论文部分内容阅读
作为一个热门研究领域,众多国家都在对信息融合技术展开广泛深入的研究,其中,用于决策的信任度高的规则提取问题,是该领域目前急待解决的重要课题之一,因为信任度高的规则是态势评估准确的重要保证.而现有的规则提取机制和与之对应的方法,大都存在因冗余性过大产生的冲突现象而导致提取的规则信任度不高的缺陷.鉴于此,基于粗糙集理论框架,研究通过格空间的遍历和决策树的搜索面向属性来提取规则的机制和方法.为同时兼顾规则提取能力和动态信息融合应具备的功能,提出了一种具有冗余约简能力的规则提取机制.该机制中,通过多元证据信息的融合验证评价提取规则的有效性,反过来,提取为信息的融合提供判定规则;机制强调,为适应动态环境应用的需要提取过程是增量式的、上下文信息是关联的、信息间是协同互补的.在该机制的基础上,提出了具有冗余约简能力的规则提取方法.其中,"分明关系约束的Rough格上规则提取法"提取规则时无需遍历格空间上的所有结点,而是参照分明关系下的分明矩阵确定格空间上要遍历的结点,从而降低了遍历的结点数目,约简了冗余性,生成的规则中减少了冲突;"基于包含度的决策树中规则提取法"以包含度的大小选择后继子节点为原则建立决策树,在剪枝调整的基础上,减少了决策树中的冗余结点,提取的规则中同样减少了冲突.格和树固有的便于结点增删的结构特点使得方法适合动态信息融合应用环境.理论分析和水电运行仿真机主系统线路工况范例中的应用表明,因为我们设计的Rough格上规则提取法避免了无约束状态下存在的遍历结点冗余产生的冲突现象,能够以较小的额外空间开销换取更高的信任度;决策树中规则提取法除去了树结点冗余产生的冲突现象,能够以较小的额外时间开销换取更高的信任度,所以证实了提出的规则提取机制和方法的有效性.