多信息融合第二章作业2教案.doc

综述：证据理论的研究分析及其在电力系统短期电量预测领域的应用分析 学 院 电子信息学院 年级专业 控制理论与控制工程 学生姓名 刘元科 学 号 3113038003 指导教师 杨清宇 证据理论的研究分析及其在电力系统短期电量预测领域的应用分析 证据理论研究的历史 在处理不确定数据方面，证据理论以其在不确定性表示、量测和组合方面的优势受到重视，先后推广到概率范围和模糊集，可像贝叶斯推理那样结合先验信息，且能处理类似语言的模糊概念证据，并逐渐发展成为一种重要的不确定性推理方法。 证据理论是Dempster于1967年研究统计问题时提出的，该理论给出上、下概率的概念及合成规则和不满足可加性的概率。Shafer进一步推广，使之系统化、理论化，故又称为Dempster-Shafer证据理论(简称D—S或证据理论)。 证据理论研究的现状 国内外许多学者在理论和应用中作了大量工作。在理论方面，模糊数学的创立者Zadeh和专家系统MYCIN的主要开发者Shortliffe等人，都积极地进行证据理论模型解释、算法实现及实际应用研究。Dubois等人指出证据理论中的置信函数是模糊测度，以集合论的观点研究证据的并、交、补和包含等问题。Smets将置信函数推广到假设空间(识别框架)的所有模糊子集上，提出pignistic概率和可传递置信模型TBM。Pawlak提出的粗糙集理论为证据理论的发展提供了新的机制，使无限框架上的证据处理向有限框架近似转化成为可能。为能合理处理证据冲突，一些学者改进了合成规则，针对证据源的相对优先级、可靠性及重要性不同，提出了加权Dempster证据合成规则，但该合成规则丧失了可交换性，也无信息源优先级的判断准则。 为解决合成规则在实现时存在指数爆炸等问题，一些学者相继提出扩展的证据理论法(EDS)、条件化的证据理论法(CDS)及修改的证据理论法(MDS)等。有研究人员针对多传感器的目标识别问题，证明2个传感器D-S融合识别同一目标时的若干结论。对Dempster规则的有效性作了系统论述，推导Dempster组合规则，给出Dempster规则成立的3个假设。在相关证据合成方面，通过定义证据强度及证据相关度的概念，给出修改的合成方法，指出经典合成方法是其特例。由于2个证据El和E2对应的m1和m2并不包含相关信息，故提出新的模型来表示证据理论中相关性问题，认为其中2个相关证据是由1个独立源证据分别与2个相关源证据通过正交合成得到，相关证据的合成可归结为3个源证据的正交和。 Yen将证据理论推广到概率范围，先验证据用条件概率表示，用Zadeh的粒度重新定义焦元，又定义1个类似置信函数的概率价值： 其中G(e)为粒度集。合成规则分为：确定基本置信指派、利用Dempster规则合成、最后转化为概率价值。Guan等人把3步合并为1个公式。Spies建立条件事件和离散随机集的关系，引入条件置信函数。当全部证据理论为概率时，其合成规则的结果等于应用Jeffery全概率公式的结果。1996年Mahler利用随机集理论和条件事件代数提出条件证据理论(CDS)。 Smets提出模糊集置信函数概念，并用模糊事件概率对关系函数的数学期望进行推广。Yen用线性规则的方法把与概率相容的置信函数和似真函数推广到模糊集，并给出相应的合成公式。Mahler教授把条件证据理论(CDS)推广到模糊集，形成模糊条件证据理论(FCDS)，弥补了Yen理论的不足。Romer提出把置信函数约束到连续和离散的模糊随机变量上，结合了可能性分布。 D-S方法的近似计算 D-S方法的近似计算是通过减少置信函数的焦元个数来简化计算。Voorbraak发现，如果置信函数的合成产生1个贝叶斯信度函数，即1个识别框架上的概率测度，则信度函数用贝叶斯近似来代替，不影响Dempster合成规则的结果。Voorbraak证明，置信函数的贝叶斯近似的合成等于这些置信函数的合成的贝叶斯近似。该特性使应用贝叶斯获得近似结果，至少是识别框架的元素，而不是其子集的最终结论，可简化计算量。DuboisPrade提出一致近似(consonant approximation)的方法，其特点是：通过近似计算后的焦元是嵌套的，且焦元的个数不超过识别框架中的假设个数，I表示保留的焦点元素的最多个数，x表示允许被删除的最大mass值，x通常在上取值。Smets提出衡量某种近似算法的误差要以pignistic概率分布为标准，因基于信度函数的数据融合所需pignistic概率。此外，Simard等人提出称为修剪的D-S(Tr