d-s证据理论应用研究-毕业设计

《d-s证据理论应用研究-毕业设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、D-S证据理论应用研究摘要多传感器数据融合已成为现代故障诊断的有效手段，近些年得到了继承和发展，在专家系统和故障诊断等领域都已有应用。现代数据融合的方法在模糊集合、神经网络、贝叶斯统计和证据理论等方向均得到了显著的发展，但是在各自领域也均有问题有待完善。面对着日前大量产生及累积的数据和信息，对信息的查询统计已经不能再满足科技的需求，对数据分析的自动化要求越来越高。数据挖掘和信息融合的发展已经使得人们可以从大量的、不确定的或有干扰的数据中找出有价值有用的信息和知识。证据理论是针对不确定性问题或知识进行表示和处理的有力工具。在本文中，讨

2、论了D-S证据理论的应用问题，找到了其已存在的一些应用实例，找出其优点与不足，讨论了其应用前途的光明性。然后分析出现有方法在应用是的局限性和主观性，针对证据理论信度函数的获取主观性强的问题，提出了一种新的信度函数的获取方法，通过对典型样本特征值的统计，确定典型样本分布曲线，拟合分布规律，利用分布规律的密度函数建立信度函数密度，得到基本概率分布，通过归一化处理得到信度函数，最后通过D-S融合规则得到最终的结果。结果证明，火力发电厂中的很多目标模式都高度近似服从以自然数λ为自变量的对数正态分布，利用其密度函数得到的信度函数提高了客观性，

3、具有工程使用价值。关键词：证据理论；信度函数；对数正态分布；煤种判别ID-SEVIDENCETHEORYAPPLIEDRESEARCHAbstractMulti-sensordatafusionhasbecomeaneffectivemeansofmodernfaultdiagnosisinrecentyearshasbeeninheritedanddevelopedinfaultdiagnosisexpertsystemandotherfieldshavebeenapplied.Moderndatafusionmethodinfu

4、zzysets,neuralnetworks,Bayesianstatisticaltheoryandevidencehavebeensignificantlydirectionofdevelopment,butalsohaveproblemsintheirrespectiveareastobeimproved.Facedwithalargenumberofrecentlyproducedandaccumulateddataandinformation,informationquerystatisticscannolongermee

5、ttheneedsofscienceandtechnology,automateddataanalysisrequiresincreasinglyhigh.Developmentofdataminingandinformationfusionhasmadeitpossibletoidentifyusefulinformationandvaluableknowledgefromalarge,uncertainorinterferencedata.Berepresentedandevidencetheoryisapowerfultool

6、forhandlinguncertaintyorknowledge.Inthisarticle,wediscusstheapplicationofDSevidencetheory,andfoundthatithassomeapplicationexamplesexist,identifyitsadvantagesanddisadvantages,discussedthebrightfutureoftheirapplication.Thenthereappearedanalysismethodsappliedarelimitation

7、sandsubjectiveevidenceagainstthetheoryofbelieffunctionstogettheproblemofsubjectivity,anewmethodisproposedtoobtainthereliabilityfunctionthroughstatisticalsampleoftypicaleigenvaluesdeterminethetypicalsampledistributioncurvefittingdistribution,usedistributiondensityfuncti

8、ontoestablishthedensityofbelieffunctions,getthebasicprobabilitydistribution,obtainedbynormalizationbelieffunctions,an