基于扩散函数的内集-外集模型

内集-外集模型用于计算小样本事件的可能性-概率分布(PPD),以表达概率估计的模糊性。基于分配函数的内集-外集模型存在三点不足:①论域步长的选取随意性太大;②PPD值在0.5到1之间无值;③信息过于集中,PPD值在很多区间值为0。本文从解决此三问题入手,对传统模型进行了改进。首先讨论了论域步长选取的合理性问题;其次引入扩散函数替换分配函数,同时解决了问题②和③;最后,仿真实验的结果显示,改进模型的估计比传统模型的估计更接近于真实分布。