《衝突證據推理與融合》是2020年電子工業出版社出版的圖書，作者是關欣。
基本介紹
- 中文名：衝突證據推理與融合
- 作者：關欣
- 出版時間：2020年9月
- 出版社：電子工業出版社
- 頁數：292 頁
- ISBN：9787121395604
- 類別：無線電設備/電信設備
- 定價：128 元
- 開本：16 開
- 裝幀：精裝
內容簡介,圖書目錄,作者簡介,
內容簡介
本書是基於衝突證據進行推理和決策的一部專著，綜述了國內外同領域的研究現狀，提出改進創新思路，是作者在該領域多年研究成果的凝練總結。全書共15章，主要內容有衝突的度量，對衝突證據進行定量計算來判斷衝突；衝突原因分析，包括衝突度量函式、判定準則和組合規則的適用範圍等；衝突證據推理，包括基於DS證據理論、改進後的D數理論和推廣的BF-TOPSIS算法等進行衝突證據的合成；衝突證據決策，包括利用機率轉換得到反饋證據、利用有序加權向量實現信息焦元集分配等。書中探討了系列衝突證據推理與融合方法，考慮了多種推理邏輯與合成規則，一方面可為證據推理的理論研究提供借鑑，另一方面可為最佳化推理決策系統的性能提供參考，具有一定的理論和實用價值。本書適合具有信息融合、人工智慧等理論基礎，從事系統工程、指揮控制、運籌決策等相關領域的科研技術人員閱讀和參考。
圖書目錄
第1章 緒論 1
1.1 引言 1
1.2 證據理論在衝突證據推理與融合中的套用 2
1.2.1 證據理論 2
1.2.2 證據理論的關鍵問題 3
1.2.3 證據理論在衝突證據推理與決策中的研究進展 6
1.3 新的不確定性理論在衝突證據推理與決策中的套用 8
1.3.1 BF-TOPSIS多屬性推理 8
1.3.2 不確定信息的D數表征 9
1.3.3 DSm理論—似是而非的證據推理 10
1.4 組織結構與章節安排 11
第2章 衝突證據理論中的數學基礎 13
2.1 引言 13
2.2 向量範數與內積空間的概念 13
2.3 證據理論的理論基礎 14
2.3.1 證據理論的基本概念 14
2.3.2 證據理論的組合規則 15
2.3.3 證據的折扣 16
2.3.4 證據理論的決策規則 16
2.4 數理統計學基礎理論 16
2.4.1 Bayes條件機率公式 17
2.4.2 幾種常用的機率分布 17
2.4.3 總體與隨機抽樣 18
2.4.4 常態分配下抽樣分布的性質 20
2.5 模糊數學理論基礎 21
2.5.1 模糊集合與隸屬度 21
2.5.2 格貼近度 22
2.5.3 模糊綜合評判 23
2.6 灰色系統理論基礎 25
2.6.1 灰色系統理論的兩條基本原理 25
2.6.2 數據變換技術 26
2.7 DSm理論基礎 28
2.7.1 DSm理論基本概念 28
2.7.2 基於DSm理論的融合過程 32
2.7.3 遞歸目標識別融合 33
2.8 小結 36
第3章 DS證據理論基本機率賦值函式獲取 37
3.1 引言 37
3.2 基本機率賦值問題 38
3.3 基本機率賦值函式的構造方法 39
3.3.1 基於灰關聯分析的基本機率賦值函式的構造方法 39
3.3.2 基於屬性測度的基本機率賦值函式的構造方法 41
3.3.3 基於神經網路的基本機率賦值函式的構造方法 42
3.3.4 基本機率賦值函式算法仿真比較 43
3.4 多源高衝突信息基本機率賦值方法及其套用 45
3.4.1 基本思路 45
3.4.2 訓練樣本生成 45
3.4.3 多源高衝突信息基本機率賦值方法 47
3.5 小結 57
第4章 證據衝突度量函式的確定 58
4.1 引言 58
4.2 證據衝突度量問題 58
4.2.1 衝突度量函式的概念 58
4.2.2 自衝突問題 60
4.2.3 衝突表示方法的問題 61
4.3 衝突度量函式 64
4.3.1 Euclidean 衝突度量函式 64
4.3.2 Jousselme衝突度量函式 65
4.3.3 基於排序的衝突度量函式 67
4.3.4 Pignistic衝突度量函式 69
4.3.5 Bhattacharyya衝突度量函式 70
4.3.6 小距離衝突度量函式 71
4.3.7 基於小平均距離衝突度量函式 72
