并集置信規(guī)則庫(kù)建模、優(yōu)化與應(yīng)用

目錄
前言
基本理論
第1章 置信規(guī)則庫(kù)基本理論 1
1.1 D-S 證據(jù)理論 1
1.2 證據(jù)推理方法 4
1.3 置信規(guī)則庫(kù)構(gòu)造、推理及集成算法 5
1.3.1 置信規(guī)則庫(kù)構(gòu)造 5
1.3.2 置信規(guī)則庫(kù)推理 6
1.3.3 置信規(guī)則庫(kù)集成 6
1.4 置信規(guī)則庫(kù)主要研究方向與熱點(diǎn) 9
1.4.1 置信規(guī)則庫(kù)理論研究方面 9
1.4.2 置信規(guī)則庫(kù)應(yīng)用方面 11
1.5 置信規(guī)則庫(kù)的組合爆炸問題 12
參考文獻(xiàn) 13
第2章 置信規(guī)則庫(kù)空間及其性質(zhì) 17
2.1 基本定義 17
2.2 置信規(guī)則庫(kù)空間的性質(zhì) 19
2.3 向量：置信規(guī)則庫(kù)空間中的規(guī)則 20
2.3.1 規(guī)則計(jì)算與向量運(yùn)算 20
2.3.2 置信規(guī)則庫(kù)空間運(yùn)算中的交換律和結(jié)合律 21
2.3.3 置信規(guī)則庫(kù)空間中的距離 23
2.4 示例 24
2.4.1 置信規(guī)則庫(kù)空間中屬性的基本性質(zhì) 24
2.4.2 置信規(guī)則庫(kù)空間中的交換律和結(jié)合律 25
2.4.3 不同規(guī)則之間的差異性分析 28
2.5 結(jié)論 29
參考文獻(xiàn) 29
并集置信規(guī)則庫(kù)建模
第3章 并集置信規(guī)則庫(kù)建模與推理 31
3.1 并集置信規(guī)則庫(kù)的概念 31
3.1.1 并集置信規(guī)則庫(kù)基本形式 31
3.1.2 置信空間的基 32
3.1.3 交集與并集置信空間的大小 32
3.2 并集置信規(guī)則庫(kù)的建模方法 34
3.3 并集置信規(guī)則庫(kù)的推理方法 35
3.3.1 并集置信規(guī)則庫(kù)的規(guī)則激活方法 35
3.3.2 并集置信規(guī)則庫(kù)的匹配度計(jì)算方法 36
3.4 示例 36
3.4.1 并集置信規(guī)則庫(kù)建模示例 36
3.4.2 并集置信規(guī)則庫(kù)推理示例 38
3.4.3 并集置信規(guī)則庫(kù)結(jié)果分析 40
3.4.4 討論 41
3.5 結(jié)論 42
參考文獻(xiàn) 42
第4章 考慮隨機(jī)性、相關(guān)性與無(wú)偏多輸出的并集置信規(guī)則庫(kù)建模 43
4.1 考慮隨機(jī)性的置信規(guī)則庫(kù)建模 43
4.1.1 云模型的基本概念 43
4.1.2 基于云模型的置信規(guī)則庫(kù) 44
4.1.3 實(shí)例分析：背景及參數(shù)介紹 47
4.1.4 實(shí)例分析：模型構(gòu)建 49
4.1.5 實(shí)例分析：結(jié)果及分析 49
4.2 考慮相關(guān)性的并集置信規(guī)則庫(kù)建模 53
4.2.1 Copula模型的基本概念 53
4.2.2 基于數(shù)據(jù)驅(qū)動(dòng)的Copula-BRB方法 54
4.2.3 實(shí)例分析：背景及參數(shù)介紹 56
4.2.4 實(shí)例分析：結(jié)果及分析 59
4.3 考慮無(wú)偏多輸出的并集置信規(guī)則庫(kù)建模 62
4.3.1 MIMO-BRB推理過程 62
4.3.2 MIMO-BRB優(yōu)化過程 63
4.3.3 實(shí)例分析：背景及參數(shù)介紹 64
4.3.4 實(shí)例分析：結(jié)果分析 66
4.3.5 實(shí)例分析：對(duì)比分析 69
4.4 結(jié)論 71
參考文獻(xiàn) 71
第5章 基于有限交集規(guī)則的并集置信規(guī)則庫(kù)建模方法 73
5.1 交集與并集置信規(guī)則庫(kù)的關(guān)系 73
5.2 基于有限交集規(guī)則的并集置信規(guī)則庫(kù)建模方法 77
5.2.1 算法步驟 77
5.2.2 基于等概率的并集置信規(guī)則庫(kù)建模方法 78
5.2.3 基于自組織映射的并集置信規(guī)則庫(kù)建模方法 79
5.3 數(shù)值示例 81
5.3.1 問題介紹與輸入 81
5.3.2 計(jì)算結(jié)果 82
