一种新的模糊Petri网推理机制

针对模糊Petri网(FPN)建立过程中模糊产生式规则各项参数的确定问题,通过引入一种新的FPN推理机制,利用虚库所和虚变迁构建分层FPN模型。该方法的实现不依赖经验数据,对初始输入无严格要求。仿真实例结果表明,利用该推理机制对非训练样本中的输入数据进行模糊推理,所得的FPN模型具有较强的泛化和自适应能力。     

基于加权FPN的聚驱综合调整系统决策分析

模糊Petri网(Fuzzy Petri Nets, FPN)是一种适合于描述异步并发事件的计算机系统模型,可以有效地对并行和并发系统进行形式化验证和决策分析.针对聚驱综合调整系统知识具有不确定性和模糊性的特点,给出了基于加权模糊产生式规则的加权FPN决策模型.在此模型的基础上,给出了决策推理过程的形式化推理算法.算法考虑了推理过程中的众多约束条件,将复杂的推理过程采用矩阵运算来实现,充分利用了FPN的并行处理能力,使决策推理过程更加简单和快速.并以压裂方式调整为例,说明了该模型具有直观、表达能力强和易于推理等优点,具有较强的实用价值.     

模糊Petri网知识表示方法在入侵检测中的应用

根据网络攻击具有并发性,攻击特征的提取具有不确定性等特点,给出了采用模糊Pelri网实现攻击知识的表达和入侵检测的推理模型。该模型解决了误用入侵检测系统中现有知识表示方法不能并行推理的问题,以及传统的基于Pelri网可达图搜索求解导致模型描述复杂、推理缺少智能的问题。最后通过入侵实例验证了该模型的正确性和有效性。     

一种自适应模糊Petri网及其应用*

模糊Petri网(fuzzy Petri nets, FPN)是基于模糊产生式规则的知识库系统的有力建模工具,但其缺乏较强的自学习能力。在FPN的基础上引入神经网络技术,给出了一种自适应模糊Petri网(adapt fuzzy Petri nets, AFPN)模型。该模型将神经网络中的BP网络算法引入到FPN模型中,对FPN中的权值进行反复的学习训练,避免了依靠人工经验设置带来的不确定性。AFPN具有很强的推理能力和自适应能力,对知识库系统的建立、更新和维护有着重要的意义。     

基于模糊规则集的入侵检测模型

本文提出一种基于模糊规则集的入侵检测模型FR-IDM (Fuzzy Rule-based Intrusion Detection Model),该模型采用模糊规则的表示形式来描述入侵检测知识,在此基础上建立基于模糊规则集的入侵检测模型,然后根据入侵检测信息符合前提的真度和模糊产生式的置信度,计算出该结论的可信度,根据一个激活阀值来决定是否激活该产生式。     

基于神经网络专家系统的入侵检测方法

论文提出了一种基于神经网络专家系统的入侵检测方法。该方法将入侵检测特征值转化为犤0,1犦区间上相应的模糊取值,采用sigmoid函数作为激活函数进行不确定性推理,检测效率较原有的基于规则的专家系统有较大提高。     

基于数据挖掘和模糊理论的入侵检测模型研究

针对大多数系统自适应能力差的缺点，本文提出了一种新型的自适应入侵检测模型。在该模型中采用了数据挖掘技术和模糊综合评判技术，同时采用误用检测技术和异常检测技术相结合的思想，使该模型能够自适应的维护检测规则，研究结果表明该检测模型能够自动的识别不断出现的新攻击行为，大大减轻了人工工作量，提高了检测效率。     

采用分类挖掘模式提取网络入侵模型

在WenkeLee的基于数据挖掘技术的网络入侵检测系统结构基础上,通过融合异常入侵检测模块和误用入侵检测模块,构建了一种新的基于数据挖掘技术的自适应网络入侵检测系统结构。描述了对审计数据进行分类挖掘来提取描述正常和异常行为的特征和规则的方法。采用基于决策树和基于关联规则的两种分类方法实现了改进的结构模型中的建模模块,并挖掘出能够反映网络行为的分类规则。     

基于免疫原理的层次入侵检测模型

针对当前入侵检测系统普遍存在的误报、漏报和缺乏自适应性问题,以人体免疫系统的多层防御结构为基础,结合了误用检测和异常检测两种检测技术,提出了一种基于免疫原理的层次入侵检测模型,详细阐述了该模型的体系结构、工作原理和运行流程.最后给出了自适应检测层的成熟检测规则生成算法、自适应识别算法和检测规则的进化原理.利用此进化原理能不断对规则库里的检测规则实施进化,使之始终保持最有效的检测规则,从而使该模型具有自适应性、动态性和准确性等特点,因此它比其它方法更能满足基于网络的入侵检测系统的要求.     

