基于d-s證據(jù)理論的數(shù)據(jù)融合算法的研究

《基于d-s證據(jù)理論的數(shù)據(jù)融合算法的研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、學(xué)校代碼：分類(lèi)號(hào)：＿ｉｍ—笛級(jí)；公扣ＵＤＣ；６２１．３＜學(xué)號(hào)１１０ｉ－：２７’｜；？ｉ哪再菊ｒ；ｙ．＾．兩‘‘－＇＇－’．?wèi)簦骸蓿剑郑墸?，ｆ氣ｉ．?shī)：廣如ｊ女東南：ｋ嗦霄工程碩±學(xué)位論文基于Ｄ－Ｓ證據(jù)理論的數(shù)據(jù)融合算法的研究０革位論文形式：應(yīng)用巧）研究生姓名；胡嘉體導(dǎo)師姓名；李新德盛云峰申請(qǐng)學(xué)位類(lèi)別工巧碩±學(xué)化授予單位東南大學(xué)工程領(lǐng)域名稱(chēng)控制工括論文答辯日期２０１６年４月２６日Ｄ－Ｓ證２０研究方向據(jù)椎巧學(xué)位授子日期１６年月日

2、答辯委員會(huì)主席楊肖峰評(píng)閱人陳巧巧嚴(yán)小東２０５月‘日／昨７ｋ？乘兩：參碩ｄｂ學(xué)位論文基于Ｄ－Ｓ證據(jù)理論的數(shù)據(jù)融合算法的研究專(zhuān)業(yè)名務(wù)：控制工程研究生姓名：胡嘉撥導(dǎo)師姓名：李新德副教授盛云峰高級(jí)工程ＴｈｅＤａｔａＦｕｓｉｏｎＭｅ化ｏｄＲｅｓｅａｒｃｈＢａｓｅｄｏｎＤ－ＳＥｖｉｄｅｎｃｅＴｈｅｏｒｙＡＴｈｅｓｉｓＳｕｂｍｉｔｅｄｔｏＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｇｒｅｅｏｆＥｎｇｉｎｅｅｒｉｎｇＭａｓｔｅｒ

3、ＢＹＨＵ－化ａｉｊＳｕｅｒｖｉｓｅｄｂｐｙｔ－ＡｓｓｏｃｉａｅＰｏｒｆ．ＬＩＸｉｎｄｅＳｅｎｉｏ－ｒＥｎｉｎｅｅｒＳＨＥＮＧＹｕｎｆｅｎｇｇＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＡｐｒｉｌ２０１６東南大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的研究成果。盡我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得東南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使

4、用過(guò)的材料。與我－同工作的同志對(duì)本研巧所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示了謝意。研究生簽名讀日期？：立〇１扛、已．學(xué)東南大學(xué)學(xué)位論文使用授權(quán)聲明東南大學(xué)、《中國(guó)學(xué)術(shù)期刊（光、中國(guó)科學(xué)技術(shù)信息研巧所（含萬(wàn)方數(shù)據(jù)）、國(guó)家圖書(shū)館盤(pán)版）》電子雜志社有限公司有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文擋，可［＾采用一致影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相。除在），保密期內(nèi)的保密論文外，允許論文被査閩和借閱可Ｗ公布（包括Ｗ電子信息形式刊登論）文的全部?jī)?nèi)容或中、英文摘要等部分內(nèi)容

5、。論文的公布（包括Ｗ電子信息形式刊登授巧東南大學(xué)研巧生院辦理。＂研巧生簽名ｒｊｉ解？巾簽壽三＇禹．＾基于Ｄ－Ｓ證據(jù)理論的數(shù)據(jù)融合算法的研究工程碩±：胡嘉撰導(dǎo)師：李新德，盛云峰東南大學(xué)自動(dòng)化學(xué)院摘要Ｄｅｍｐｓｔｅｒ證據(jù)合成理論因其在不確定性問(wèn)題上表述、姐合等方面的優(yōu)勢(shì)而廣泛地應(yīng)用于信息融合、檢測(cè)診斷和人工智能等領(lǐng)域。但其在證據(jù)商度沖突的情況下存在的反直一觀，甚至錯(cuò)誤的問(wèn)題。首先ｅｍｓｔｅｒ，本文從Ｄｐ證據(jù)合成規(guī)則展開(kāi)分析，提出了種基于夾角余弦的證據(jù)合成方法。在該方法中，首先利用Ｐｉｇｎｉｓｔｉｃ

6、概率分析證據(jù)源，通過(guò)夾角余弦與闊值比較識(shí)別沖突證據(jù)，并利用證據(jù)間相關(guān)性對(duì)沖突證據(jù)進(jìn)行修正，同時(shí)保留非沖突證據(jù)。最后利用Ｄｅｍｐｓｔｅｒ證據(jù)合成規(guī)則完成融合汁算。一Ｐｉｓｔｉ然后，提出種基于信息賄的證據(jù)聚類(lèi)合成方法，在該方法中，首先利用ｉｇｎｃ概率分析證據(jù)源，，并通過(guò)信息賄解析證據(jù)相似度矩陣識(shí)別沖突證據(jù)利用聚類(lèi)值將證據(jù)源分成非沖突和沖突證據(jù)兩大類(lèi)。類(lèi)內(nèi)采用Ｄｅｍｐｓｔｅｒ規(guī)則合成，兩類(lèi)間則根據(jù)加權(quán)系數(shù)最終實(shí)現(xiàn)證據(jù)合成。實(shí)驗(yàn)表明，兩種方法可Ｗ有效的處理高度沖突證據(jù)，尤其是在多個(gè)沖突證據(jù)的情況下也能獲得很好的合成效果。

7、最后將這兩種方法應(yīng)用于汽車(chē)智能故障診斷系統(tǒng)，通過(guò)實(shí)。際應(yīng)用案例，證明兩種方法具有可行性關(guān)鍵字Ｓ證據(jù)理論，夾角余弦相似度，可變修正因子，信息痛，聚類(lèi)合成ＩＡｂ巧巧ｃｔｔａ－ＴｈｅＤａＦｕｓｉｏｎＭｅｔｈｏｄＲｅｓｅａｒｃｈＢａｓｅｄｏｎＤＳＥｖｉｄｅｎｃｅＴｈｅｏｒｙ－Ｇｒａｄｕａ－－ｔｅ：ＨＵＪｉａｊｉＳｕｐｅｒｖｉｓｅｄ；ＬＩＸｉｎｄｅ，ＳＨＥＮＧＹｕｎｆｅｎｇＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＡｂｓｔｒａｃｔ－Ｓｈａｆ化Ｄｅｍ

8、ｓｔｅｒｅｒｅｖｉｄｅ打ｃｅｓｎ化ｅｓｉｓｔｈｅｏｒｉｓｗｉｄｅｌｕｓｅｄｉ打ｅｆｉｅｌｄｓｏｆｉｎｆｏｒｍａｔｉｏｎｐｙｙｙ