基于信息度的证据合成方法研究及运用

摘要

证据理论是一种常用的不确定性推理方法，以其完备的数学基础，能方便地表达与处理信息的不确定性，并且证据理论拥有其自身的优势，但是经典证据理论合成方法在运用时，会出现与人们认知相悖的情况，从而使其运用受到一定的限制，为此国内外学者从各个角度出发，提出众多的改进思想，进一步发展和优化了证据合成方法。在以往学者的研究基础上，本文从证据源出发，着重考虑证据源间的信息，提出一种基于信息度的证据合成方法，同时建立合成结果有效性评价函数证据熵来反应合成结果的有效性。在证据理论的运用上，结合分类问题，利用证据理论思想，提出基于证据理论的决策树构造方法，并且分别用算例验证本文方法的有效性。　　基于信息度的证据合成方法，首先考虑证据间的关系，构造信息度表示证据间关系，利用信息度修正证据源，而后进行证据合成，对于合成结果，采用证据熵来反映合成结果的有效性，通过与已有合成方法的比较，可以看出本文方法在聚焦速度上有很大的提高，同时也保证合成结果的合理性。另一方面，在证据理论的运用上，对连续型数据进行分类时，充分考虑数据的不确定性，引入证据理论构造转化训练集的函数模型，利用本文提出的证据合成方法，对转化后的训练集进行证据合成，结合决策树构造思想，建立类属性熵定义与属性熵定义，生成基于证据理论的决策树，利用数据集对此方法的进行验证，并且与经典决策树算法进行比较，说明此方法的有效性。

目录

声明

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3论文研究内容与结构安排

第二章 证据理论基础知识

2.1证据理论知识

2.2证据理论基本概念

2.3证据理论合成基本思路

2.4 D-S证据理论合成规则

2.5 D-S合成规则缺陷

2.6已有证据融合改进方法

2.6.1基于融合规则的改进

2.6.2基于mass函数值获取方法的改进

2.7小结

第三章决策树理论基础知识及算法研究

3.1 决策树原理

3.2如何建立决策树

3.3.1 ID3算法

3.3.2 C4.5算法

3.3.3 CART算法

3.4小结

第四章 经典D-S证据合成方法改进研究

4.1证据源间信息的挖掘利用

4.2证据修正

4.3基于信息度的证据合成方法

4.4方法性能分析

4.5算例分析

4.5.1信息度修正D-S合成规则

4.5.2信息度修正已有合成方法

4.6小结

第五章 证据理论在决策树构造的运用

5.1连续型数据的证据函数表示

5.2基于证据理论决策树构造方法

5.3算法实现

5.4实验分析

5.5小结

第六章总结与展望

6.1总结

6.2展望

参考文献

致谢