因子分析和神经网络的信息系统风险评估模型

风险评估是信息系统应用必不可少的一项技术,为此,提出一种因子分析和神经网络的信息系统风险评估模型。构建可有效描述信息系统风险情况的信息系统风险评估指标体系,采用因子分析法消除指标相关性、降低风险评估指标体系复杂度,获取公共评估指标;采用灰狼优化(GWO)算法优化BP神经网络,解决其收敛速度慢、容易陷入局部最优、初始化参数具备较强依赖性等问题;将所获公共指标作为GWO-BP神经网络的输入数据,建立信息系统风险评估模型,实现信息系统风险评估。在Matlab环境下完成模型仿真验证,结果表明,所提模型可有效降低风险指标相关性,提升信息系统风险评估的速率,且收敛速度快、信息系统风险评估准确性高。     

基于因子分析和神经网络信息风险评估系统设计

针对传统信息风险评估系统设计评估准确度较低的问题,设计基于因子分析和神经网络的信息风险评估系统。该系统设计在原有硬件构成的基础上,将微处理器与控制器相连接,形成管控中心,利用寄存器组、直接存储器、定时器等构成控制器群组,构成新的评估系统组织结构。基于因子分析设置信号连续采集和定时采集程序,确定神经网络中信号所处位置节点,计算评估差异参数,对信息进行风险评估等价划分,至此该系统设计完成。实验结果表明,在微型处理器的管控下,设计的信息风险评估系统评估准确度比传统设计高出6.44%,符合实际需求。     

涉密信息系统信息安全风险评估

对于信息系统正常运行而言,信息安全风险评估是有效方式之一。本文在分析涉密信息系统风险评估基本内容的基础上,对于具体的风险评估过程进行阐述,希望可以确保涉密信息系统的信息安全。     

电力信息系统动态风险评估方法研究

信息系统风险评估是对信息系统的资产面临的威胁、存在的弱点、造成的影响,以及三者总和作用而带来风险的可能性的评估,是实施信息系统风险管理的基础。为了对电力信息系统的安全性能进行动态评价,结合实体行为对系统风险的影响,对现有的静态风险评估算法进行了改进,给出了基于电力信息系统的一种动态风险计算方法,理论分析和结果表明,改进方法提高了评估结果的可靠性和时效性。     

信息系统安全风险评估研究

介绍信息系统安全风险分析的概念,分析安全风险评估的基本要素和常见的系统风险评估模式。文章在此基础上,系统性考虑了信息系统所面临的安全威胁、存在的脆弱性以及已经确知的安全控制策略等因素,提出一种信息系统安全风险评估的流程,从而提高风险评估的准确性。提出的安全风险评估流程,综合考虑了信息系统所面临安全威胁、潜在脆弱性以及安全防护确知等因素,可以在一定程度上提高安全风险评估的有效性和准确性。     

广州电力光缆网络风险评估模型研究

针对电力通信光缆网络的现状,文章提出了一种基于多指标评价法的电力光缆网络风险评估模型,同时给出了光缆风险评估指标的定义及评分方法,为电力光缆网络的优化改造提供了依据。     

部队院校信息系统安全风险评估的多级优选模型设计

风险评估是保证信息系统安全的基础和关键性技术.针对部队院校信息系统安全风险的评估问题,本文分析了信息系统安全管理的规定,建立了部队院校信息系统安全风险评估的衡量指标体系,利用组合熵权法,得到各级衡量指标的权重,建立部队院校信息系统安全风险评估的模型,并运用MATLAB,将此方法实现了计算机程序化.为部队院校信息系统的安...     

涉密信息系统风险评估与安全测评实施

风险评估与安全测评是两种不同的安全评估活动,在信息安全建设中占有重要地位。论文通过介绍风险评估与安全测评的基本概念及相互关系,针对涉密信息系统的特殊性要求,深入探讨了涉密信息系统风险评估与安全测评的具体可操作的实施方法。     

涉密信息系统中风险评估开展过程的研究

信息安全风险评估是一种保障信息系统正常运行的有效方式,文章阐述了军工企业涉密网络信息安全的特点,分析了军工涉密信息系统中开展风险评估的几个过程,包括：风险评估准备、风险评估调研、风险分析、风险处置。     

