导读:本文包含了信任函数理论论文开题报告文献综述及选题提纲参考文献，主要关键词:云服务,服务推荐,证据理论,信任融合
信任函数理论论文文献综述
刘玮,邹璐琨,霸元婕,李广力,张志刚[1]（2019）在《基于凸函数证据理论的关联感知云服务信任模型》一文中研究指出针对大规模分布式云计算系统中的服务可信度辨别问题,提出一种基于凸函数证据理论的关联感知云服务信任模型。对云计算系统中云服务提供商、服务和用户之间的信任关系进行形式化描述,充分挖掘了同一服务商中的不同云服务之间的关联性,利用凸函数证据理论对有序命题的处理能力,构建了云计算系统中的可信服务推荐方法,根据用户需求为其提供合理可靠的云服务。与经典证据理论方法的对比结果表明,基于凸函数证据理论的关联感知云服务信任模型在保证有效性和健壮性的同时,充分利用了云计算系统中云服务之间的关联信息,能够根据用户的请求提供合理的云服务。(本文来源于《计算机工程与科学》期刊2019年01期）
柯小路[2]（2016）在《证据理论中信任函数的合成方法研究与应用》一文中研究指出在实际问题中,无论是传感器测量信息还是专家经验知识,一般都存在定程度的不确定性或不完备性。研究不确定信息的建模和推理决策问题具有重要意义。证据理论是一种常用的不确定推理方法,其中表征信息的信任函数是定义在识别框架幂集上的一个置信分布,能够区分无知与等可能性,比概率分布的表示更加灵活准确：并且证据推理的过程与人类专家的思维方式比较相似。因此,证据理论已成为一种重要的信息融合方法,在多个领域中得以应用。鉴于证据理论处理不确定知识的能力,许多研究将其与其它理论方法相结合,置信规则库推理方法就是其中之一。经典证据理论中通过Dempster规则合成多条证据,实现推理决策过程。然而使用Dempster规则需要满足一定的前提条件,如证据独立性、证据可靠性等,这些条件在实际问题中不一定能够满足；而且Dempster规则合成冲突证据时可能出现合成悖论问题。为避免合成悖论,并更好的符合实际应用条件,本文对信任函数的合成方法进行研究,主要从冲突证据的分析与合成、证据重要性与可靠性的处理、相关证据的合成等方面展开。此外,针对置信规则库推理方法存在模型训练缓慢、规则约简方法复杂等问题,提出一种新的模型结构以解决这些问题。首先,研究了合成悖论问题,并提出一种新的冲突衡量方法和证据折扣方法。利用规范分解对典型合成悖论进行了分析,总结出了它们的共同特点,并证明证据折扣可以避免这一问题。因此,提出一种模糊折扣方法。该方法考虑了证据之间的冲突和自身不确定性两方面因素,不仅能够取得较快的信度收敛速度,并且对异常证据也具有较好的鲁棒性。为衡量证据冲突和不确定性,分别定义了基于奇异值的冲突衡量方法和基于pignistic概率的区分度。其次,研究了证据推理(ER)规则的相关性质及其存在的问题,并用其对隔振系统的故障诊断问题进行研究。分析了ER规则与证据折扣方法之间的关系、权重归一化对其合成结果的影响,以及它在重要性与可靠性表示上存在的缺陷,并提出一种改进的方法。针对隔振系统的故障诊断问题,给出了证据重要性与可靠性的评估方法,提取了合适的特征参数并用以生成证据,利用改进的ER规则对多传感器信息进行融合,实现故障的诊断发现。在多种故障情况下对所提方法进行了验证。然后，研究了相关源证据已知和未知两种情况下的相关证据合成问题。在相关源证据未知的情况下,借助证据推理规则处理相对重要性的能力,将其与谨慎合成规则相结合,得到加权谨慎合成规则：此外，基于最小承诺准则和证据似然排序、众信度排序,分别提出一种相关证据合成方法,设计优化方法求解符合条件的信仟函数。在相关源证据已知情况下,利用合成规则的众信度函数表达形式,得到一种直接计算合成结果的方法,该方法对相关源证据的形式没有要求。最后,研究了基于加权平均推理的置信规则库方法。