共查询到19条相似文献,搜索用时 76 毫秒
1.
2.
3.
基于模糊关联规则挖掘的模糊入侵检测 总被引:6,自引:0,他引:6
论文把模糊关联规则挖掘算法引入到网络的入侵检测,利用该算法从网络数据集中提取出具有较高可信性和完备性的模糊规则,并利用这些规则设计和实现用于入侵检测的模糊分类器。同时,针对模糊关联规则挖掘算法,利用K-means聚类算法建立属性的模糊集和模糊隶属函数,并提出了一种双置信度算法以增加模糊规则的有效性和完备性。最后,给出了详实的实验过程和结果,以此来验证提出的模糊入侵检测方法的有效性。 相似文献
4.
5.
基于模糊聚类的模糊关联规则挖掘 总被引:2,自引:0,他引:2
通过模糊聚类,从已知数据中得到数据点对数据类的隶属度,并以此进行模糊关联规则的挖掘,从而使得模糊关联规则的发现不依赖于人类专家预先给出的隶属度函数;并且实验表明。聚类并没有带来显著的顿外计算时间,对于大型数据库,文章提出的方法是有效的。 相似文献
6.
提出了一种基于改进的模糊 C 均值聚类的模糊规则提取方法。然后基于所提取的模糊规则给出了一种分类算法,并利用 IRIS 数据对此分类算法进行了仿真测试。结果表明,该算法在训练祥本较少的情况下,仍能得到很好的分类效果,由此说明所提出的模糊规则生成方法有效。 相似文献
7.
基于模糊关联规则的交通事故分析应用研究 总被引:3,自引:0,他引:3
研究发现交通事故潜在规律,预测交通事故的发生,针对关联规则方法用于交通事故分析,对交通的数值型属性无法给出有效地划分,为提高安全管理决策,提出引入模糊聚类,用改进FCM( Fuzzy c-Means)方法对数值属性进行聚类,可用取值的范围对分类属性进行聚类,采用模糊关联规则挖掘导致交通事故的原因和规律.模糊关联规则首先对FCM算法进行了改进,包括隶属度、权值和中心点的计算和修正方法,利用模糊关联规则方法进行挖掘,最后对算法进行了仿真和可视化显示,结果表明模糊关联规则方法挖掘出的规则符合现实情况,为交通管理提供有效的方法. 相似文献
8.
加权模糊关联规则的研究 总被引:1,自引:0,他引:1
1 引言关联规则是展示属性-值频繁地在给定的数据集中一起出现的条件,最常见的是对大型超市的事务数据库进行货篮分析,文[1]提出了解决此类问题的布尔型属性关联规则的Apriori算法。数量关联在股市分析、银行存款分析和医疗诊断等众多方面都有重要应用价值。数量关联用来描述数量型属性特征之间的相互关系,用数量型关联规则来表示,如“10%年龄在50-70之间的已婚人员至少拥有两辆汽车”。文[2]首先讨论数量型关联规则,文中的挖掘算法将数量型属性划分成多个区间,但这样的方法会引起划分边界过硬的缺点。 相似文献
9.
神经—模糊建模平台的设计与应用 总被引:1,自引:0,他引:1
详细论述了采用神经模糊实际建模过程中必须考虑的各种因素,各因素之间的相互影响及关系,以及各不同参数的选择过程,并在Matlab环境下,利用模糊工具箱设计了一个神经-模糊建模平台,给出了一个实际的具体非线性系统建模的应用。 相似文献
10.
本文讨论了基于遗传算法的模糊规则系统,设计了一种加权模糊规则系统,使用遗传算法来学习模糊集隶属函数的位置和形状参数,规则集,包括规则的数目,以及规则的权重.使用Iris数据检验了算法,得到了满意的结果.实验显示,与无权重模糊规则相比,有权重模糊规则能够形成更好的模糊系统. 相似文献
11.
基于模糊逻辑系统一般数学模型,利用最近邻聚类学习算法对样本数据进行自适应分组,并对系统进行训练,从而使模糊逻辑系统具有自学习功能。 相似文献
12.
分类是许多研究领域的关键问题,模糊规则的提取质量对分类器的性能又有着极大影响.所提取的规则不仅在分类能力上要达到最优,同时在规则数量上也不能太多,否则会影响规则搜索和匹配的速度.结合人工免疫的克隆选择原理,采用克隆选择算法,提取通过多精度模糊分割产生的大量模糊if—then规则中的少数精华规则,从而建立了模糊分类所需要的有效规则集合,同时还对优化目标函数进行了改进.经仿真实验证明,该方法所提取的模糊规则具有分类准确率高,规则数目较少等特点。 相似文献
13.
提出了一种设计递阶模糊系统的简易而有效的方法.在得到一个单级模糊系统的基础上,用灵敏度分析法对每一个输入变量的重要性进行排序,从而确定每一级子系统的输入变量.利用减法聚类和自适应神经 模糊推理系统逐级对子系统进行训练.所得到的递阶模糊系统可进一步得到简化.仿真实例证实了设计方法的有效性. 相似文献
14.
15.
16.
The main purpose of this paper is to study a new method to model and predict a chaotic time series using a fuzzy model. First, the GK fuzzy clustering method is used to confirm the input space of the fuzzy model. The goal is to divide the training patterns into representative groups so that patterns within one cluster are more similar than those belonging to other clusters. Then, the Kalman filtering algorithm with singular value decomposition is applied to estimate the consequent parameters of the fuzzy model in order to avoid error delivery and error accumulation. The effectiveness of the proposed method is evaluated through simulated examples, including Mackey‐Glass time series and Lorenz chaotic systems. The results show that the proposed method provides effective and accurate prediction. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society 相似文献
17.
Elif Derya Übeyli 《Expert Systems》2010,27(4):259-266
Abstract: A new approach based on an adaptive neuro‐fuzzy inference system (ANFIS) is presented for diagnosis of diabetes diseases. The Pima Indians diabetes data set contains records of patients with known diagnosis. The ANFIS classifiers learn how to differentiate a new case in the domain by being given a training set of such records. The ANFIS classifier is used to detect diabetes diseases when eight features defining diabetes indications are used as inputs. The proposed ANFIS model combines neural network adaptive capabilities and the fuzzy logic qualitative approach. The conclusions concerning the impacts of features on the diagnosis of diabetes disease are obtained through analysis of the ANFIS. The performance of the ANFIS model is evaluated in terms of training performances and classification accuracies and the results confirm that the proposed ANFIS model has potential in detecting diabetes diseases. 相似文献
18.
为了提高车载噪声环境下语音端点检测的准确性,介绍了一种新的时间序列复杂性测度:模糊熵,并将其应用于语音信号的特征提取。分别以样本熵和模糊熵提取含噪语音信号的特征,使用双门限法对语音信号进行端点检测,特征门限值使用模糊C均值聚类算法和贝叶斯信息准则算法确定。仿真结果表明在车载噪声环境下与样本熵算法相比,模糊熵算法能更好地区分噪声信号和语音信号,具有更好的端点检测性能,相同环境下模糊熵算法的错误率比样本熵算法降低了16%以上。 相似文献