5.3.3 結(jié)果對(duì)比與討論 82
5.4 新產(chǎn)品研發(fā)問題示例分析 83
5.4.1 問題背景 83
5.4.2 基于等概率方法構(gòu)建并集置信規(guī)則庫(kù) 84
5.4.3 基于自組織映射方法構(gòu)建并集置信規(guī)則庫(kù) 86
5.4.4 結(jié)果對(duì)比與討論 87
5.5 結(jié)論 89
參考文獻(xiàn) 89
第6章 基于自組織映射的并集置信規(guī)則庫(kù)傳播方法 90
6.1 基本概念 90
6.2 子置信規(guī)則庫(kù)權(quán)重計(jì)算 92
6.3 基于自組織映射的置信度計(jì)算 93
6.4 置信傳播方法 94
6.5 示例分析 96
6.5.1 問題背景 96
6.5.2 初始子置信規(guī)則庫(kù) 98
6.5.3 優(yōu)化子置信規(guī)則庫(kù)與權(quán)重計(jì)算 100
6.5.4 置信傳播與綜合置信規(guī)則庫(kù) 101
6.5.5 結(jié)果對(duì)比 103
6.6 結(jié)論 105
參考文獻(xiàn) 105
并集置信規(guī)則庫(kù)優(yōu)化
第7章 基于演化算法的并集置信規(guī)則庫(kù)參數(shù)優(yōu)化 107
7.1 置信規(guī)則庫(kù)參數(shù)優(yōu)化模型 107
7.2 基于演化算法的置信規(guī)則庫(kù)優(yōu)化模型求解算法 108
7.3 發(fā)動(dòng)機(jī)傳感器信號(hào)推理示例分析 111
7.3.1 問題背景 111
7.3.2 結(jié)果討論 111
7.4 結(jié)論 114
參考文獻(xiàn) 114
第8章 基于雙層模型的并集置信規(guī)則庫(kù)聯(lián)合優(yōu)化 116
8.1 基于赤池信息準(zhǔn)則的置信規(guī)則庫(kù)聯(lián)合優(yōu)化目標(biāo) 116
8.2 基于赤池信息準(zhǔn)則的置信規(guī)則庫(kù)聯(lián)合優(yōu)化模型 119
8.3 并集置信規(guī)則庫(kù)聯(lián)合優(yōu)化算法 120
8.3.1 并集置信規(guī)則庫(kù)外層優(yōu)化算法 120
8.3.2 并集置信規(guī)則庫(kù)內(nèi)層優(yōu)化算法 121
8.4 交集置信規(guī)則庫(kù)聯(lián)合優(yōu)化 122
8.4.1 交集置信規(guī)則庫(kù)聯(lián)合優(yōu)化模型 122
8.4.2 交集置信規(guī)則庫(kù)聯(lián)合優(yōu)化算法 125
8.4.3 局部?jī)?yōu)化算法 127
8.5 示例分析 128
8.5.1 采用并集置信規(guī)則庫(kù)雙層優(yōu)化方法求解結(jié)果 128
8.5.2 采用交集置信規(guī)則庫(kù)雙層優(yōu)化方法求解結(jié)果 130
8.5.3 實(shí)驗(yàn)結(jié)果對(duì)比分析 132
8.6 結(jié)論 135
參考文獻(xiàn) 135
第9章 面向多目標(biāo)的并集置信規(guī)則庫(kù)優(yōu)化 136
9.1 問題描述 136
9.2 單目標(biāo)下基于平行多種群策略的BRB優(yōu)化模型 137
9.2.1 平行多種群策略 138
9.2.2 基于平行多種群策略的BRB優(yōu)化模型 138
9.3 單目標(biāo)下基于冗余基因策略的BRB優(yōu)化算法 139
9.4 面向多目標(biāo)優(yōu)化的主導(dǎo)從屬框架 142
9.5 多目標(biāo)下具有主導(dǎo)從屬框架的BRB優(yōu)化方法 144
9.5.1 算法框架步驟 144
9.5.2 主導(dǎo)優(yōu)化：協(xié)同優(yōu)化模型 145
9.5.3 主導(dǎo)優(yōu)化：協(xié)同優(yōu)化算法 146
9.5.4 主導(dǎo)從屬優(yōu)化切換：分布式并行計(jì)算機(jī)制 147
9.5.5 從屬優(yōu)化：參數(shù)優(yōu)化 147
9.6 示例分析 148
9.6.1 單目標(biāo)優(yōu)化方法 148
9.6.2 多目標(biāo)優(yōu)化方法 152
9.6.3 多目標(biāo)與單目標(biāo)優(yōu)化方法的復(fù)雜度比較 156
9.7 結(jié)論 157
參考文獻(xiàn) 157
并集置信規(guī)則庫(kù)應(yīng)用