对已有文献中一些置信规则库的计算表明,被激活规则的置信分布一般存在较大冲突,而加权平均比较适合这种情况。因此在推理环节使用加权平均代替ER算法,对相应置信规则库的基本结构进行了推导,并证明其仍然具有全局逼近能力。为避免过拟合和降低模型复杂度,利用新置信规则库的特殊结构,提出一种简单有效的前提属性参考值约简方法。针对动态系统的时变特性,在正态输出假设条件下,对新置信规则库的参数在线更新方法进行了推导。通过数值仿真对新置信规则库及其属性约简方法和参数更新方法进行了验证。(本文来源于《中国科学技术大学》期刊2016-05-01）
张安安,彭嵩松,杨威[3]（2015）在《基于信任函数理论的修正融合目标识别算法》一文中研究指出针对信任函数理论中经典Dempster组合规则难以有效融合高冲突证据并存在焦元基模糊问题,提出了一种基于信任函数理论的修正融合目标识别算法。修正融合算法在对相容命题进行组合时,考虑了焦元基的影响,使基本信任质量合理地向基数较小的焦元命题聚焦,以避免焦元基模糊问题;在对冲突命题进行组合时,对命题进行倾向性分析并对局部冲突采用局部分配的策略,以有效融合高冲突证据。算例与仿真比较分析验证了此修正融合目标识别算法的合理有效性和优越性。(本文来源于《电子技术应用》期刊2015年06期）
程子成[4]（2015）在《D-S证据理论中信任函数概率逼近方法研究》一文中研究指出证据理论是一种不确定的理论,在处理不确定性决策问题中得到广泛的运用.证据理论中信任函数是根据专家的经验为每个命题给出相应的信度,然后进行决策.由于信任函数在复杂命题上存在信度,在决策时我们希望得到的是简单命题上的信度,所以直接使用信任函数进行决策存在着一些困难.而解决的办法是把复杂命题上的信度转换为简单命题上的概率分布,然后进行决策,即信任函数概率逼近.但是信任函数概率逼近并不唯一,如何找到最佳的概率逼近是研究的一个热点问题.信息熵是度量信息的不确定性,能够度量逼近后的概率分布所蕴含的不确定性大小,所以对于决策者来说概率逼近信息熵越小越好,如何快速有效的得到逼近的最佳概率分布(即信息熵最小)是本文主要研究的内容.信任函数概率逼近有助于证据理论在决策、信息技术等领域的应用,所以得到了国内外学者的高度关注,并且进行了相应的研究.其中以Smets提出的Pignistic概率转换(即信任函数Pignistic概率逼近)应用最广泛,但是Pignistic概率逼近是对信任函数最保守的概率估计.本文在Pignistic概率逼近基础上,通过研究信息熵的性质,同时考虑到追求信息熵最小化所带来的决策高风险性,提出信任函数概率逼近的一种新方法.通过实例验证这种新方法能够快速,有效得到最佳概率逼近,并且能够有效的降低信任函数概率逼近所带来的决策高风险性.首先,论文介绍了信任函数概率逼近的研究背景和意义,简述信任函数概率逼近的研究现状,以及证据理论的基本知识.然后,详细介绍了几种信任函数概率逼近方法,研究了信息熵的若干性质,结合目前其他学者研究的成果,提出了一种信任函数概率逼近新算法.最后,研究了区间信任结构概率逼近的方法,对概率区间若干性质进行了研究,探讨了与信任函数之间的联系,为区间信任函数理论的研究提供方法.(本文来源于《江西师范大学》期刊2015-06-01）
杨威,贾宇平,付耀文[5]（2009）在《传感器可靠性相异的信任函数理论融合识别算法研究》一文中研究指出本文在信任函数理论框架下,针对决策层融合目标识别问题,对可靠性相异的多传感器融合目标识别提出了一种新算法。该算法结合各传感器混淆矩阵的先验静态信息以及其当前输出判决的动态信息,获得各传感器当前输出识别证据的可靠性因子,并将其用于相应信任函数的折扣,最后用Dempster组合规则对修改后的识别证据进行融合。仿真表明和现有一些考虑可靠性问题的融合算法相比,本文算法能够得到更好的融合效果。(本文来源于《信号处理》期刊2009年11期）
