一种D-S证据推理的BPA获取方法

针对多传感器数据融合中D-S证据推理方法的基本概率赋值获取存在主观性的问题,结合粗糙集理论,通过定义规则强度和决策扩充规则,提出一种基于决策表的证据获取和基本概率赋值客观确定方法,并以具体算例验证了方法的正确性和有效性。     

道路工程压实度检测方法浅析

本文主要介绍了灌砂法和钻芯法在路基路面压实度检测中的运用,反映了压实度检测在提高道路工程质量水平的重要性.     

非一致决策表的一种新的水平分解方法

在提出三异等价类和三异组这2个新概念的基础上,给出了基于粗糙集的一种新的非一致决策表水平分解方法。该方法也可以像现有分解方法那样将非一致决策表分解为1个一致决策表和1个完全不一致决策表,但分解得到的一致决策表可能比用现有方法分解得到的一致决策表更大一些,造成的信息损失更小一些。同时,新方法还可以用来分解一部分完全不一致的决策表,而现有方法无法分解这些完全不一致的决策表。     

基于粗糙D-S理论的身份融合方法

综合运用粗糙集方法与D-S证据理论可有效解决身份融合中的一些复杂问题。针对多传感器身份融合中D-S理论获取基本概率赋值存在主观性的问题,提出了一种新的基于粗糙集理论的证据获取和基本概率赋值客观确定方法;利用粗糙集中属性的重要性消除冗余传感器,减少了证据组合的冲突现象。在此基础上,给出了基于粗糙D-S理论的身份融合方法,最后以具体算例验证了方法的有效性。     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

融合WaveNet和BiGRU的网络入侵检测方法

为解决当前入侵检测算法对于网络入侵的多分类准确率普遍不高的问题, 鉴于网络入侵数据具有时间序列特性, 提出一种融合WaveNet和双向门控循环单元(bi-directional gated recurrent unit, BiGRU)的网络入侵检测方法。为解决原始攻击数据分布广、离散性强的问题, 首先对数据进行独热编码及归一化处理, 之后使用WaveNet进行卷积操作, 对数据进行序列缩短处理, 同时使用最大、平均池化融合的方法全面提取数据特征, 最后由BiGRU完成对模型的训练并实现分类。基于NSL-KDD、UNSW-NB15以及CIC-IDS2017数据集进行了对比实验, 结果表明, 所提方法对于上述数据集的准确率分别能够达到99.62%、83.98%以及99.86%, 较同类型的CNN-BiLSTM分别提升了0.4%、1.9%以及0.1%。