第10章 多傳感器信息融合 159
10.1 問題描述 159
10.2 BRB-IF優(yōu)化模型 161
10.3 基于算子推薦的優(yōu)化算法 162
10.3.1 優(yōu)化算法 162
10.3.2 算子推薦策略 164
10.4 示例分析 166
10.4.1 問題背景 166
10.4.2 初始評(píng)估結(jié)果 167
10.4.3 優(yōu)化后評(píng)估結(jié)果 167
10.4.4 采用算子推薦策略的評(píng)估結(jié)果 168
10.4.5 不同算法的效率分析 168
10.4.6 神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)果 171
10.5 結(jié)論 173
參考文獻(xiàn) 173
第11章 并發(fā)故障診斷 174
11.1 問題描述 174
11.1.1 復(fù)雜系統(tǒng)耦合并發(fā)故障 174
11.1.2 當(dāng)前方法及其不足 175
11.2 基于置信規(guī)則庫(kù)的并發(fā)故障診斷方法 176
11.2.1 核心概念 176
11.2.2 三種屬性權(quán)重策略 177
11.2.3 優(yōu)化模型與優(yōu)化算法 178
11.2.4 基于權(quán)衡分析的并發(fā)故障診斷決策 179
11.2.5 并發(fā)故障診斷方法 180
11.3 示例分析 182
11.3.1 問題背景 182
11.3.2 交集置信規(guī)則庫(kù)評(píng)估結(jié)果 183
11.3.3 并集置信規(guī)則庫(kù)評(píng)估結(jié)果 184
11.3.4 結(jié)果對(duì)比與討論 185
11.4 結(jié)論 187
參考文獻(xiàn) 187
第12章 基于數(shù)字孿生與置信規(guī)則庫(kù)的建筑沉降約減方法 189
12.1 問題描述 189
12.1.1 建筑物沉降 189
12.1.2 當(dāng)前方法及不足 189
12.2 基于置信規(guī)則推理的數(shù)字孿生建模 191
12.2.1 數(shù)字孿生 191
12.2.2 基于置信規(guī)則推理的數(shù)字孿生建?？蚣?192
12.2.3 數(shù)字孿生建模 193
12.2.4 關(guān)鍵參數(shù)識(shí)別 194
12.2.5 關(guān)鍵參數(shù)優(yōu)化 196
12.3 隧道施工過程中的建筑物沉降控制 197
12.3.1 問題背景 197
12.3.2 數(shù)字孿生模型建立 198
12.3.3 關(guān)鍵參數(shù)識(shí)別 200
12.3.4 關(guān)鍵參數(shù)優(yōu)化 203
12.4 結(jié)果分析 205
12.5 結(jié)論 208
參考文獻(xiàn) 208
第13章 基于混合置信規(guī)則庫(kù)的鐵路運(yùn)輸安全性評(píng)估 210
13.1 鐵路運(yùn)輸安全性評(píng)估問題分析 210
13.2 當(dāng)前研究方法 211
13.3 混合置信規(guī)則庫(kù)建模與推理方法 212
13.3.1 混合置信規(guī)則庫(kù) 212
13.3.2 混合置信規(guī)則庫(kù)應(yīng)用的可行性分析 216
13.3.3 混合置信規(guī)則庫(kù)推理方法 217
13.3.4 基于混合置信規(guī)則庫(kù)的鐵路運(yùn)輸安全性評(píng)估方法 218
13.4 成渝區(qū)域鐵路安全性評(píng)估示例分析 219
13.4.1 成渝鐵路安全性評(píng)估指標(biāo)分析 219
13.4.2 面向既有線的混合置信規(guī)則庫(kù)建模 220
13.4.3 面向高鐵的混合置信規(guī)則庫(kù)建模 223
13.4.4 安全性評(píng)估結(jié)果分析 226
13.4.5 與歷史鐵路事故對(duì)比分析 228
13.4.6 與國(guó)外鐵路事故對(duì)比分析 232
13.5 結(jié)論 233
參考文獻(xiàn) 233
附錄A μ(L)≠0的證明 235
附錄B 管道風(fēng)險(xiǎn)評(píng)估問題示例分析 237
附錄C 不完備信息條件下的區(qū)域防空武器裝備目標(biāo)攔截能力評(píng)估示例 244
附錄D 交集置信規(guī)則庫(kù)聯(lián)合優(yōu)化實(shí)驗(yàn)數(shù)據(jù) 250
附錄E 并發(fā)故障診斷 253