并集置信規(guī)則庫建模、優(yōu)化與應用

目錄
前言
基本理論
第1章 置信規(guī)則庫基本理論 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)則庫構造、推理及集成算法 5
1.3.1 置信規(guī)則庫構造 5
1.3.2 置信規(guī)則庫推理 6
1.3.3 置信規(guī)則庫集成 6
1.4 置信規(guī)則庫主要研究方向與熱點 9
1.4.1 置信規(guī)則庫理論研究方面 9
1.4.2 置信規(guī)則庫應用方面 11
1.5 置信規(guī)則庫的組合爆炸問題 12
參考文獻 13
第2章 置信規(guī)則庫空間及其性質 17
2.1 基本定義 17
2.2 置信規(guī)則庫空間的性質 19
2.3 向量：置信規(guī)則庫空間中的規(guī)則 20
2.3.1 規(guī)則計算與向量運算 20
2.3.2 置信規(guī)則庫空間運算中的交換律和結合律 21
2.3.3 置信規(guī)則庫空間中的距離 23
2.4 示例 24
2.4.1 置信規(guī)則庫空間中屬性的基本性質 24
2.4.2 置信規(guī)則庫空間中的交換律和結合律 25
2.4.3 不同規(guī)則之間的差異性分析 28
2.5 結論 29
參考文獻 29
并集置信規(guī)則庫建模
第3章 并集置信規(guī)則庫建模與推理 31
3.1 并集置信規(guī)則庫的概念 31
3.1.1 并集置信規(guī)則庫基本形式 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)則庫的建模方法 34
3.3 并集置信規(guī)則庫的推理方法 35
3.3.1 并集置信規(guī)則庫的規(guī)則激活方法 35
3.3.2 并集置信規(guī)則庫的匹配度計算方法 36
3.4 示例 36
3.4.1 并集置信規(guī)則庫建模示例 36
3.4.2 并集置信規(guī)則庫推理示例 38
3.4.3 并集置信規(guī)則庫結果分析 40
3.4.4 討論 41
3.5 結論 42
參考文獻 42
第4章 考慮隨機性、相關性與無偏多輸出的并集置信規(guī)則庫建模 43
4.1 考慮隨機性的置信規(guī)則庫建模 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 44
4.1.3 實例分析：背景及參數(shù)介紹 47
4.1.4 實例分析：模型構建 49
4.1.5 實例分析：結果及分析 49
4.2 考慮相關性的并集置信規(guī)則庫建模 53
4.2.1 Copula模型的基本概念 53
4.2.2 基于數(shù)據(jù)驅動的Copula-BRB方法 54
4.2.3 實例分析：背景及參數(shù)介紹 56
4.2.4 實例分析：結果及分析 59
4.3 考慮無偏多輸出的并集置信規(guī)則庫建模 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 實例分析：背景及參數(shù)介紹 64
4.3.4 實例分析：結果分析 66
4.3.5 實例分析：對比分析 69
4.4 結論 71
參考文獻 71
第5章 基于有限交集規(guī)則的并集置信規(guī)則庫建模方法 73
5.1 交集與并集置信規(guī)則庫的關系 73
5.2 基于有限交集規(guī)則的并集置信規(guī)則庫建模方法 77
5.2.1 算法步驟 77
5.2.2 基于等概率的并集置信規(guī)則庫建模方法 78
5.2.3 基于自組織映射的并集置信規(guī)則庫建模方法 79
5.3 數(shù)值示例 81
5.3.1 問題介紹與輸入 81
5.3.2 計算結果 82
5.3.3 結果對比與討論 82
5.4 新產品研發(fā)問題示例分析 83
5.4.1 問題背景 83
5.4.2 基于等概率方法構建并集置信規(guī)則庫 84
5.4.3 基于自組織映射方法構建并集置信規(guī)則庫 86
5.4.4 結果對比與討論 87
5.5 結論 89
參考文獻 89
第6章 基于自組織映射的并集置信規(guī)則庫傳播方法 90
6.1 基本概念 90
6.2 子置信規(guī)則庫權重計算 92
6.3 基于自組織映射的置信度計算 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 98
6.5.3 優(yōu)化子置信規(guī)則庫與權重計算 100
6.5.4 置信傳播與綜合置信規(guī)則庫 101
6.5.5 結果對比 103
6.6 結論 105
參考文獻 105
并集置信規(guī)則庫優(yōu)化
第7章 基于演化算法的并集置信規(guī)則庫參數(shù)優(yōu)化 107
7.1 置信規(guī)則庫參數(shù)優(yōu)化模型 107
7.2 基于演化算法的置信規(guī)則庫優(yōu)化模型求解算法 108
7.3 發(fā)動機傳感器信號推理示例分析 111
7.3.1 問題背景 111
7.3.2 結果討論 111
7.4 結論 114
參考文獻 114
