基于神经网络的安全风险概率预测模型

网络安全风险概率预测对分布式网络环境及其内在的不确定事件进行动态分析和评价,是构建网络安全保障体系的重要环节.深入研究网络态势感知中的特征提取、聚类分析、相似性度量和预测方法,提出了一种基于神经网络的安全风险概率预测模型.采用入侵检测数据进行了实例验证,仿真实验结果验证了风险预测方法的可行性与有效性.     

基于模糊控制的滑坡监测预警系统设计

针对目前用于滑坡灾害监测预警的诸多方法中存在的传感器选择种类单一、预警功能与监测数据相分离等问题,设计一种基于模糊控制的滑坡灾害监测预警系统。设计以导致滑坡灾害的主要因素为切入点,运用智能传感器组群对山体进行实时监测,对采集到的实时数据运用模糊控制系统进行处理,最终实现对滑坡灾害发生概率的预测。实验结果表明,该系统对滑坡灾害发生概率的预测达到了较为理想的效果,可为滑坡灾害监测人员的工作提供便利与支持。     

交叉熵算法在企业违约风险评估中的应用研究

系统仿真是风险评价的一种重要手段,针对企业违约预测问题,提出了一种基于交叉熵算法的违约风险评判方法。采用公司未偿还贷款的概率作为衡量违约风险高低的标准,利用交叉熵方法构造企业违约风险识别模型及其算法,并由此估计出发生损失的概率。与传统的预测方法进行比较,结果表明该模型对违约风险具有很强的识别能力,预测精度高。     

泥石流智能监测预警系统设计

针对目前用于泥石流灾害监测预警方法存在的传感器选择种类单一、预警功能与监测数据相分离等问题，设计一种基于模糊控制的泥石流灾害监测预警系统。设计以导致泥石流灾害发生的主要因素为切入点，运用新型传感器对泥石流进行实时监测，借助于模糊控制系统对采集到的实时数据进行处理，最终提高对泥石流灾害发生概率预测的准确性。实验结果表明，该系统对泥石流灾害发生概率的预测达到了较为理想的效果，可为泥石流监测相关工作人员提供便利与支持。     

不完全数据下基于时空相关性拥堵预测方法

交通拥堵预测是智慧交通一个重要组成部分,但是大量的交通数据无法以公开的方式获取。在不完全数据下,提出了一种基于时空相关性的交通拥堵预测方法。该方法采用改进的核密度估计法,使得预测过程中不依赖大量历史数据进行训练,直接利用部分采集到的数据精准地实时地对交通拥堵进行预测。在真实数据集上对提出的交通拥堵预测方法进行验证,实验结果表明了该方法在实时交通预测上的可行性。     

概率神经网络预测股票市场的涨跌

概率神经网络提供了一个贝叶斯决策,并且具有训练速度快,可以实时更换数据的优势,在金融领域的分析预测中有一定的应用价值,文章应用概率神经网络对上证180指数的变化方向进行了预测,结果表明了概率神经网络在预测股票市场涨跌方面的实用性。     

基于贝叶斯网络的软件项目风险管理模型

提出了一种基于贝叶斯网络的软件项目风险管理模型。随着软件项目的进行,该风险管理模型能够利用不断更新的项目数据持续地预测潜在风险,确定风险源并采取适当的应对措施降低风险发生概率。经实践检验,在软件开发过程中引入该风险管理模型能够有效地对风险进行管理,提高软件开发的成功率。     

基于分步特征提取和组合分类器的电信客户流失预测模型

针对电信客户流失数据集存在的数据维度过高及单一分类器预测效果较弱的问题,结合过滤式和封装式特征选择方法的优点及组合分类器的较高预测能力,提出了一种基于Fisher比率与预测风险准则的分步特征选择方法结合组合分类器的电信客户流失预测模型。首先,基于Fisher比率从原始特征集合中提取具有较高判别能力的特征;其次,采用预测风险准则进一步选取对分类模型预测效果影响较大的特征;最后,构建基于平均概率输出和加权概率输出的组合分类器,以进一步提高客户流失预测效果。实验结果表明,相对于单步特征提取和单分类器模型,该方法能够提高对客户流失预测的效果。     

