基于模糊校正的深度时序信息安全评估算法

针对现有信息安全评估算法对多专家主观态度偏差的处理不足,并且传统时序机器学习模型无法应对时间段内偏差积累等问题,提出一种基于深度模糊校正的深度时序信息安全评估算法。该算法首先通过三角模糊函数构建专家模糊评估指标,并采用改进的加权DS证据推理校正指标,然后创建损失和可能性矩阵特征,最后使用深度时序网络评估信息安全。在MIT数据集上进行了仿真实验,实验分别分析了特征是否能够应对多专家冲突,以及评估算法的正确率,鲁棒性和时间效率等指标。实验结果表明,本文提出的算法拥有更强的模糊评价能力,对专家间的冲突意见处理能力更强,在时序上的信息安全评估更准确,鲁棒性更高,但是算法效率却得到了保持。     

基于改进证据理论的物联网安全态势评估

传统证据理论的物联网安全态势评估模型通过专家经验获取物联网态势BPA值,缺乏科学客观性,导致物联网安全评估结果不理想,本文提出基于改进证据理论的物联网安全态势评估模型。首先采用D-S合成规则从mass函数、信任测度与似然测度三方面构建物联网安全态势评估模型,获取的评估结果稍有偏差;然后将采集态势指标输入到GA-BP神经物联网操作层训练学习输出最佳态势BPA,最后基于最佳态势BPA的D-S证据融合流程获取准确的物联网安全态势评估结果。实验结果表明,本文模型能够准确挖掘云计算服务器故障的变化特点,获得了理想的云计算服务器故障诊断结果。     

鲁棒性证据理论的煤层底板突水预测

为解决证据理论存在的鲁棒性差、证据源冲突程度过大时融合结果不佳等问题.提出了一种鲁棒性证据理论,该理论所具有的鲁棒性弥补了D-S证据理论的不足,使冲突证据源合成结果更理想,鲁棒性更强.并将鲁棒性证据理论与多神经网络相结合建立了一种煤层底板突水预测模型,实验结果表明:所提出的基于鲁棒性证据理论的突水预测模型较已有的基于D-S证据理论的突水预测模型预测结果准确率相对更高,效果更好.     

基于主客观证据融合的高炉悬料预测方法

针对高炉关键异常炉况悬料难以预测的问题,基于D-S证据理论,提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先,结合高炉生产过程和悬料现象,分析悬料形成的内在机理;其次,通过模糊专家推理提取基于专家规则的主观证据,再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据;最后,基于D-S证据理论完成主客观证据融合,实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力,能够提高预测精度.仿真结果表明本文提出的方法有效、准确.     

基于信息融合的网络安全态势感知模型

在分析已有的安全态势评估和预测方法的基础上,提出了基于信息融合的网络安全态势感知模型.该模型采用D-S证据理论对多源网络安全数据进行融合,计算漏洞、服务、主机、网络的安全态势值.同时根据历史安全态势评估结果,利用支持向量回归理论对未来态势进行预测.相比已有的安全态势评估和预测方法,该模型的结构更加完整,结果更为准确有效.     

基于高度冲突专家意见融合的水利工程应急决策

为解决D-S(Dempster-Shafer)证据理论无法有效集结高冲突专家意见对水利工程应急决策结果的影响,提出了基于Lance距离和信息熵改进D-S证据理论的水利工程应急决策中的专家意见融合方法。首先,利用改进的直觉模糊熵计算属性权重,充分考虑了决策信息的模糊性,得到各专家对方案的Mass函数;然后,使用Lance距离衡量任意两个专家之间的冲突和差异性得到评价证据的可信度,使用信息熵描述专家决策时的随机性问题得到评价证据的不确定度,并将二者折扣处理后得到专家综合权重,保证修正权重的准确合理;最后使用D-S证据组合规则计算修正后各专家对方案的Mass函数,得到最终决策结果。通过实例分析及方法对比验证了模型的有效性,结果表明,提出的方法可以有效集结高度冲突专家意见,与其他方法相比融合结果精度更高,考虑问题更为科学有效,可为水利工程应急决策提供依据。     

异构网络多传感器信号冲突处理架构的研究

为解决异构多传感器网络环境下出现的告警信息冲突问题,提出了一种基于网络安全态势感知的告警信息冲突处理架构模型.通过设置各传感器针对不同形态攻击的置信度和权重,来改善D-S证据理论数据融合的结果,以及应用模糊认知图模型进行全局告警信息融合,解决告警信息冲突问题.     

