The invention discloses a basic probability assignment calculation method based on rough set information decision table, which includes steps: 1) sorting conditional attributes in information source according to the order of conditional attributes in rough set information decision table; 2) establishing a subset of conditional attributes based on information source R', and calculating the indistinguishable relation [x] R', in rough set information decision table, to form an indistinguishable relation set. IND (R'); 3) Calculate the number of different decision attributes D in the rough set information decision table of each element in the set IND (R'); 4) Calculate the basic probability assignment P of the information source to each decision attribute in the rough set information decision table. The invention can overcome the shortcomings and shortcomings of the existing technology, and is widely used in the calculation of basic probability assignment in evidence theory. By extracting a set of indiscernible relations from rough set information decision table, the calculation complexity of basic probability assignment is greatly reduced compared with traditional methods, which is beneficial to the fast realization and response of rough set information decision table.
【技术实现步骤摘要】
一种基于粗糙集信息决策表的基本概率赋值计算方法
本专利技术属于信息
,具体涉及一种基于粗糙集信息决策表的基本概率赋值计算方法。
技术介绍
证据理论广泛用于医学诊断、目标识别、军事指挥等众多领域,证据理论需要综合考虑来自多源的不确定信息,如多个传感器的信息、多位专家的意见等。而基本概率赋值是证据理论中实现信息融合决策的前提,通过计算信息源的基本概率赋值,以完成信息推理及信度决策。如何有效利用已有的信息决策表计算未知信息源的基本概率赋值,对实现信息融合决策具有重要意义。目前,计算证据理论中信息源基本概率赋值的方法主要有专家投票加权平均法、根据目标类型和环境加权系数确定基本概率赋值法以及根据模式之间相似度获取基本概率赋值法等。其中,专家投票加权法通过将专家意见定量化并求解其对于各信息源的加权平均值来计算基本概率赋值,但此方法受专家经验影响较大,不利于信息的客观表达。对于此种影响,根据目标类型和环境加权系数确定基本概率赋值的方法和根据模式之间相似度获取基本概率赋值的方法需要经过一系列的矩阵变换和迭代求解,逻辑较复杂。纵观已有的基本概率赋值计算方法,尚存在以下问题:(1)大部分方法依赖专家经验,基本概率赋值的取值受专家经验影响较大,不利于信息的客观表达;(2)从各信息源中获取基本概率赋值的方法逻辑较为复杂,不利于信息决策的快速实现和响应。
技术实现思路
本专利技术旨在提出一种基于粗糙集信息决策表的基本概率赋值计算方法,该方法能够克服现有技术的缺点与不足,通过基于信息源的不可分辨关系的划分,使基本概率赋值计算的复杂程度相比传统方法大大减少,有利于信息信度决策的快速实 ...
【技术保护点】
1.一种基于粗糙集信息决策表的基本概率赋值计算方法,其特征在于,包括以下步骤:1)将信息源中条件属性按粗糙集信息决策表中的条件属性顺序进行排序;2)建立基于信息源的条件属性子集R’,并计算R’在粗糙集信息决策表中的不可分辨关系[x]R’,形成不分辨关系集合IND(R’);3)计算不分辨关系集合IND(R’)中各元素所属粗糙集信息决策表中不同决策属性的个数d;4)计算信息源对于粗糙集信息决策表中各决策属性的基本概率赋值P。
【技术特征摘要】
1.一种基于粗糙集信息决策表的基本概率赋值计算方法,其特征在于,包括以下步骤:1)将信息源中条件属性按粗糙集信息决策表中的条件属性顺序进行排序;2)建立基于信息源的条件属性子集R’,并计算R’在粗糙集信息决策表中的不可分辨关系[x]R’,形成不分辨关系集合IND(R’);3)计算不分辨关系集合IND(R’)中各元素所属粗糙集信息决策表中不同决策属性的个数d;4)计算信息源对于粗糙集信息决策表中各决策属性的基本概率赋值P。2.根据权利要求1所述的一种基于粗糙集信息决策表的基本概率赋值计算方法,其特征在于,步骤1)中,将信息源中存在的条件属性按粗糙集信息决策表中条件属性顺序进行排序后,并将信息源中缺少的条件属性值置为0。3.根据权利要求2所述的一种基于粗糙集信息决策表的基本概率赋值计算方法,其特征在于,步骤2)中,具体包含以下步骤:201)建立基于信息源的条件属性子集R’={r1,r2,…,rn}:其中,条件属性子集R’中的元素rn表示与粗糙集信息决策表中第n个条件属性对应信息源中的值,n=1,2,3,….N,N是粗糙集信息决策表中条件属性个数;202)计算在粗糙集信息决策表中的不可分辨关系[x]R’:对比粗糙集信息决策表中每条规则元...
【专利技术属性】
技术研发人员:李元,徐尧宇,王怡静,张冠军,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。