基于动态Markov的热风炉操作预测

针对马尔可夫预测传统的状态划分采用人为确定方法,由预测者的经验决定预测对象的初始状态,状态界限的划分定性分析因素极大的问题。提出根据预测对象数据自身的相似度,采用动态聚类方法对预测对象进行初始状态划分,确定初始状态概率和状态转移概率矩阵,进行马尔可夫预测的方法。该改进的方法在某厂的热风炉操作预测中进行了应用,预测结果表明该方法可以有效指导热风炉操作。     

基于credal网络的软件项目风险管理模型

针对软件项目的复杂性和不确定性,本文在贝叶斯网络基础上,提出了一种基于credal网络的软件项目风险管理模型.该模型不仅能处理专家估计风险因素的影响时给出的不精确概率,还能集结多专家的不同意见.实践证明该模型能充分利用项目数据和专家经验,通过概率推理,有效地预测潜在风险,辅助风险管理者确定风险源并及时采取措施以降低风险发生的概率.     

基于贝叶斯攻击图的动态网络安全分析

针对目前攻击图模型不能实时反映网络攻击事件的问题,提出了前向更新风险概率计算方法,以及前向、后向更新相结合的动态风险概率算法.所提算法能够即时、准确地动态评估和分析网络环境变化问题,对网络攻击事件进行动态实时分析.首先对图中各个节点的不确定性进行具体量化分析,在贝叶斯网络中计算它们的静态概率,之后根据实时发生的网络安全...     

跟车风险的概率估计方法研究

首次将追尾事故发生的过程分为前车减速与前车减速条件下的碰撞两起事件,运用条件概率的思想求出追尾事故发生的概率来表征跟车风险。首先从安全的本质出发提出了跟车风险的表述方法;再从实际道路采集减速度数据,根据实际数据建立密度函数模型。在分析前车减速条件下追尾碰撞条件时,从汽车地面力学理论的角度补充考虑了制动系作用时间、附着系数等影响因素,使模型更接近实际状况,并且将判断的标准由停车距离扩展到了制动全过程的位移。最后,运用视频检测方法提取杭州市道路交通运行数据对估计方法进行了试算。     

基于马尔科夫链的802.15.4协议MAC层数据包服务时间研究

针对802.15.4MAC层数据包平均服务时间优化问题,提出了一个基于超帧结构的节点状态转换机制,并分析了数据包服务时间定义,然后通过对节点状态的马尔科夫链建模,推导出网络主要状态的稳态概率和数据包服务时间的分析式;最后研究了参数NB、BE、SO对节点稳态概率数据包服务时间的影响。研究结果表明,与其它具有休眠的节点模型相比,数据包平均服务时间平均降低了2.3%。模型较好的描述了802.15.4网络节点的工作特点,且均衡的协议参数配置可以改善数据包的传输性能,为提高网络的实时性提供应用参考。     

基于攻击检测的网络安全风险评估方法

为了实时评估网络安全风险,建立了用于描述主机安全状态的隐马尔可夫模型,以入侵检测系统的报警信息作为模型输入,计算主机处于被攻击状态的概率.针对攻击报警,提出了一种新的攻击成功概率计算方法,然后结合攻击威胁度计算主机节点的风险指数.最后利用主机节点重要性权重与节点风险指数量化计算网络风险.实例分析表明,该方法能够动态绘制网络安全风险态势曲线,有利于指导安全管理员及时调整安全策略.     