第8章 基于雙層模型的并集置信規(guī)則庫聯(lián)合優(yōu)化 116
8.1 基于赤池信息準則的置信規(guī)則庫聯(lián)合優(yōu)化目標 116
8.2 基于赤池信息準則的置信規(guī)則庫聯(lián)合優(yōu)化模型 119
8.3 并集置信規(guī)則庫聯(lián)合優(yōu)化算法 120
8.3.1 并集置信規(guī)則庫外層優(yōu)化算法 120
8.3.2 并集置信規(guī)則庫內層優(yōu)化算法 121
8.4 交集置信規(guī)則庫聯(lián)合優(yōu)化 122
8.4.1 交集置信規(guī)則庫聯(lián)合優(yōu)化模型 122
8.4.2 交集置信規(guī)則庫聯(lián)合優(yōu)化算法 125
8.4.3 局部優(yōu)化算法 127
8.5 示例分析 128
8.5.1 采用并集置信規(guī)則庫雙層優(yōu)化方法求解結果 128
8.5.2 采用交集置信規(guī)則庫雙層優(yōu)化方法求解結果 130
8.5.3 實驗結果對比分析 132
8.6 結論 135
參考文獻 135
第9章 面向多目標的并集置信規(guī)則庫優(yōu)化 136
9.1 問題描述 136
9.2 單目標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 單目標下基于冗余基因策略的BRB優(yōu)化算法 139
9.4 面向多目標優(yōu)化的主導從屬框架 142
9.5 多目標下具有主導從屬框架的BRB優(yōu)化方法 144
9.5.1 算法框架步驟 144
9.5.2 主導優(yōu)化：協(xié)同優(yōu)化模型 145
9.5.3 主導優(yōu)化：協(xié)同優(yōu)化算法 146
9.5.4 主導從屬優(yōu)化切換：分布式并行計算機制 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 單目標優(yōu)化方法 148
9.6.2 多目標優(yōu)化方法 152
9.6.3 多目標與單目標優(yōu)化方法的復雜度比較 156
9.7 結論 157
參考文獻 157
并集置信規(guī)則庫應用
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 初始評估結果 167
10.4.3 優(yōu)化后評估結果 167
10.4.4 采用算子推薦策略的評估結果 168
10.4.5 不同算法的效率分析 168
10.4.6 神經(jīng)網(wǎng)絡計算結果 171
10.5 結論 173
參考文獻 173
第11章 并發(fā)故障診斷 174
11.1 問題描述 174
11.1.1 復雜系統(tǒng)耦合并發(fā)故障 174
11.1.2 當前方法及其不足 175
11.2 基于置信規(guī)則庫的并發(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)則庫評估結果 183
11.3.3 并集置信規(guī)則庫評估結果 184
11.3.4 結果對比與討論 185
11.4 結論 187
參考文獻 187
第12章 基于數(shù)字孿生與置信規(guī)則庫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)字孿生建模框架 192
12.2.3 數(shù)字孿生建模 193
12.2.4 關鍵參數(shù)識別 194
12.2.5 關鍵參數(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 關鍵參數(shù)識別 200
12.3.4 關鍵參數(shù)優(yōu)化 203
12.4 結果分析 205
12.5 結論 208
參考文獻 208
第13章 基于混合置信規(guī)則庫的鐵路運輸安全性評估 210
13.1 鐵路運輸安全性評估問題分析 210
13.2 當前研究方法 211
13.3 混合置信規(guī)則庫建模與推理方法 212
13.3.1 混合置信規(guī)則庫 212
13.3.2 混合置信規(guī)則庫應用的可行性分析 216
13.3.3 混合置信規(guī)則庫推理方法 217
13.3.4 基于混合置信規(guī)則庫的鐵路運輸安全性評估方法 218
13.4 成渝區(qū)域鐵路安全性評估示例分析 219
13.4.1 成渝鐵路安全性評估指標分析 219
13.4.2 面向既有線的混合置信規(guī)則庫建模 220
13.4.3 面向高鐵的混合置信規(guī)則庫建模 223
13.4.4 安全性評估結果分析 226
13.4.5 與歷史鐵路事故對比分析 228
13.4.6 與國外鐵路事故對比分析 232
13.5 結論 233
參考文獻 233
附錄A μ(L)≠0的證明 235
附錄B 管道風險評估問題示例分析 237
附錄C 不完備信息條件下的區(qū)域防空武器裝備目標攔截能力評估示例 244
附錄D 交集置信規(guī)則庫聯(lián)合優(yōu)化實驗數(shù)據(jù) 250
附錄E 并發(fā)故障診斷 253