采用聚类特征的基本概率分配生成方法及应用

摘要：

针对在识别框架不确定时基本概率分配(BBA)生成困难的问题,提出一种基于聚类特征的基本概率分配生成方法,以减弱对样本长度的依赖性,并分析2种情况下的BBA生成.在框架未知时,通过聚类分析获得各个类别的聚类特征,建立样本属性的聚类特征区间模型;在框架已知时,获取聚类特征,建立样本属性的聚类特征区间模型;然后用各个区间模型之间的距离表示样本属性之间的差异,在此基础上建立了一种相似度的度量方法;最后对相似度进行归一化得到BBA.采用Iris数据集和Wine数据集的实验结果表明:所提方法对样本长度敏感程度低,对Wine数据集的一个类的分类结果达到100％.将该方法应用于某煤化工企业压缩机组子系统状态监测信息数据集,实现了监测信息状态的识别.

关键词：证据理论、基本概率分配、聚类特征区间模型、相似度、信息融合

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51375375

在线出版日期：2016-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-14