Worst case dimensioning and modeling of reliable real-time multihop wireless sensor network

Wireless Sensor Network (WSN) should be capable of fulfilling its mission, in a timely manner and without loss of important information. In this paper, we propose a new analytical model for calculating RRT (Reliable Real-Time) degree in multihop WSNs, where RRT degree describes the percentage of real-time data that the network can reliably deliver on time from any source to its destination. Also, packet loss probability is modeled as a function of the probability of link failure when the buffer is full and the probability of node failure when node’s energy is depleted. Most of the network properties are considered as random variables and a queuing theory based model is derived. In this model, the effect of network load on the packets’ delay, RRT degree, and node’s energy depletion rate are considered. Also network calculus is tailored and extended so that a worst case analysis of the delay and queue quantities in sensor networks is possible. Simulation results are used to validate the proposed model. The simulation results agree very well with the model.     

带数据约束的概率实时系统的验证

带数据约束的概率实时系统是指一种既带有概率时间约束又带有数据变量约束的计算系统。目前将离散数据约束和连续时间约束统一在一个概率模型中的规范及验证研究较少。提出了一种既带有连续数据约束又带有离散数据约束的规范——基于连续时间的概率ZIA规范,并给出了它的时序逻辑。对于CTL和PCTL而言,尽管这些逻辑很强大,但是只能反映时序性质,因此提出一个新的形式化语言CTML来表达度量性质查询,同时保留表达时序性质的能力并给出概率ZIA规范的验证算法。     

基于概率模型的实时修正IMM目标跟踪算法

针对传统的IMM算法采用固定测量噪声协方差矩阵和Markov转移概率矩阵导致模型切换缓慢,跟踪精度下降的问题,提出了一种具有模型概率实时修正的IMM机动目标跟踪算法。该算法在监控区域上建立无线电指纹库,利用支持向量回归算法训练得到观测模型。引入模糊神经网络,在模型交互输出阶段自适应地调整测量误差协方差矩阵。根据IMM子模型中连续时间点之间的模型概率的比值,对Markov转移概率进行修正。仿真结果表明,提出的方法在实时性、跟踪精度方面具有良好的性能。     

融合模糊神经网络与时序模型的火灾预警算法

为有效解决传统火灾监测器误报率高的问题,提出一种结合模糊神经网络(FNN)模型和温度时序模型(TSM)的火灾预警算法,即FNN-TSM,其研究对象包括综合管廊中的3个火灾特征参数:温度,烟雾浓度和一氧化碳浓度。建立FNN模型,获得每个数据点的孤立火灾概率;建立TSM以探测特征参数的变化率,获得每个数据点的时序火灾概率;采用复合火灾决策方法,获得最终的火灾概率。实验结果表明,该算法比其它算法具有更高的火灾预警准确率和实时性。     

基于改进贝叶斯模型的信息安全风险评估

 随着信息化时代的到来,信息安全问题变得日益复杂与多样,因此急需一种高性能的解决方法。本文在前人的研究基础上进一步改进贝叶斯网络模型在信息安全风险评估中的应用。首先分析信息系统风险元素种类,提出一种新的确定风险因素的方法,即建立因素之间常见关联关系;然后依据因素关联关系确定信息系统指标体系,并结合经验积累的条件概率,利用Matlab贝叶斯网络工具箱（BNT）构建完整的贝叶斯网络风险评估模型,其中包括对评估流程、方法使用及风险等级确定的分析;最后通过实例分析改进的贝叶斯评估模型,对实验数据推理出风险各等级概率。仿真结果与实际结论相一致,表明改进的贝叶斯评估模型能够准确反映信息系统安全风险等级,是一种有效且合理的评估方法。     

基于实时技术的大气颗粒物在线分析系统

针对环境监测中,难以实时在线处理海量颗粒物数据的问题,提出了一种基于实时技术的大气颗粒物在线分析系统,实现了颗粒物统计、浓度变化、来源解析等功能.该系统利用实时数据库来实时采集、存储海量大气数据,解决了环境监测中数据的海量问题;同时,引入自适应共振神经网络算法和逻辑回归模型进行数据分析,成功降低数据规模,提升数据分析速度.实践表明,该在线分析系统能在合理时间内得到准确的分析结果,具有重要的实际意义.