论文部分内容阅读
信息融合已经在模式识别等领域有了广泛的应用,DS证据理论是处理信息融合问题的重要手段之一,但是DS证据理论在融合冲突信息时会产生悖论结果。为避免冲突信息融合时悖论结果的产生,国内外研究者们因此提出了许多对DS证据理论的改进方法。首先,本文以高速列车转向架故障数据的特征集为研究基础。使用不同的单一特征选择方法会得到不同的特征排序,则单一特征选择方法得到的结果存在冲突,因此提出了一种多准则特征选择方法MCF-fgoalattain。本文以基于多目标优化改进的DS理论为融合方法,对四种不同单一准则特征选择方法进行融合,构成多准则特征选择方法MCF-fgoalattain。在轴承内环退化故障数据及UCI标准数据集上应用MCF-fgoalattain方法,并计算其稳定性,验证了 MCF-fgoalattain的有效性。然后将MCF-fgoalattain方法应用到高速列车转向架故障数据上特征集上,结果表明MCF-fgoalattain多准则特征选择方法稳定地提高了故障识别率。MCF-fgoalattain与四种单一准则特征选择方法对比的结果表明MCF-fgoalattain方法比单一准则特征选择方法更具优势。MCF-fgoalattain与其他多准则特征特征选择方法对比的结果表明,基于多目标优化改进的DS理论能更好地处理单一准则特征选择方法间的冲突。其次,针对高速列车转向架故障数据,以MCF-fgoalattain方法对特征集进行特征选择后,本文提出了一种SVM与DS理论相结合的决策融合方法以实现故障识别。将线性核函数SVM、RBF核函数SVM、多项式核函数SVM分类器的硬输出通过映射函数转化为概率输出,并以上述三类分类器得出的混淆矩阵计算分类器对于不同类别目标的识别可信度,根据概率输出和可信度构造概率赋值函数,以DS理论融合规则融合概率赋值函数构成决策融合方法。在轴承故障数据及UCI标准数据集上验证了决策融合方法的有效性后,将其应用到经过MCF-fgoalattain方法对高速列车转向架故障数据特征选择后的待分类样本上。决策融合方法与不同核函数SVM分类器的分类结果对比表明,决策融合方法稳定地提升了故障识别率。