贾宇平[6]（2009）在《基于信任函数理论的融合目标识别研究》一文中研究指出融合目标识别领域有待解决的基础性难题之一是如何对各传感器输出的不确定性信息进行有效处理。信任函数理论作为不确定性信息处理的重要数学模型具有广泛的适用性。论文基于信任函数理论对融合目标识别技术中不确定性信息的表征与合成问题进行了研究。在基于信任函数理论实现融合目标识别的过程中,面临的第一个问题是如何根据各传感器关于待识别目标输出的识别结果构造信任函数理论能够处理的基本信任分配函数。论文第叁章根据抽象层、排序层以及度量层识别结果的不同数学形式,分别设计了相应的基本信任分配函数构造方法。其中对抽象层信息,基于混淆矩阵提出了两种基本信任分配函数构造方法;对排序层信息,通过构造排位比例矩阵对基本信任分配函数进行了构造;对度量层信息,分别提出了基于参考向量与白化权函数的基本信任分配函数构造方法以及一种一致支持函数的构造方法。Dempster组合规则是组合基本信任分配函数所表征证据的最经典、最常用规则,但其在组合高冲突证据时会得到有悖常理的结果。为了研究更加合理有效的冲突证据组合规则,首先需要进行合理的证据冲突度量。论文第四章将Shafer的直接冲突度量与Daniel的潜在冲突思想相结合,构造了一种广义冲突度量。这种冲突度量既包括了合取组合过程中无法承诺的基本信任质量,又考虑了相容焦元之间不重迭部分可能造成的潜在不相容信任,较现有的各种冲突度量更为全面,为组合规则的构造提供了重要参考。在冲突度量策略确定之后,可以根据冲突的量化取值设计相应的证据组合规则,其核心步骤是冲突按比例在组合后焦元上的重分配。在论文的第五章中,一方面延续现有工作中基于Shafer定义的直接冲突度量的按比例重分配研究,提出了一种证据的综合组合规则,该规则除了能够合理分配直接冲突并根据焦元基数决定向下聚焦的权重外,还满足可交换性,存在单位元并能保持条件化行为。另一方面,在广义冲突度量的基础上,论文还提出了一种新的证据组合规则,该规则可以将向下聚焦权重问题纳入广义冲突处理过程一并解决,并能够设计使规则满足准可结合性的算法以提高计算效率,具有较高的实用价值。为了减弱低可靠性传感器输出证据的不利影响,保证融合效果的稳健性,论文的第六章研究了传感器可靠性评估与证据折扣规则。在现有传感器可靠性评估框架的基础上,分别对传感器的静态与动态可靠性进行了评估,并基于所得的可靠性因子提出了新的证据折扣方案。其中,静态可靠性因子由各传感器的混淆矩阵获得,能够对每个可能出现的类别都获得一个可靠性因子,并根据传感器对待识别目标类别的本地判决对这些因子进行动态选择,以实现证据折扣运算。而对动态可靠性因子,则通过在各传感器的输出信息与表示多数意见的信息之间计算直接冲突度量得到,并结合冲突按比例重分配的思想提出了一种改进的折扣规则,能够将折扣量根据部分冲突的大小进行更为细致的分配。论文提出的所有方法均通过算例和空中目标雷达实测数据进行了效果验证,这些方法和研究结论可以对解决融合目标识别过程中的不确定性信息表征与合成问题提供技术支持。(本文来源于《国防科学技术大学》期刊2009-04-01）
杨威[7]（2008）在《基于信任函数理论的不确定性信息融合技术研究》一文中研究指出本文主要研究基于信任函数理论的不确定性信息融合技术。随着现代科技的发展,各种信息源提供的信息呈爆炸式增长,但这些信息大多是不确定的,甚至不乏欺骗、干扰信息的存在。信任函数理论在不确定信息的表示与推理方面具有明显优势,被广泛应用于信息融合领域。但经典的信任函数理论(即Dempster-Shafer理论)至今还存在一些争论,尤其对高冲突证据的组合会产生不合理的结果。