基于云模型和改进证据理论的电力监控系统风险评估

针对电力监控系统风险评估中存在的系统建模不完整、专家评价意见的模糊性和缺乏对系统整体风险的考虑的问题, 提出了基于云模型和改进证据理论的电力监控系统风险评估方法. 首先根据电力监控系统的结构和安全需求, 对电力监控系统的设备、安全目标和威胁进行分析, 建立系统整体风险评估模型; 然后结合FAHP和修正的熵权法, 使用最优化组合赋权的方法得到各元素的权重; 最后利用云模型和改进证据理论完成对电力监控系统的综合风险评估, 得到系统的风险等级. 仿真实验证明了该方法的适用性和有效性, 为电力监控系统的安全管理工作提供了新的思路.     

网络拓扑层次化安全评估综合熵权算法

提出了一种网络拓扑层次化安全评估框架, 并基于该框架设计了一种安全评估过程中风险因素权重计算方法. 该方法在传统的层次分析法的基础上进行了改进, 引入熵权法的概念并进行修正, 在实际运用过程中其计算结果更加合理, 为网络安全态势评估奠定良好基础.     

基于AHP算法的仿真可信度模型的探讨研究

提出了一种引入层次分析法来解决复杂系统仿真可信度计算问题的新思想:对复杂仿真系统进行功能层次分解,通过对其各层功能模块的相对重要性进行两两比较构造出判断矩阵,并对各层元素的权重进行排序和一致性检验,最后得到各层功能模块的可信度相对于系统可信度的组合权重。基于这一思想,建立了基于AHP的可信度评估算法模型,为科学地解决可信度评估问题提供了一种新的思路。     

基于熵的网络学习模糊综合评价方法

在根据网络学习的特点、建立网络学习评价系统指标体系的基础上,提出利用模糊熵理论评价网络学习效果的模型.该模型通过熵权法对各评价指标权重进行修正得到客观权重值,并与主观权重结合计算出综合权重,然后利用模糊理论进行处理得到综合评价值,改善了传统评价方法主观因素影响过多的弊端,提高了评价结果的可信度,并实验验证了该方法的可行性和正确性,确保了网络学习评价公平公正地进行.     

基于客观赋权法的嵌入式软件可信性评估方法研究

以基于证据推理方法的嵌入式软件可信性评估理论为基础,分析需求驱动的嵌入式软件可信性评估过程,并针对评估过程中存在的可信指标间相对权重难量化问题,提出一种基于可信证据熵的客观权重计算方法,用以改进传统方法中常用的主观判断方式。算例分析验证了该方法的合理性和有效性。     

基于ANP-EM分析法的应急预案评估方法研究

针对突发事件应急预案评估问题,提出了基于网络层次-熵权分析法（ANP-EM）的应急预案评估方法,构建了基于ANP-EM的应急预案评估模型。应用网络层次分析法确定突发事件应急预案指标评估的主观权重,采用熵权法对主观指标权重进行客观修正。最后通过对铁路突发事件应急预案的评估验证了该方法的可行性、普适性与系统性。     

一种基于熵权和经验因子的模糊综合评价方法

针对系统综合评价过程中存在各种不确定性的问题,提出了一种基于熵权和经验因子的模糊综合评价方法。将模糊数学理论与综合评价理论相结合,利用模糊集合来表示专家的评价结果,对专家评价意见进行量化;权重的确定采用基于熵权和经验因子的权重确定方法,将由决策矩阵确定的客观权重同由先验知识确定的主观权重结合起来,提高了权重确定的科学性;最后,对专家意见和权重进行模糊合成运算,得出综合评价的最终结果。结合某信息系统的风险评估算例,给出了该方法的应用步骤。     

改进赋权的水体富营养化多维云模型评价

针对现有水体富营养化评价方法中存在的不确定性,以及在确定多评价指标权重过程中无法进行科学解释的问题,本文结合主观赋权法AHP和客观赋权法CRITIC的优势,提出了一种多评价指标综合赋权法,并根据水体富营养化评价标准的非线性特性,将该方法应用于多维正态云模型中。首先,采用主观赋权法AHP参考专家意见,对各水质指标的重要性给出判定,并完成定性与定量之间的转换;然后,采用客观赋权法CRITIC在对大量数据分析的基础上,利用指标的相关性和对比强度显示指标重要性。将2种方法利用综合权重确定公式结合后,用于改进多维正态云模型的权重分配,并基于云模型的期望、熵和超熵的概念对湖库水体富营养化进行评价,进而准确获取水质的富营养化级别。该方法不但解决了水质评价中的随机性和模糊性两大问题,同时还能够充分考虑各评价因素所含信息对结果的影响,将本文方法应用至全国中小型湖库进行验证,结果表明评价等级与湖库实质水质状况相符。     

