汽车管理学院讲师,硕士. 

维普资讯 http://www.cqvip.com 第4期 贾松茂,等:证据理论在MABR中的应用 3l 架0的两个信度函数,m。和m 分别是其对应的基本可信度分配,焦元分别为A。,A ,…,A 和 。, :, …,

B ,如果∑m。(A )m ( )<1,那么由下式定义的函数m:2。一[0,1]是基本可信度分配: 

AIABj: 

m(A)= 0. A: 

∑m。(A )m ( ) A ——一,A≠(2j inB,: ’… 

1一∑m (A )m ( ) 

可以用一矩形表示,如图1所示,整个大的矩形可以看作总的信质,那么每个竖条就表示m。分配到 它的焦元上的信质(图中为0.2),每个横条就表示m 分配到它的焦元上的信质(图中为0.3).交叉部 分表示两个焦元合成后的大小. 多个信度函数的合成是从两个信度函数合成的基础上推广而来的,设统一识别框架上的信度函数 Bel 一,Bel 是可合成的,则多个信度函数的合成是通过两两依次合成的. 

====H::===== 萋囊 誊 塞i H: ●●●●●-●● 

图1 Dempster合成法则 图2应用举例 1.2信念修正与多Agent理论 信念修正是研究当新知识与已有知识体系发生冲突时,如何协调新旧知识,以建立一个协调的新知 识体系的一种理论工具 . 目前人们对信念修正的研究主要采用符号逻辑的方法和数值方法.其中基于符号逻辑的方法主要 包括:AGM的方法、基于理论基的方法、基于模型的方法 J、基于公式的方法、序列极限的方法和迭代的 方法【3 J.其中最典型的信念修正理论系统是20世纪80年代发展起来的AGM理论.Zhang Dongmo等人 在AGM理论的基础上提出了广义信念修正理论(general belief revision),把新知识从单语句推广到了多 语句甚至无穷语句的情形 . 从20世纪90年代中期开始,由于对复杂计算系统的分布化、互连化、开放化、效率和鲁棒性等问题 的关心直接推动了多Agent系统(MAS,Multi—Agent System)的研究.但多Agent信念修正与经典信念 修正理论存在很大区别.首先,在经典信念修正理论中各种算子均依赖于信念集上的某种序关系(如 Epistemic Entrenchment或优序划分),否则将不能保证操作结果的惟一性.因而在MAS中必须考虑来源 于不同消息源的信念对这种序关系的影响.其次,MAS中信念的内容和时间并没有显式的关系,因此 AGM3来消息的优先原则在多Agent信念修正理论中不适用.最后,在MAS中当有新证据再次证明已放 弃的信念时,Agent必须能够重新恢复该信念. 

2证据理论在MABR中的应用 在信念修正的过程中,对于新知识信度的认定也是一个判决过程,因此可以引人证据理论的方法进 行新知识信度的判定.一般情况下,一个新知识其信度可以由产生该知识的人或Agent提供.但一个知 识在不同的Agent中它所给出的信度可能会不同,这就对于知识库中信度的一致性维护提出了新要求. 对于一个确定的新知识,每个Agent根据自己已有的知识给出各自的判定,得出的结果可能会不 

维普资讯 http://www.cqvip.com 安徽大学学报(自然科学版) 第3O卷 同.如果该知识作为私有知识,可以以不同的信度在不同的Agent中存在.反之,如果作为公共知识,就 应该结合所有Agent提供的判断,给出一个合适的信度. 比如对于SARS疑似病例的初步诊断,两家不同地区的研究机构根据当地的调查分别给出了关于 发烧(F)、咳嗽(C)及其他的不同的判断,A 为0.4、0.2、0.4,A 为0.3、0.4、0.3. 现根据D—S合成法则来对该判断进行分析,如图2所示.图2中H区域表示即发烧又咳嗽,F区域 表示发烧,C区域表示咳嗽 对既发烧(F)又咳嗽(C)的病例,其患SARS的概率即赋予的信度为 

Bel(F&C): : =0.25 仅从发烧(F)来分析其信度为Bel(F)= 一0.136.仅从咳嗽(c)来分析其信度为 Bel(c)= 一0.09.从结果上来看,综合不同的症状(发烧和咳嗽),用D—s法则合成后 其信度值大于单个症状的信度(发烧或咳嗽),这可以认为是一个比较合理的结果. 如果还有其他的因素,比如乏力、胸痛等症状,可以继续通过D—S合成原则来计算. 

3结语 D—s证据理论是结合了概率的主观性和客观性解释而产生的,使人们在根据已有知识判定未知问 题的时候有一个比较可靠的理论依据和工具支持,因此在许多领域都有广泛应用. 在MABR中,证据理论作为一种工具同样在多条知识的判断中得以应用.但也有不少文献对Demp— ster合成规则中的证据独立性条件提出了置疑,而且可能导致Zadeh悖论,同时在焦元增加时其计算复 杂度会成指数提高,并且无法处理完全不一致的证据.这就要求我们在证据理论的基础上找出其他好的 方法,或者对算法本身进行改进来解决上述问题,这也是我们今后工作的方向. 

参考文献: [1]G Sharer.A Mathematical Theory of Evidence[M].Princeton:Princeton University Press,1976. [2]c E Alchourr6n,P G rdenfors and D Makinson.On the logic of theory change:partial meet contraction and revision functions[J].The Journal of Symbolic Losic,1985,50(2):510—530. ’ [3] 尚颖,邓安生.几种迭代修正方法的比较[J].东北师范大学学报:自然科学版,2002,34(2):30—35. [4]Zhang Dongmo.Belief revision by sets of sentences[J].Computer Science and Technology,1996,11(2):1—19. 

The application of theory of evidence in MABR 

JIA Song—mao,MA Xin-min (Department of Computer,Automobile Management of PLA,Bengbu 233011,China) 

Abstract:The MABR system,which is a wide—focused problem for many researchers to dispose the data from diferent Agents to inosculating.The theory of evidence,called D—S Theory,has great reasoning capaci- t)r in the questionably problems,and the dempster rule Can provide theoretical foundation for the synergetic disposal of data.Therefore,the dempster rule is an effective approach to settle the evaluation to reliability in MARB system. Key words:theory of evidence;MABR;the dempster rule . 

相关文档
最新文档