许多学者针对此问题进行了研究,基本上可以分为两派:一派认为经典组合规则对冲突分配不合理,因此主张修改Dempster组合规则;而另一派则认为组合规则本身是不存在问题的,产生不合理的结果主要是由于信源所提供的不可靠证据所导致,所以主张修改不可靠的证据。本文主要研究了证据间冲突大小的度量、高冲突证据的组合方法以及不可靠证据的评估与组合等问题。首先对证据间的冲突大小问题进行研究,在总结分析了现有几类冲突度量方法之后,结合M. Daniel对冲突的分析,提出一种广义证据冲突度量方法。该度量方法不仅涵盖了组合中赋予空集的信质,还将潜在冲突纳入度量范围。从比较分析中可以看出该度量方法的合理性与有效性。随后在对几类典型组合规则进行总结分析后,指出了一个好的组合规则所应该满足的一些基本性质,并结合之前的广义冲突度量,基于全局冲突按比例重分配的思想提出了一种改进型组合规则。该组合规则满足交换律,通过一个简单算法可以使得其满足准结合律性质,而且可以较好地解决冲突证据的组合和“焦元基模糊”等悖论。当组合的证据增多时,组合结果趋近于统计平均的结果。仿真比较可以看出新组合规则克服了由经典组合规则所引起的悖论。最后对不可靠证据的评估与组合问题进行了研究,在决策层融合目标识别的应用背景下,对可靠性相异的证据组合提出了一种新的融合目标识别算法。该算法将静态与动态信息相结合,修改证据模型后采用Dempster组合规则进行融合目标识别,仿真结果表明了该算法的有效性。(本文来源于《国防科学技术大学》期刊2008-12-01）
潘高田,王精业,胡家义[8]（2000）在《信任函数理论在仿真评估中的应用》一文中研究指出将信任函数理论应用到了仿真结果评估问题中，给出了总体仿真结果的信任函数和信念区间的计算方法。对仿真结果的真实性评估具有一定意义。这种思想和算法可推广应用到其它各种不确定性推理决策问题中去。(本文来源于《装甲兵工程学院学报》期刊2000年01期）
吴根秀,刘小平[9]（2000）在《Rough Sets理论与信任函数理论的比较研究》一文中研究指出给出了在 Pawlak粗集代数中信任函数的一种解释 ,并且讨论了信任函数在 Rough Sets上知识的组合规则 ,发现信任函数的综合规则无法用 Rough Sets来表示。也即说明了这两种理论的各自独立存在性(本文来源于《计算机与现代化》期刊2000年01期）
杜劲松,黄俊杰,张尧庭[10]（1993）在《信任函数理论的研究进展》一文中研究指出一、引言通过对人工智能及专家系统的进一步研究,人们发现仅仅采用符号计算难以处理问题求解过程中所遇到的各式各样的不确定信息,而这种不确定性是无处不在的:从知识获取到计算机视觉与模式识别,从状态空间的有效搜索到自然语言理解。导致不确定的原因可能是:(1) 信息不是完全可靠的,例如,在基于规则的系统中,由专家给出的规则可能存在例外,甚至专家自身也会对规则缺乏自信;(2) 信息是不完备的,例如,在(本文来源于《计算机科学》期刊1993年04期）
信任函数理论论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在实际问题中,无论是传感器测量信息还是专家经验知识,一般都存在定程度的不确定性或不完备性。研究不确定信息的建模和推理决策问题具有重要意义。证据理论是一种常用的不确定推理方法,其中表征信息的信任函数是定义在识别框架幂集上的一个置信分布,能够区分无知与等可能性,比概率分布的表示更加灵活准确：并且证据推理的过程与人类专家的思维方式比较相似。因此,证据理论已成为一种重要的信息融合方法,在多个领域中得以应用。鉴于证据理论处理不确定知识的能力,许多研究将其与其它理论方法相结合,置信规则库推理方法就是其中之一。经典证据理论中通过Dempster规则合成多条证据,实现推理决策过程。