4.3.8 基於漢明距離衝突度量函式 73
4.3.9 衝突度量函式性能比較 74
4.4 小結 79
第5章 基於證據距離的不確定性度量方法 80
5.1 引言 80
5.2 基於信息熵的不確定性度量 80
5.2.1 Confusion度量公式 80
5.2.2 Dissonance度量公式 80
5.2.3 Discord度量公式 81
5.2.4 Strife度量公式 81
5.2.5 Deng熵度量公式 81
5.2.6 Aggregated Uncertainty（AU）度量公式 81
5.2.7 Ambiguity Measure（AM）度量公式 81
5.3 基於區間數距離的不確定性度量 83
5.3.1 Gowda and Ravi IND（GR-IND） 83
5.3.2 Hausdorff距離 84
5.3.3 De Carvalho距離 84
5.3.4 Tran and Duckstein（TD-IND） 84
5.4 基於證據距離的不確定性度量方法 86
5.4.1 證據距離的確定 86
5.4.2 基於證據距離的不確定推理模型 89
5.4.3 不確定性度量在證據推理中的仿真分析 90
5.5 小結 92
第6章 基於修正加權並核相關係數的衝突度量方法 94
6.1 引言 94
6.2 基於相關係數的證據衝突度量 95
6.2.1 證據相關係數的基本概念 95
6.2.2 證據相關、證據點乘、證據自相關等基本概念 96
6.2.3 並核相關係數 97
6.3 衝突證據度量方法的改進 100
6.3.1 加權並核相關係數 101
6.3.2 分離並核相關係數 103
6.3.3 算例驗證 107
6.4 小結 113
第7章 衝突原因分析和組合規則的選擇 114
7.1 引言 114
7.2 廣義冪集空間中兩條證據的衝突度量模型 114
7.2.1 衝突距離參數 114
7.2.2 衝突距離參數比較分析 115
7.2.3 衝突距離參數存在的不足 119
7.3 廣義冪集空間中多條證據的衝突度量模型 120
7.3.1 衝突係數表示模型 120
7.3.2 衝突係數比較 125
7.4 衝突證據原因分析 127
7.4.1 潛在衝突問題 127
7.4.2 衝突證據原因判斷 128
7.4.3 衝突證據原因算例分析 131
7.5 小結 135
第8章 基於DS證據理論的衝突證據推理 136
8.1 引言 136
8.2 DS證據理論處理衝突證據 136
8.2.1 衝突證據融合方法的分類 136
8.2.2 DS證據理論處理衝突證據存在的問題 138
8.3 基於DS證據理論的衝突證據推理方法 140
8.3.1 基於衝突證據檢驗、修正的衝突證據推理 140
8.3.2 結合衝突檢測與加性合成的衝突證據推理 143
8.3.3 基於證據分類及加權的衝突證據推理 148
8.3.4 三種衝突證據融合方法的比較 152
8.4 小結 155
第9章 基於D數理論的衝突證據推理 156
9.1 引言 156
9.2 D數理論 157
9.2.1 D數理論組合規則 157
9.2.2 對稱型D數理論組合規則 159
9.2.3 對稱型D數理論組合規則的時序證據組合 164
9.2.4 對稱型D數理論在衝突輻射源識別中的仿真分析 166
9.3 證據理論、D數理論、改進D數理論之間的關係 168
9.3.1 證據理論與D數理論之間的關係 168
9.3.2 D數理論與改進D數理論之間對比 168
9.4 小結 169
第10章 基於BF-TOPSIS的衝突證據推理 170
10.1 引言 170
10.2 BF-TOPSIS算法 170
10.3 BF-TOPSIS相關問題分析 173
10.3.1 BF-TOPSIS的歸一化問題 173
10.3.2 BF-TOPSIS算法中基本機率賦值構造的證明 174
10.4 加權BF-TOPSIS 176
10.4.1 加權BF-TOPSIS方法 176
10.4.2 加權係數的化 178
10.4.3 基於WBF-TOPSIS的單屬性算例分析 179
10.4.4 基於WBF-TOPSIS的多屬性算例分析 181