基于振动时频图像和D-S证据理论的内燃机故障诊断

为抑制循环波动性对内燃机故障诊断结果的影响,引入D-S证据理论,提出一种基于内燃机振动时频图像、局部非负矩阵分解、BP神经网络和D-S证据理论的内燃机故障诊断新方法。首先采用平滑伪魏格纳分布(SPWVD)方法对8种不同气门状态的缸盖振动信号进行分析得到振动时频图像,然后用局部非负矩阵分解(LNMF)方法提取时频图像的特征参数并组成训练集和测试集,用得到的训练集对BP神经网络进行训练,再把测试集输入到训练好的BP神经网络,将输出的结果转化为基本概率赋值,用Deng加权平均证据合成规则对同种状态下不同图像的证据进行合成,并利用合成后的结果进行诊断分类。实例分析结果表明,基于振动时频图像和D-S证据理论的内燃机故障诊断方法可以有效抑制内燃机循环波动性对诊断结果的影响,能够准确诊断不同类型的气门故障。     

一种基于AHP-未确知模糊理论的云计算环境下供应链信息协同风险评估

针对云计算环境下供应链信息协同风险具有动态性以及评价指标模糊性和不确定性的特点,提出基于AHP-未确知模糊理论的供应链信息协同风险评估模型,构建了云计算环境下供应链信息协同风险评价指标体系,并应用AHP法确定各个风险因素的权值,结合评分专家的可信度并用未确知理论得到模糊关系矩阵以提高模糊综合评判法的精度,最后通过实例证实了该评估模型的合理性和可行性.     

船舶动力装置监测与故障诊断系统研制

结合模糊神经网络(Fuzzy Neural Network,FNN)与Dempster-Fhafer(D-S)证据理论,研制开发了船舶动力装置数字化监测与故障诊断系统.该系统由信号采集系统、软件控制系统和分析系统组成,主要对主推进机组、柴油发电机组、辅机进行监测.采用压力示功图法和瞬时转速法对主机运行状态进行实时动态监测,且并行构建热力性能参数和瞬时转速2个子模糊神经网络,再运用D-S证据理论进行主机状态信息融合判断,最后得到故障诊断结果.试验表明,该系统的实时性、测量精度满足要求,而且运用FNN与D-S证据理论进行故障诊断具有较高的可靠度.     

基于区间直觉模糊和证据理论的军机研制风险评估

文章针对军机研制过程中不确定性因素多、风险大的问题,根据"证据折扣"思想,提出了一种基于区间直觉模糊和改进D-S证据理论的风险评估方法。首先,构建了军机研制风险评估指标体系,提出了基于指标不确信度的Mass函数构建方法;然后,提出了基于区间直觉模糊熵的指标权重确定方法,将各要素的指标集关于评语集的评估证据进行修正与合成;最后,提出了融合冲突系数和Jousselme距离的证据冲突度计算方法并以此度量要素权重,将各要素关于评语集的评估证据进行修正与合成,确定了风险等级。算例结果验证了方法的可行性和有效性。     

冲突证据的D-S改进算法在容量评估中的应用

为了准确地评估机场容量,考虑评估中证据冲突时D-S证据理论的完备性,提出了一种新的证据组合方法,并引入到动态容量评估中。该方法不改变D-S证据理论的融合规则,引入证据可信度的概念。基于证据间存在的相容性及排斥性,把证据分为可信部分和不可信部分并分别进行数据处理,运用D-S证据理论融合数据。由此建立基于处理冲突证据的D-S改进算法机场动态容量预测模型,并将该模型应用在国内某机场的动态容量预测过程中进行验证。实验结果表明:该方法可以有效处理容量评估过程中的冲突证据,优化后的可信度提高了0.166 9,降低了评估过程中的主观性和空中交通管理决策的风险。     

