一种基于高斯分布的基本概率指派函数的生成方法技术

本发明专利技术公开了一种基于高斯分布计算基本概率指派函数值的方法，该方法首先根据训练样本在数据集中的均值和方差构造构建高斯曲线，然后计算测试样本在高斯分布上的函数值，生成BPA函数，之后基于Dempster组合规则进行数据融合。最后，待测试样本第i类的每个属性值进行归一化处理得到待测试样本第i类k个属性处理后的高斯分布函数值，并将待测试样本每个属性对应于n个类别的BPA函数值。本发明专利技术方法对分类问题有较高的可行性和有效性，更有利于实际工程中的应用。程中的应用。程中的应用。

【技术实现步骤摘要】
一种基于高斯分布的基本概率指派函数的生成方法


[0001]本专利技术涉及数据处理
，特别涉及一种基于高斯分布的基本概率指派函数的生成方法。

技术介绍

[0002]随着计算机技术和通信技术的飞速发展，且日趋紧密地相互结合，人类社会进入了大数据时代和5G时代。随着信息量的急速增长，信息融合(InformationFusion)技术作为处理数据方面的一项非常重要的技术，在近十年内取得了令人讶异的发展速度，目前该技术已经在诸多领域得到了极为广泛的应用。
[0003]信息融合技术的定义如下：信息融合是一个能够处理来自多个来源的数据和信息的自动检测、关联、相关、估计和组合的多层次、多层面的过程。信息融合技术能够将来自多个传感器的相关信息相结合，其主要目的包括通过保留公告信息来减少不确定性，从而实现相比仅仅使用单个传感器更高的准确性和更具体的推断。
[0004]而在信息融合领域中，D
‑
SDempster
‑
Shafer证据理论(D
‑
S理论)证据理论作为其中得到了广泛应用的重要方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯分布计算基本概率指派函数值的方法，其特征在于：包括如下步骤：S100：获取原始数据集作为训练集，设训练集中有m个训练样本和n个类，每个训练样本有k个属性；S200：根据高斯分布对每个属性构建高斯分布曲线，具体方法如下：设第p个训练样本为Ω
p
，该训练样本的每个类θ
i
，i＝1，2...n都具有k个属性p＝1，2，...m，i＝1，2，...n，j＝1，2，...k表示p个训练样本第i类的j个属性；根据高斯分布表达式(1)为第i类，i＝1，2...n的第j个属性构建高斯曲线f
ij
：其中，μ为第p个训练样本第i个类中k个属性值的平均值，σ2为第p个训练样本第i个类属性值的方差，x为第p个训练样本第i个类中k个属性值；S300：待测试样本第i类的每个属性值δ1，δ2，δ3，
…
，δ
k
分别代入到S200中第i类每个属性的对应的高斯分布曲线，从而得到待测试样本第i类k个属性的高斯分布函数值的对应的高斯分布曲线，从而得到待测试样本第i类k个属性的高斯分布函数值S400：对S300得到的高斯分布函数值进行归一化处理得到待测试样本第i类k个属性处理后的高斯分布函数值；S500：将S400得到的待测试样本第i类k个属性处理后的高斯分布函数值作为待测试样本每个属性对应于n个类别的BPA函数值。2.如权利要求1所述的基于高斯分布计算基本概率指派函数值的方法，其特征在于：所述S200中μ可以由以下公式获取：其中，x
k
为第p个训练样本第i个类中k个属性值。3.如权利要求2所述的基于高斯分布计算基本概率指派函数值的方法，其特征在于：所述S200中σ2根据以下公式求出：其中，x
k
为第p个训练样本第i个类中k个属性值。4.如权利要求3所述的基于高斯分布计算基本概率指派函数值的方法，其特征在于：所述S300中将待测试样本第i类每个属性值从一个点扩展为一个测试区间，将离散的数据点扩展为连续的概率区间，然后根据3σ原理，概率区间长度由待测试样本第i类每个属性的(μ
‑
3σ，μ+3σ)的并集确定，将测试区间的两个边界值按照标准化公式(4)进行标准化转换为对应的标准正态分布值后，通过查询标准正态分布概率表以及...

【专利技术属性】
技术研发人员：唐永川，王书凝，刘春燕，雷晏，范琪琳，李秀华，
申请(专利权)人：重庆大学，
类型：发明
国别省市：