不确定推理在多源信息融合中的若干应用的研究.pdf

硕士论文 不确定量堡塑堕垄量塑堕星墼鱼!塑蔗王堡旦研窭 摘要 随着信息来源朝着多样化，不确定性的方向发展，多源信息融合技术日益成 为数据处理与分析领域中的研究热点。同时，这种多来源的信息往往是不确定的， 不精确的，不完备的，甚至是模糊的，彼此不一致的和时变的，在进行信息融合 的过程中，不可避免的需要研究对不确定信息的表示和推理方法。本文正是从这 一角度，利用目前比较成熟的4种不精确推理模型，对不确定信息进行处理并应 用于信息融合中。 本文主要涉及的不确定推理模型包括主观贝叶斯的概率推理模型，可信度理 论推理模型，证据理论及其改进推理模型以及神经网络推理模型。不同的推理模 型处理问题的基本思想和方法有很大的差异，但不确定推理的本质是相同的，都 具有一个相同的结构形式，即对知识不确定性的描述，证据不确定性的描述和不 确定性的更新算法。所以，本文在详细介绍以上4种推理模型的差异，并用大量 实例加以验证的情况下，尽可能的描述所涉及推理模型的相通之处。 概率推理模型中本文试举了银行信贷客户评价的推理融合案例，利用统计分 析和领域专家给出的各种先验概率来进行推理和信息的融合。可信度理论推理模 型在查阅大量文献的基础上，使用一分段函数将可信度模型与概率模型进行了一 定程度的统一，说明在获取坚实数学基础的同时将损失模型简单，易操作的特点。 证据理论推理模型给出了两个应用实例，一是采用了证据推理模型的银行信贷客 户评价案例与主观贝叶斯方法进行比较，二是利用医学图像分类识别示例说明不 确定推理的具体应用方法。遥感图像的分类识别工作则采用Kohonen神经网络 方法，力图说明通过信息融合方法可以对图像的分类精度起到一定程度的改进。 实验表明，利用不同的不确定推理模型，并将之应用于信息融合中，各有优 劣，各有独到之处，从不同角度出发考虑推理模型的性能，会得到不同的结论。 本文对各种推理模型和融合方法进行了有益的摸索和尝试，但仍存在大量的实际 问题需要进一步的研究。 关键字： 信息融合，不确定推理，概率推理，贝叶斯方法，可信度理论，证据理论，Kohonen 神经网络 堡主堡皇 至堕塞丝堡查堕垄兰堡生星壁垒主塑董王壁旦竺塞 一 一 Abstraet the of direction theinformationsources to diversification with developing Along fusionhas all and ofmulti·sourcesinformation been technique uncertainty,the in fieldsofdata and the research the analysis．At international processing hotspot is of information kindmulti-resource samctime，this perhaps with inthe of