基于区间数的基本概率指派生成方法及应用

doi:10.3969/j.issn.0372-2112.2012.06.004

电子学报

基于区间数的基本概率指派生成方法及应用

康兵义¹, 李娅¹, 邓勇^1,2, 章雅娟¹, 邓鑫洋¹

1. 西南大学计算机与信息科学学院,重庆 400715;
2. 上海交通大学电子信息与电气工程学院,上海 200240

收稿日期:2011-07-15 修回日期:2012-01-17 出版日期:2012-06-25
- 作者简介:
- 康兵义 男,1985年10月生,河南信阳人,硕士研究生.研究方向:信息融合,智能信息处理.在KNOWLEDGE BASED SYSTEM等刊物上发表和录用论文5篇. E-mail:kangby@swu.edu.cn
  李娅 女,1981年9月生,四川彭州人,博士研究生.研究方向:信息融合,智能信息处理. E-mail:jialuoluo99@163.com
  邓勇 男,1975年7月生,湖南长沙人,现为西南大学计算机与信息科学学院教授,博士生导师,入选教育部新世纪优秀人才支持计划和上海市青年科技启明星计划,并获得重庆市杰出青年科学基金资助.研究方向:信息融合,智能信息处理,在国内外发表期刊论文50余篇.E-mail:ydeng@swu.edu.cn
- 基金资助:
- 国家自然科学基金 (No.60874105,No.61174022); 教育部新世纪优秀人才支持计划 (No.NCET-08-0345); 重庆市自然科学基金 (No.CSCT,2010BA2003)

Determination of Basic Probability Assignment Based on Interval Numbers and Its Application

KANG Bing-yi¹, LI Ya¹, DENG Yong^1,2, ZHANG Ya-juan¹, DENG Xin-yang¹

1. School of Computer and Information Science,Southwest University,Chongqing 400715,China;
2. School of Electronics and Information Technology,Shanghai Jiao Tong University,Shanghai 200240,China

Received:2011-07-15 Revised:2012-01-17 Online:2012-06-25 Published:2012-06-25
- Supported by:
- National Natural Science Foundation of China (No.60874105, No.61174022); Program for New Century Excellent Talents in University of Ministry of Education of China (No.NCET-08-0345); Natural Science Foundation of Chongqing Municipality, China (No.CSCT, 2010BA2003)

摘要/Abstract

摘要： 应用证据理论的一个关键问题是生成基本概率指派 (BPA),目前如何生成BPA仍然是一个有待解决的问题.本文提出一种基于区间数的BPA生成方法,首先建立样本属性的区间数模型,然后用区间数的距离表示样本属性之间的差异性,在此基础上提出了一种相似度,最后对相似度进行归一化得到BPA.通过鸢尾花数据集 (Iris Data Set) 的分类实验验证了该方法的有效性,结论表明整体识别率为96%.本文方法简单实用,数据样本较少情况下也能有效确定BPA.

关键词: 证据理论, BPA, 区间数, 相似度, 数据融合, 分类

Abstract: One of the open issues of Dempster Shafer theory is how to determine basic probability assignment function (BPA).To solve this problem,a method to determine BPA based on interval numbers is proposed in the paper.At first,the model of interval numbers is constructed with the samples.Then the distance of interval numbers is used to represent difference among the attributes of the samples,so the similarity of them is calculated.At last,the similarity is normalized to get the value of BPA.The effectiveness of this method is proved by classifying the Iris Set.It concludes that the total recognition rate is 96%.This method is simple and practical;it can determine BPA in the case of the little number of the samples.

Key words: evidence theory, BPA, interval number, similarity, data fusion, recognition

中图分类号:

TP182

康兵义, 李娅, 邓勇, 章雅娟, 邓鑫洋. 基于区间数的基本概率指派生成方法及应用[J]. 电子学报, DOI: 10.3969/j.issn.0372-2112.2012.06.004.

KANG Bing-yi, LI Ya, DENG Yong, ZHANG Ya-juan, DENG Xin-yang. Determination of Basic Probability Assignment Based on Interval Numbers and Its Application[J]. Acta Electronica Sinica, DOI: 10.3969/j.issn.0372-2112.2012.06.004.

参考文献

[1] Hall D L.Mathematical Techniques in Multi-sensor Data Fusion[M].Boston:Artech House,1992,20-59.

[2] Dempster A.Upper and lower probabilities induced by multi-valued mapping [J].Annual Mathematics Statistics,1967,38(6):325-339.

[3] 文成林,周哲,徐晓滨.一种新的广义梯形模糊数相似性度量方法及在故障诊断中的应用[J].电子学报,2011,39(3A):1-6. WEN C L,ZHOU Z,XU X B.A new similarity measure between generalized trapezoidal fuzzy numbers and its application to fault diagnosis[J].Acta Electronica Sinica,2011,39(3A):1-6.(in Chinese)

[4] 刘明,袁宝宗,唐晓芳.证据理论k-NN规则中确定相似度参数的新方法[J].电子学报,2005,33(4):766-768. LIU M,YUAN B Z,TANG X F.A new approach to determine the similarity parameters in evidence-theoretic k-NN rule[J].Acta Electronica Sinica,2005,33(4):766-768.(in Chinese)

[5] 何友,王国宏,陆大金,等.多传感器信息融合及应用[M].北京:电子工业出版社,2001.

