结合近邻密度和信息修正的基本概率赋值生成方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：为了解决D-S 证据理论应用中基本概率赋值（BPA）获取困难、生成模型适用度低的问题， 提出一种结合近邻密度和信息修正的基本概率赋值生成方法： 通过基于KNN 算法得出的密度峰值点与样本间的距离为依据生成单焦元BPA 函数， 通过信念χ2 散度对全子集事件赋值并基于可信度对BPA 进行信息修（剩余11111字）

试读结束

目录
monitor