基于遗传-BP算法的FPN参数优化的研究

如何确定模糊产生式规则的各项参数对模糊Petri网(FPN)的建立意义重要，一直是尚未解决的难题。该文把遗传算法与BP算法相结合，引入到模糊Petri网的参数寻优过程，提出了一种基于二阶段的FPN模型的参数优化策略，该策略实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，经二阶段优化后训练出的参数正确率很高，且所得的FPN模型具有较强的泛化能力和自适应功能。     

模糊Petri网及其在模糊推理中的应用

该文首先引入模糊Petri网(Fuzzy Petri Net)的定义，给出了一个九元模糊Petri网模型，并且详细介绍了模糊Petri网的激发规则。给出了产生式规则的模糊Petri网表示的三种模型，在此基础上提出了一种基于模糊Petri网的推理方法，最后使用模糊Petri网中知识表示和运行的基本算法解决了汽车质量检验和故障分析这一实际问题。实际应用证明基于模糊Petri网的产生式规则的推理具有知识表达能力强，处理不确定知识正确，推理过程简单直观，具有一定的智能推理能力，具有较强的实用价值。     

一种改进的基于规则的带权模糊推理算法

给出了一种基于带权模糊Petri网的模糊推理算法，这种算法可以适用于一类基于规则的系统，即可以对该类系统的带权模糊Petri网模型进行相应的处理。对系统建立了知识表示的带权模糊Petri网模型，使用该算法可以确定用户给定的库所之间是否存在联系，即相应的命题之间是否存在因果关系，可以计算出命题的模糊真值。对具体的算例进行了分析并与已有的算法进行了比较，得出该算法的优点。     

模糊推理Petri网及其在故障诊断中的应用

分析了推理Petri网与传统Petri网的共性和区别,给出了模糊产生式规则推理 Petri网模型.在此基础上,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表 示,此算法充分利用了Petri网的数学理论基础和描述并发系统的能力,具有并行推理能力, 可以同时得到推理后系统的全部状态值.最后举例说明了其在故障诊断中的应用.     

基于扩展的带标识的Petri网的加权模糊推理

为了更加高效计算,并且更加便利地进行加权模糊推理来获得更多的有关加权模糊产生式规则的信息,提出一种某些库所中带有标识的模糊Petri网模型来进行加权模糊推理(WFR).用来标记模糊Petrl网运行的托肯值已经从[0,1]上的实数扩展到了模糊集合.提到的加权模糊推理(WFR)包括了局部权值,确定性因子和阈值等几种知识表示参数,参数用模糊数表示,通过提出的计算模糊推理结果的方法,可以更加高效地计算出最终的推理结果.     

模糊时间Petri网及其时间推理方法

Petri网是一种用网状图形表示系统模型的方法,它能够从组织结构、控制和管理的角度,精确描述系统中事件(变迁)之间的依赖(顺序)和不依赖(并发)关系。但传统的Petri网理论其不足之处在于:它的分析方法主要是可达树分析法和线性代数描述法。可达树分析法是针对某一个初始标识的,一个新的初始标识就意味着需要重新构造可达状态图;当系统存在较多     

基于矩阵运算的Petri网反向推理算法

通过对加权模糊Petri网模型和反向推理算法的研究,建立了加权模糊Petri网的关联Petri网推理模型。在此基础上,提出了基于矩阵运算的反向推理算法。通过实例对算法进行了检验,结果表明该算法具有解决复杂问题的并行推理能力、推理效率高、推理过程简单、容易实现。     

Fuzzy reasoning Petri nets

This paper presents a fuzzy reasoning Petri net (FRPN) model to represent a fuzzy production rule-based system. The issues of how to represent and reason about rules containing negative literals are addressed in the proposed PN model. The execution rules based on the model are defined formally using the operators in max-algebra. Then, a fuzzy reasoning algorithm is proposed to perform fuzzy reasoning automatically. The algorithm is consistent with the matrix equation expression method in the traditional PNs and allows one to exploit the maximum parallel reasoning potential embedded in the model. The legitimacy and feasibility of the proposed approach are proved and validated through a turbine fault diagnosis expert system.     

基于FRPN的水下机器人故障诊断

根据水下机器人系统故障特征的提取具有模糊性和并发性的特点,提出了一种新的基于模糊产生式规则推理的Petri 网模型—模糊推理Petri 网（Fuzzy Reasoning Petri Net,FRPN）,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表示。利用该模型为水下机器人故障系统进行建模,并分析得到系统中各部件故障发生的概率用以指导水下机器人维修中的故障排除。实验表明该模型具有直观、表达能力强和易于推理的优点。