[6] HAN D Q.Multiple classifiers fusion based on weighted evidence combination .IEEE International Conference on Automation and Logistics .Jinan,China:IEEE,2007.2138-2143.(in Chinese)

[7] 文成林,周东华,潘泉,张洪才.多尺度动态模型单传感器动态系统分布式信息融合[J].自动化学报,2001,27(2):117-124. WEN C L,ZHOU D H,PAN Q,ZhANG H C.Distributed information fusion algorithm for single sensor dynamic system on the basis of multiscale dynamic models [J].Acta Automatica Sinica,2001,27(2):158-165.(in Chinese)

[8] 邓勇,施文康,朱振福.一种有效处理冲突证据的组合方法[J].红外与毫米波学报,2004,23(1):27-32.

[9] 韩崇昭,韩得强,介婧.从生物感知认识到系统工程方法论[J].系统工程理论与实践,2008(增刊):75-95. HAN C Z,HAN D Q,JIE J.From biological cognition and perception to methodologies of system engineering [J].Systems Engineering-Theory & Practice,2008 (supplement):75-93.(in Chinese)

[10] DENG Y,SHI W K,ZHU Z F,et al.Combining belief functions based on distance of evidence[J].Decision Support Systems,2004,38(3):489-493.

[11] DENG Y,JIANG W,XU X,et al.Determining BPA under uncertainty environments and its application in data fusion[J].Journal of Electronics (China),2009,26(1):13-17.

[12] WAN S P.Interval number method for object threat assessment[J].Computer Engineering and Applications (China),2009,45(6):32-34.

[13] Tran L,Duckstein L.Comparison of fuzzy numbers using a fuzzy distance measure .Fuzzy Sets and Systems,2002,130(3):331-341.

[14] Iris Data Set.Famous Database for Pattern Recognition from Fisher .http://archive.ics.uci.edu/ml/datasets/Iris,2011-3-20.

[15] Blood transfusion service center data set.Data Taken from the Blood Transfusion Service Center in Hsin-Chu City in Taiwan .http://archive.ics.uci.edu/ml/datasets/Blood+Transfusion+Service+Center,2012-2-5.

[16] Vertebral Column Data Set.Data Set Containing Values for Six Biomechanical Features used to Classify Orthopaedic Patients into 3 Classes (normal,disk hernia or spondilolysthesis) .http://archive.ics.uci.edu/ml/datasets/Vertebral+Column,2012-2-5.

基于区间数的基本概率指派生成方法及应用

Determination of Basic Probability Assignment Based on Interval Numbers and Its Application

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李青青, 马慧芳, 李举, 李志欣, 姜彦斌. 属性网络中结合用户偏好的社区搜索和离群点检测[J]. 电子学报, 2022, 50(9): 2172-2180.
[2]	李雪莹, 王田路, 梁鹏, 王翀. 基于系统模型的用户评论中非功能需求的自动分类[J]. 电子学报, 2022, 50(9): 2079-2089.
[3]	强幸子, 金翔, 张天骐. 基于相似度的NPLC-DSSS信号扩频码盲估计[J]. 电子学报, 2022, 50(8): 2043-2048.
[4]	赵俊男, 佘青山, 孟明, 陈云. 基于多流空间注意力图卷积SRU网络的骨架动作识别[J]. 电子学报, 2022, 50(7): 1579-1585.
[5]	冀振燕, 韩梦豪, 宋晓军, 冯其波. 面向激光光条图像修复的循环相似度映射网络[J]. 电子学报, 2022, 50(5): 1234-1242.
[6]	陆克中, 陈超凡, 蔡桓, 吴定明. 面向概念漂移和类不平衡数据流的在线分类算法[J]. 电子学报, 2022, 50(3): 585-597.
[7]	王雪松, 张翰林, 程玉虎. 基于自编码器和超图的半监督宽度学习系统[J]. 电子学报, 2022, 50(3): 533-539.
[8]	史宏艳, 罗敏霞. 基于区间值相似度的模糊推理算法[J]. 电子学报, 2022, 50(11): 2738-2745.
[9]	刘浩阳, 林耀进, 刘景华, 吴镒潾, 毛煜, 李绍滋. 由粗到细的分层特征选择[J]. 电子学报, 2022, 50(11): 2778-2789.
[10]	孙晨峰, 吕卫民, 戴洪德, 张浩晨. 一种基于TimeGAN和OCSVM的多元退化设备小子样数据增广方法[J]. 电子学报, 2022, 50(11): 2678-2687.
[11]	高雷阜, 张梦瑶, 赵世杰. 融合簇边界移动与自适应合成的混合采样算法[J]. 电子学报, 2022, 50(10): 2517-2529.
[12]	管永明, 王刚, 骆凯波, 吕梁, 吕晓雯, 史玉良. 基于极端不平衡学习的泛化低压异常箱表关系识别研究与应用[J]. 电子学报, 2021, 49(8): 1507-1514.
[13]	杨国为, 万鸣华, 赖志辉, 张凡龙, 黄伟强. 具有合适拒识机制的高正确识别率分类器设计[J]. 电子学报, 2021, 49(8): 1569-1576.
[14]	郑海颖, 王峰, 姜维, 王志强, 姚西文. 神经网络训练策略对高分辨率遥感图像场景分类性能影响的评估[J]. 电子学报, 2021, 49(8): 1599-1614.
[15]	常琦, 孟瑶, 赵恒. 基于概率成像的二维波束聚焦冲击定位方法研究[J]. 电子学报, 2021, 49(7): 1339-1345.