论文部分内容阅读
证据理论作为不确定、不一致信息融合的最常用方法,在许多领域得到了广泛应用。但证据理论在处理高冲突证据融合时存在悖论,且该理论在处理有序命题类问题时常出现违反常识的双峰值融合结果。这些问题导致了证据理论组合规则应用的局限性。本文对证据理论悖论和证据间冲突,面向有序命题类问题的基于高斯函数的证据组合方法及其在多属性决策评价等问题中的应用进行了研究,主要工作如下:本文研究了冲突因子K值与证据间冲突程度的关系,mass值的差异对合成结果的影响,得出K值不能很好反映证据间冲突程度的结论,同时指出证据对不同焦元信任函数值(mass值)的差异是与信任收敛的密切相关。本文通过引入差异因子参数,给出了一种新的证据组合方法,实验结果表明该方法能较好处理冲突证据的融合。本文介绍了有序命题的概念,能有效处理有序命题类问题的凸函数证据理论模型。迄今为止,该模型是唯一能有效处理有序命题类问题的不确定性推理模型。但对一些基本支持函数值,凸函数证据理论的综合结果不令人满意,为此本文提出用高斯函数代替凸函数证据理论模型中的综合函数,较好解决了上述问题。本文指出多属性评价问题属于有序命题类问题范畴,因此可以使用高斯凸函数证据理论模型解决该问题。本文在高斯凸函数证据理论模型基础上,使用基于典型样本的方法和基于层次分析法的方法来构建基本支持函数,进而给出了基于典型样本和基于层次分析法的两种高斯凸函数证据理论模型。其中,基于典型样本的高斯凸函数证据理论模型使用正态曲线生成典型值的相似度,进而求得各检测样本对目标模式的基本支持函数,最后使用高斯凸函数证据理论对基本支持函数进行合成,从而得到综合结果;基于层次分析法的高斯凸函数证据理论模型首先确定各级指标的确信度,然后使用层次分析法确定指标权重,并求出各指标对评价目标的基本信任函数,最后使用高斯凸函数证据理论对基本支持函数进行合成,进而确定目标的评价等级。