然而使用Dempster规则需要满足一定的前提条件,如证据独立性、证据可靠性等,这些条件在实际问题中不一定能够满足；而且Dempster规则合成冲突证据时可能出现合成悖论问题。为避免合成悖论,并更好的符合实际应用条件,本文对信任函数的合成方法进行研究,主要从冲突证据的分析与合成、证据重要性与可靠性的处理、相关证据的合成等方面展开。此外,针对置信规则库推理方法存在模型训练缓慢、规则约简方法复杂等问题,提出一种新的模型结构以解决这些问题。首先,研究了合成悖论问题,并提出一种新的冲突衡量方法和证据折扣方法。利用规范分解对典型合成悖论进行了分析,总结出了它们的共同特点,并证明证据折扣可以避免这一问题。因此,提出一种模糊折扣方法。该方法考虑了证据之间的冲突和自身不确定性两方面因素,不仅能够取得较快的信度收敛速度,并且对异常证据也具有较好的鲁棒性。为衡量证据冲突和不确定性,分别定义了基于奇异值的冲突衡量方法和基于pignistic概率的区分度。其次,研究了证据推理(ER)规则的相关性质及其存在的问题,并用其对隔振系统的故障诊断问题进行研究。分析了ER规则与证据折扣方法之间的关系、权重归一化对其合成结果的影响,以及它在重要性与可靠性表示上存在的缺陷,并提出一种改进的方法。针对隔振系统的故障诊断问题,给出了证据重要性与可靠性的评估方法,提取了合适的特征参数并用以生成证据,利用改进的ER规则对多传感器信息进行融合,实现故障的诊断发现。在多种故障情况下对所提方法进行了验证。然后，研究了相关源证据已知和未知两种情况下的相关证据合成问题。在相关源证据未知的情况下,借助证据推理规则处理相对重要性的能力,将其与谨慎合成规则相结合,得到加权谨慎合成规则：此外，基于最小承诺准则和证据似然排序、众信度排序,分别提出一种相关证据合成方法,设计优化方法求解符合条件的信仟函数。在相关源证据已知情况下,利用合成规则的众信度函数表达形式,得到一种直接计算合成结果的方法,该方法对相关源证据的形式没有要求。最后,研究了基于加权平均推理的置信规则库方法。对已有文献中一些置信规则库的计算表明,被激活规则的置信分布一般存在较大冲突,而加权平均比较适合这种情况。因此在推理环节使用加权平均代替ER算法,对相应置信规则库的基本结构进行了推导,并证明其仍然具有全局逼近能力。为避免过拟合和降低模型复杂度,利用新置信规则库的特殊结构,提出一种简单有效的前提属性参考值约简方法。针对动态系统的时变特性,在正态输出假设条件下,对新置信规则库的参数在线更新方法进行了推导。通过数值仿真对新置信规则库及其属性约简方法和参数更新方法进行了验证。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信任函数理论论文参考文献
[1].刘玮,邹璐琨,霸元婕,李广力,张志刚.基于凸函数证据理论的关联感知云服务信任模型[J].计算机工程与科学.2019
[2].柯小路.证据理论中信任函数的合成方法研究与应用[D].中国科学技术大学.2016
[3].张安安,彭嵩松,杨威.基于信任函数理论的修正融合目标识别算法[J].电子技术应用.2015
[4].程子成.D-S证据理论中信任函数概率逼近方法研究[D].江西师范大学.2015
[5].杨威,贾宇平,付耀文.传感器可靠性相异的信任函数理论融合识别算法研究[J].信号处理.2009
[6].贾宇平.基于信任函数理论的融合目标识别研究[D].国防科学技术大学.2009
[7].杨威.基于信任函数理论的不确定性信息融合技术研究[D].国防科学技术大学.2008
[8].潘高田,王精业,胡家义.信任函数理论在仿真评估中的应用[J].装甲兵工程学院学报.2000
[9].吴根秀,刘小平.RoughSets理论与信任函数理论的比较研究[J].计算机与现代化.2000
[10].杜劲松,黄俊杰,张尧庭.信任函数理论的研究进展[J].计算机科学.1993