10.5 小結 184
第11章 基於區間數多屬性決策的證據推理 185
11.1 引言 185
11.2 區間數多屬性決策模型的構建 185
11.2.1 區間數多屬性決策模型描述 185
11.2.2 加權信任度區間數多屬性決策矩陣的構建 186
11.2.3 屬性權重的獲取模型 187
11.2.4 規範化信任度區間數多屬性決策矩陣的構建 188
11.3 基於投影多屬性決策的證據推理方法 189
11.3.1 基於投影技術的決策 189
11.3.2 基於投影多屬性決策的證據推理方法步驟 190
11.4 基於模糊集多屬性決策的證據推理方法 190
11.4.1 模糊集可能度的定義 190
11.4.2 基於模糊集多屬性決策的證據推理算法模型 192
11.5 小結 196
第12章 基於三角模糊數多屬性決策的證據推理 197
12.1 引言 197
12.2 基於灰色多屬性決策的證據推理方法 198
12.2.1 灰色關聯繫數決策矩陣的構造 198
12.2.2 屬性權重的獲取模型 200
12.2.3 目標方案的排序 201
12.3 基於中心決策矩陣多屬性決策的證據推理方法 201
12.3.1 中心決策矩陣的構造 201
12.3.2 屬性權重的獲取模型 202
12.3.3 目標方案的排序 203
12.4 仿真實驗 203
12.4.1 數值算例與分析 203
12.4.2 計算機仿真分析 207
12.5 小結 211
第13章 基於轉移機率矩陣的時序衝突證據推理 212
13.1 引言 212
13.2 馬爾可夫鏈模型 212
13.3 基於馬爾可夫模型的轉移機率矩陣 214
13.3.1 證據的轉移機率矩陣 214
13.3.2 轉移機率矩陣的有效性分析 216
13.4 基於轉移機率矩陣的衝突證據組合 218
13.4.1 基於區間證據距離的衝突證據修正 218
13.4.2 衝突證據組合模型的有效性分析 219
13.5 時序衝突證據組合 222
13.5.1 時序衝突證據組合的流程 222
13.5.2 時序衝突證據組合模型的有效性分析 223
13.6 小結 224
第14章 基於機率轉換的決策方法 225
14.1 引言 225
14.2 決策規則分析 225
14.2.1 現有決策規則分析 226
14.2.2 基於信息熵的決策規則評價指標 229
14.2.3 多信度決策規則 230
14.2.4 基於多信度決策規則的算例分析 232
14.3 機率轉換公式分析 238
14.3.1 BEL或PL類方法的統一機率轉換公式 238
14.3.2 BPA類方法的統一機率轉換公式 239
14.4 基於反饋證據衝突度的機率轉換表達式 241
14.4.1 基於反饋證據衝突度的機率轉換評價方法 241
14.4.2 小反饋證據衝突度機率轉換表達式 241
14.4.3 機率轉換表達式中證據融合規則的選取 242
14.4.4 機率轉換表達式中衝突度量函式的選取 243
14.5 基於反饋證據衝突度的機率轉換決策方法 243
14.5.1 基於反饋證據衝突度的機率轉換算法流程 243
14.5.2 反饋證據衝突度評價方法的算例分析 245
14.5.3 基於反饋證據衝突度的機率轉換仿真分析 247
14.6 基於逆有序加權平均的機率轉換決策 248
14.6.1 逆有序加權平均運算元 248
14.6.2 基於IOWA運算元的Pignistic機率函式 250
14.6.3 風險和準確度評估的原則 251
14.6.4 基於逆有序加權平均的機率轉換算例分析 251
14.7 基於動態機率轉換的決策 253
14.7.1 基於距離不變的動態機率轉換公式 253
14.7.2 時序證據的動態機率轉換 257
14.7.3 時序證據的動態機率轉換算例分析 257
14.8 小結 259
第15章 回顧與展望 260
15.1 研究回顧 260
15.2 方向展望 263
參考文獻 264
作者簡介
長期從事信息融合、信息對抗技術研究，入選國家百千萬人才工程，被授予“有突出貢獻中青年專家”榮譽稱號，全國三八紅旗手，享受國務院政府津貼，獲中國科協“求是”傑出青年實用工程獎。