基于改进D-S证据和融合权集的安全风险评估

针对信息化系统安全风险评估过程中安全风险因素指标的重要性难以赋权的问题,本文以建筑工地施工现场为应用场景,提出一种基于改进的D-S证据理论与融合权集结合的安全风险评估模型.首先,在充分研究建筑工地安全风险评估流程和要素的基础上,建立建筑工地安全评价体系;其次,采用基于权值分配和矩阵分析的D-S合成算法改进AHP法和基于数据的熵权法计算评价体系中指标层中各指标的主、客观权重;然后,运用改进的D-S证据融合算法进行多源证据的合成,获取指标权重,避免单一赋权的片面性,得到最优综合权重;最后,根据TOPSIS评价算法计算建筑工地综合评价指数.分析表明,基于改进D-S证据理论-融合权集的安全风险评估模型,能有效评估建筑工地施工现场的安全性,降低评估结果的不确定性,提高风险评估结果可信度.     

一种基于多属性决策的DDoS防护措施遴选方法

DDoS攻击是网络中最大的威胁之一,选取合适的防护措施,能够更加有效地保护目标网络和目标系统.现有的评价方法对于防护措施选择的指导性不足.针对该问题,首先构建了面向DDoS攻击的防护措施遴选模型(DCSM).在此基础之上,提出基于多属性决策的DDoS防护措施遴选算法.以多属性决策方法综合考虑各方面评估指标;从攻防两方面,以基于历史攻击偏好的方法和熵权法计算重要性权重,消除了传统评价方法中人为指定权重带来的主观性影响.提出的方法为防护措施的选择提供了参考,并通过模拟实验验证了方法的适用性和有效性.     

基于偏好不一致熵的有序决策

针对多规则有序决策系统中的偏好决策问题,根据有序决策的偏好不一致特性,提出了一种基于偏好不一致熵的偏好决策方法。首先,定义了样本的偏好不一致熵（PIEO）,用来度量特定样本相对于样本集的偏好不一致程度;然后,根据偏好决策中不同属性对决策的重要性不同的特点,提出了一种加权的样本偏好不一致熵,并结合属性偏好不一致熵在度量属性重要性方面的能力,给出了一种基于属性偏好不一致熵的权值的计算方法;最后,提出了一种基于样本偏好不一致熵的偏好决策算法。采用Pasture Production和Squalsh两个数据集进行仿真实验,基于全局偏好不一致熵分类后,各属性的偏好不一致熵普遍比基于向上和向下偏好不一致熵分类后的熵值小,而且更接近原始决策的偏好不一致熵,这说明基于全局偏好不一致熵的分类比其他两种情况的分类效果好。分类偏离度最小低至0.1282,这说明分类的结果比较接近原始决策。     

区间值决策信息系统的启发式属性约简

区间值决策信息系统是单值信息系统的一种推广,借助于属性区间值的相似程度在区间值决策系统上引入α极大相容类的概念,定义了一种新的条件信息熵,提出了相对属性内(外)重要度的度量方法,进一步,给出基于α条件信息熵的启发式相对约简算法,通过实验验证了该算法的有效性。     

基于信息熵的形式背景属性约简

属性重要度和属性约简都是形式概念分析研究中的关注重点.通过信息粒的角度,文中提出基于信息熵研究形式背景的属性约简的一些方法.首先,给出形式背景的信息熵、条件熵及互信息等定义,通过条件熵对协调的决策形式背景进行属性约简,得到形式背景的粒协调和熵协调是等价的.然后,在熵不协调的决策形式背景中定义有限信息熵、有限条件熵和有限互信息,利用有限条件熵对不协调的决策形式背景进行属性约简.最后,基于属性重要度分别设计熵协调和熵不协调的决策形式背景的属性约简算法,通过数值实验验证文中算法的有效性.     

基于粗集理论的特征子集选择算法

1.引言长期以来,特征子集选择技术一直是机器学习领域中的关键难题之一。由于学习对象的多样性,尤其是新的系统随着应用的发展而不断涌现,使人们无法用某种特定的工具或方法来完全解决这一问题,新的特征子集选择技术仍然受到人们广泛关注。20世纪80年代初,波兰数学家Z.Pawlak提出一种新的理论工具——“粗集”,用于解决不完整和不精确信息的知识表达、学习及归纳等问题。这一理论的特点是:除了问题所需处理的数据之外,不需要额外提供任何外界信息或     