基于Vague集模糊熵和D-S证据理论的多属性群决策方法

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于位置子市场划分的房价贝叶斯概率模型

针对方案属性值为Vague值且考虑专家评分可信度的多属性群决策问题,提出了一种基于Vague集模糊熵和D-S证据理论的多属性群决策分析方法。该方法充分考虑各专家给出的Vague值评价信息中所蕴含的模糊性与不确定性,借助模糊熵来获取与专家自身意见相匹配的评分可信度序列,其完全由数据驱动,弥补了传统方法对可信度主观统一设定的不足。首先,基于各专家原始决策矩阵获得各属性下的Vague集模糊熵,以构建与专家集相对应的评分可信度矩阵;其次,对经可信度调整后的各专家决策矩阵使用证据合成进行信息集结,利用Vague集记分函数并经可信度调整得到属性权重;最后,将专家群体集结信息经属性权重加权修正后算出各方案最终的Vague评价值,进而使用记分函数获得各方案综合得分,筛选出最优方案。利用证据理论在不确定信息融合方面的优势和Vague集记分函数的信息转化功能,通过证据合成和记分函数集结专家群体的评价信息,所得出的决策结果更加客观、合理,并通过一个具体算例验证了所提方法的可行性和有效性。     

基于专家信任度的弹道导弹目标识别方法

为了改进弹道导弹目标识别过程中多传感器系统传输数据容易产生冲突,以及现有D-S改进算法对冲突证据与不冲突证据难以统一融合的问题,提出了基于专家信任度的弹道导弹目标识别算法,并给出了基于专家信任度的弹道导弹目标识别系统模型和专家知识库模型。新算法将收集到的证据分为冲突证据和不冲突证据,冲突证据集采用专家评判系统进行评判,不冲突证据采用传统D-S理论进行融合,然后将两者得到的结果进行再融合,得到决策结果。实例分析表明,与现有方法相比,新方法不仅能够在证据一致性很好时具有很高的精度,而且当证据高度冲突时也具有很好的融合效果。     

基于可拓层次分析法的校园网络安全评估指标体系研究

文章从校园网络安全因素入手,构建了包括目标层、准则层和指标层3个层次的校园网络安全评估指标体系;利用可拓层次分析法对校园网络安全评估指标体系权重计算进行了研究,解决了在构建模型中对指标的模糊主观判断不准确和判断矩阵不具有一致性的问题;根据校园网络拓扑结构和节点度,对3类典型用户样本群进行了网络安全风险评估分析。     

基于粒子群优化的网络安全态势要素获取

针对网络安全态势感知中态势要素获取困难问题,给出一种基于粒子群优化的网络安全态势要素获取模型.在获取模型中,引入模糊技术对输入的历史态势要素集进行模糊化预处理后,转化为模糊逻辑规则,映射到神经网络层与层之间,以提高神经网络的学习能力.利用粒子群优化算法优化神经网络的连接权以提高神经网络的学习精度和速度.仿真实验结果表明,该模型是一种有效可行的态势要素提取技术,并具有较好的泛化能力.     

D-S证据理论在多传感器故障诊断中的改进及应用

为了解决在多传感器信息融合处理故障诊断过程中,传统证据理论对含有冲突证据的处理结果与实际相悖的问题,介绍了传统D-S证据理论的基本构架,分析了其在处理含有高冲突的证据融合过程中将高信任度分配给小可能故障源的不足,提出了一种新的基于模糊成员函数和证据平均距离的证据调整方法,该模糊成员函数充分考虑了专家知识对基本概率分配函...     

电力信息网络安全态势评估方法

电力信息网络安全态势评估是当今网络安全领域研究中的热门领域.但现有基于神经网络的网络安全态势评估方法效率较低,且容易陷入局部最优导致评估精度不高.提出一种改进人工蜂群优化神经网络的网络安全态势评估方法.首先,通过引入混沌序列改进人工蜂群算法提高蜂群的多样性,使其具备更强大的全局搜索能力.然后,利用改进的蜂群算法代替反向传播算法来优化神经网络的各权值参数.最后,新方法对真实的电力信息网络攻击实验进行了安全态势评估预测.与传统的评估方法相比,基于改进的人工蜂群和神经网络的安全评估方法提高了安全评估精度,加快了收敛速度.     

一种定制指令集处理器ASIP评估指标权重抽取技术

针对现有的评估方法中,人为指定指标权重而导致的评估准确性低的问题,基于模糊数学中模糊判断矩阵的相关理论,提出一套ASIP评估指标权重的抽取方法.首先利用模糊矩阵对评估指标中任意两个指标的重要程度作出判断,并将判断的可靠程度量化,然后利用偏差函数求解最接近于ASIP设计者提供的模糊判断矩阵的一致性矩阵,从而获得ASIP评估指标权重.