因子分析和神经网络相融合的体育成绩预测模型

预测体育成绩是制定科学体育训练规划的关键,针对当前模型预测精度低的问题,提出因子分析与神经网络相融合的体育成绩预测模型。根据体育成绩先验信息构建自相似回归模型,对体育成绩数据进行经验模态分解和因子分析,采用BP神经网络建立体育成绩预测模型,并通过仿真实验对性能进行测试,结果表明,采用该模型进行体育成绩预测的精度较高,收敛性较好。     

基于BP神经网络的客户信用风险评价

我国商业银行信用风险管理不足,已经严重影响银行的发展,因而银行需要重视客户信用风险评估。分析了银行信用风险的成因及评估存在的问题,从企业的财务情况出发,建立了客户信用风险评估指标体系。随机选取了我国制造业的160个上市公司样本,包括36个ST企业和124个非ST企业,并基于三层BP神经网络对样本进行训练及仿真测试,研究发现BP神经网络适用于信用风险评估,且其准确性优于Logistic回归模型。最后,从银行、企业、政府三个角度出发,对我国商业银行信用风险管理提出了一些建议及对策。     

基于SOFM神经网络的口语教学质量评价模型研究

为了对高校英语教师的口语课堂教学质量进行评价,文中提出了利用SOFM神经网络进行口语课堂教学质量评价的方法,建立了基于SOFM神经网络的教学质量评价模型,并对模型进行训练和泛化能力测试。仿真结果表明:建立的评价模型能够根据获胜神经元在竞争层的位置对教师的教学质量进行分类,收敛速度快,分类准确率高,泛化能力强,验证了模型的有效性。     

基于人工神经网络的长江水质评价模型

为了能够客观地对长江水质进行评价,在分析人工神经网络原理的基础上,通过对水质污染指标浓度生成样本的方法,生成了适用于人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于长江水质评价的人工神经网络模型。将该模型用于长江水环境评价,通过模型的计算,得到长江水质类别。评价结果表明该模型设计合理、泛化能力强,对长江水质评价具有较好的客观性、通用性和实用性。     

基于小波分析与神经网络的组合导航的研究

针对GPS/DR组合导航存在GPS信号被遮挡时无法对DR零点更新以及运动的高动态性造成卡尔曼滤波难以完全适应数据融合的问题,提出采用联邦卡尔曼滤波器数据融合与小波变换和正则化神经网络的DR位置预测模型相结合的方法。该方法由联邦卡尔曼滤波器得到较为精确的导航信息,与利用小波变换在不同尺度上融合所得到的误差信号输入神经网络,经过训练获得预测误差,在GPS信号失效时与导航信息相加实现精确实时定位。仿真计算结果表明,该方法可以提高导航系统的精度和速度,该模式有较好的鲁棒性,具有实用价值。     

基于神经网络的电缆火灾致灾因素分析建模与仿真

针对电缆火灾致灾定性、定量因素并存,且各因素存在时序特征与非线性关联的问题,提出了基于层次分析法与神经网络的电缆火灾致灾因素分析模型,并提高了因素分析的准确性和鲁棒性.该模型采用层次分析法对致灾因素进行逐级分析,建立了神经网络模型,对各定性、定量因素以及其特征值进行转换,并将其作为神经网络的输入进行模型训练,从而建立致...     

一个基于随机神经网络的信息传输系统模型及其实现

提出了一个基于随机三层前向网络的信息传输系统（ITS）模型。在此系统框架下，把编码、信道与译码统一考虑，设计系统完成信息的智能传输。与传统的编译码相比，该模型具有很大的通用情形与自适应性。通过把BP算法引入随机神经元的学习，从而推出信息传输系统的学习算法（ITBP）。对于二进对称信道传输仿真结果表明了此模型的有效性及特点。     

神经网络通信故障检测

提出一种基于神经网络的通信设备故障检测手段,通过神经网络的宏观计算,化简故障分类策略,填补了现有故障检测手段的盲区,极大地提高了通信设备的可靠性.     

基于自组织特征映射神经网络的聚类分析

在深入研究自组织特征映射（Self-organizing Feature Mapping,SOFM）神经网络的结构和聚类算法的基础上,阐述了SOFM网络的建立方法.以随机二维向量的聚类为例,利用所建立的SOFM网络模型对输入的随机二维向量进行聚类,并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下,SOFM网络模型的权值向量的调整过程.仿真结果表明：在输出层神经元节点形式为六边型条件下,输出层神经元的个数越多,SOFM网络模型的聚类结果就越准确;在相同的拓扑结构条件下,训练步数越大,SOFM网络聚类结果越准确,但过大的训练步数对于聚类结果的影响甚微.