区间Pythagorean犹豫模糊连续熵及灰色关联度的应用

区间Pythagorean犹豫模糊集,可以更加全面完整地描述决策者给出的决策结果,因此它是一个表示不确定现象的强有力的工具。针对模糊信息下的决策问题,提出了一种基于区间Pythagorean犹豫模糊连续熵的多属性决策方法。提出连续区间Pythagorean犹豫模糊有序加权平均（CIPHFOWA）算子,并提出了区间Pythagorean犹豫模糊连续熵,同时给出了属性权重完全未知和部分已知时的权重确定方法;提出了一种基于区间Pythagorean犹豫模糊连续熵-灰色关联度的多属性决策方法,并通过新型农村医疗制度完善情况评价案例说明该方法的可行性和有效性。     

云环境下Web应用带宽资源预测与管理

针对Web应用带宽资源管理问题,提出了一种基于网络仿真的Web应用带宽需求和服务质量（QoS）预测方法,该方法给出了适用于Web服务的建模框架与形式说明,采用简化的并行负载模型,并运用自动化数据挖掘方法从Web应用访问日志中提取模型参数,并使用网络仿真工具建立系统模型模拟复杂网络传输过程,能够预测不同负载强度下的带宽需求和QoS变化。通过TPC-W基准测试系统验证该方法预测结果的准确性,理论分析和仿真结果表明,与传统的线性回归预测相比,网络仿真可以稳定地模拟真实系统,其对总请求数和总字节数的预测平均相对误差分别为4.6%和3.3%。最后以TPC-W基准系统为例,对Web应用不同带宽伸缩方案进行仿真评估,评估结果可以为Web应用资源管理提供决策支持。     

基于改进向量相似度的区间数动态多指标决策模型及应用

针对决策信息为区间数的不确定性动态决策问题,在属性权重和时间权重未知的情况下,基于改进向量相似度的方法,构建一种兼顾决策信息和决策偏好的动态多指标决策模型.利用区间型决策信息的相对相似性和属性重要度,构造相对相似度最小规划模型以确定指标权重;在综合考虑决策信息时间价值、决策者偏好的基础上,构建极大熵模型以确定时间权重;结合向量相似度计算存在的缺陷,提出一种基于向量投影思想的向量综合相似度测度方法,从而建立不确性动态决策模型,并通过实例分析检验该模型的合理性和有效性.     

权重信息完全未知的二维二元语义多属性群决策方法

针对群决策问题中专家权重和属性权重均未知的情形,提出一种基于二维二元语义表示模型的多属性群决策方法.首先,考虑到不同决策者对二维二元语义信息中第一维信息和第二维信息的相对重要性比重不同,提出一种能够反映出该比重变化对于二维二元语义间比较和距离测度影响的得分函数和距离公式;其次,利用得分函数和距离公式建立目标函数,依据专家意见的熵值确立约束条件,进而构建能够同时求解出专家权重和属性权重的双权重求解模型,再分别针对不同的方案依次进行求解,得到每一个方案假定为最优方案时相应的权重信息;再次,按照所提出的新方法,综合目标函数值的大小对方案进行排序与择优;最后,通过案例分析与对比验证所提方法的有效性和科学性.     

基于相对决策嫡的决策树算法及其在入侵检测中的应用

为了弥补传统决策树算法的不足,提出一种基于相对决策熵的决策树算法DTRDE。首先,将Shannon提出的信息熵引入到粗糙集理论中,定义一个相对决策熵的概念,并利用相对决策熵来度量属性的重要性;其次,在算法DTRDE中,采用基于相对决策熵的属性重要性以及粗糙集中的属性依赖性来选择分离属性,并且利用粗糙集中的属性约简技术来删除冗余的属性,旨在降低算法的计算复杂性;最后,将该算法应用于网络入侵检测。在KDD Cup99数据集上的实验表明,DTRDE算法比传统的基于信息熵的算法具有更高的检测率,而其计算开销则与传统方法接近。     

基于局部熵双子空间的多模态过程故障检测

为了提高非高斯工业过程的检测性能, 提出局部熵双子空间(LEDS)的多模态过程故障检测方法. 运用局部 概率密度估计构建数据的局部熵矩阵, 消除数据的多模态特性. 用Kolmogorov-Smirnov (KS)检验局部熵数据中变 量的正态分布特性, 对高斯分布和非高斯分布的数据分别建立基于PCA的高斯子空间和ICA的非高斯子空间故障 检测模型. 利用Bayesian决策将检测结果转化成发生故障概率的形式, 将检测结果组合成最终的统计信息, 进行故 障检测. 将该方法应用于数值例子和田纳西–伊斯曼多模态过程, 仿真结果表明, 该方法在误报率较低的情况下, 故 障检测率最高, 优于PCA、局部熵PCA(LEPCA)和局部熵ICA(LEICA)方法.