基于协议分析与PNN组合的网络异常检测

提出了一种基于协议分析与概率神经网络结合的网络异常状况检测方法。该方法首先基于网络协议分析,对网络运行中的敏感数据进行捕获及状态扫描;然后结合Baycs最小风险准则和基于Parzen窗的概率神经网络（PNN）,对网络特征数据与网络基线数据进行比较判断,从而及时、准确地检测出网络发生的异常状况。     

一种新的径向基概率神经网络模型(Ⅰ):基本理论

文中在径向基函数网络（ＲＢＦＮ）和概率神经网络（ＰＮＮ）的基础上，提出了一种径向基概率神经网络（ＲＢＰＮＮ）模型，这种网络保留了前两种网络模型的优点，既可以减少网络连接权值的训练时间，又能减少网络隐单元的数目，同时，网络用于测试的时间也较ＲＢＦＮ明显地下降．     

基于神经网络的变压器故障诊断方法研究

针对概率神经网络(PNN)模型强大的非线性分类能力,PNN能够很好地对变压器故障进行分类;文章通过对PNN神经网络的结构和原理的分析,应用PNN概率神经网络方法对变压器故障进行诊断;通过实例仿真表明,PNN网络的训练时间比BP网络少,比之预测准确度也要高,而且还具有高度的泛化能力,这使得PNN网络可以有效地运用到变压器故障诊断中,具有一定的可操作性。     

基于PNN的飞机发动机故障诊断研究

鉴于概率神经网络良好的分类性能,提出一种基于PNN的飞机发动机故障诊断方法,成功对三种典型飞机发动机转子故障做出了正确诊断。研究表明,PNN网络诊断准确,对测量噪声有良好的鲁棒性,具有较好的工程应用前景。     

基于概率神经网络的寄生虫卵显微图像识别

病原体(虫卵)检测是诊断寄生虫病的最常用和最可靠的方法。该文对寄生虫卵显微图像的自动识别进行了研究,设计了一个基于概率神经网络的分类器。通过对血吸虫等9种寄生虫卵的显微图像进行自动识别,取得了平均正确识别率为99.23%的较好结果。     

改进的概率神经网络的语义区域分类

针对彩色图像信息量大,分割效果自适应性差的问题,对图像语义区域的分割精度进行控制,提取图像的纹理特征值,再通过改进后的概率神经网络模型对测试样本做分类测试,达到提高图像语义提取和分类准确性的目的。实验表明,改进后的概率神经网络对彩色图像语义区域分类的正确性由原先的70%提高到90%,具有较好的分类效果。     

基于概率神经网络的入侵检测技术

提出一种基于概率神经网络的高效入侵检测技术。对网络数据处理、概率神经网络的训练与检测及其算法进行分析。在网络训练中,提出一种基于实验数据选择概率神经网络关键参数的方法,分析该方法的可行性。实验表明通过此方法能使入侵检测系统具有更高的检测精度和效率。     

传感器网络定位问题的概率特征

无线传感器网络技术在国民经济建设和军事领域有着非常重要的应用价值,网络化传感器节点的自身定位问题是传感器网络运行的一个基本和关键问题,主要是研究了定位问题的概率性行为特征.采用概率论进行数理证明和模拟实验验证.提出在一定条件下,通常定位算法产生的节点估计位置的线性变换形式服从χ\\+2分布,另外传感器网络的节点连接度服从泊松分布,理论上严密证明了结论的正确性,并对传感器网络定位的节点部署密度所需要的条件进行模拟实验和讨论.得出了定位误差的概率分布特征,以及传感器网络节点部署密度的一些结论,对设计和评价传感器网络的定位算法具有指导作用.     

异构信息网络数据上的融合概率图模型

针对异构信息网络中存在多种数据目标类型,以及多种数据连接关系的问题,将多个主题模型和马尔科夫逻辑网相结合,提出了一种融合概率图模型。多个主题模型可以分别描述不同数据目标子空间的主题分布,实现对多种数据目标的预处理。用一阶逻辑子句描述的连接规则构建马尔科夫逻辑网,将每个主题模型中的不同数据目标连接起来。通过使用Gibbs采样,可以对异构网络进行参数学习和推理。在国际通用的异构信息网络DBLP数据集上的实验结果表明,使用融合概率图模型能够更好地表示不同的数据目标和连接关系。实验对比了4种典型的分类方法,多次采样得到的分类结果稳定,对作者、文章和会议取得了较好的分类结果。     

评估网络整体连通概率的算法

提出了一种评估网络整体连通概率的新方法.该方法提出了如何化简网络状态空间,并将状态空间进行多级分解,以缩减状态向量的规模.对分解所得的每一个网络状态向量,提出一种构造子网的方法来判断此向量的是否能保持原网络的连通性,通过迭代运算用网络整体连通概率的上下界来估计其真实值.与传统算法相比,该方法具有计算速度快、收敛性好、通用性较强,适合大规模网络近似计算的特点.     

移动机器人异常检测及避让策略

异常运动状态识别对移动机器人航迹推算、定位、导航以及机器人安全等至关重要。该文以自行研制的移动机器人为研究对象,分析了4个驱动轮的状态特点(正常、打滑、受阻、卡死),提取了8个反映4个驱动轮状态的特征,识别了驱动轮运动状态,针对受阻和被卡死两种异常设计了避让策略。实验结果表明,该方法可以有效地识别不同的运动状态,并可以进行有效的避让。     

基于动态贝叶斯网络的防空作战威胁估计

准确的对战场目标威胁等级进行评估,是战场辅助决策系统的重要环节。通过对威胁估计过程的理解,全面分析了影响威胁等级的评估参数,建立了威胁估计的贝叶斯网络模型,并采用动态贝叶斯网络推理方法进行威胁估计,使目标的各个特征因素以及不同时间片的同一特征因素相互修正,克服了由于专家系统的评估所造成的不确定性和主观性,最后进行了仿真。仿真结果表明,基于动态贝叶斯网络的威胁等级评估算法是一种有效的评估算法,其结果能够比较准确地反映威胁源的真实威胁程度。     

自组网Random Waypoint移动模型节点空间概率分布的研究

Random Waypoint模型是自组网经常使用的移动模型,对这种移动模型下运动节点的空间概率分布进行了研究,得到了一维与二维区域的运动节点空间概率分布的精确公式,解决了自组网仿真模型的一个遗留问题．研究结果为基于Random Waypoint移动模型的自组网理论的推导、证明、仿真与应用提供了理论依据,对基于该模型的自组网仿真具有实践指导意义．     

一种信度网推理的并行计算模型

基于概率知识表达的信度网已成为人工智能中非确定知识表达和推理的研究热点。推理算法是信度网学习和应用的基础。该文提出了一种基于经典Polytree算法的推理计算模型。该模型表达清楚,计算过程容易控制,并能够简单地映射到并行机结构上。该文首先介绍了模型在单联通网络下的计算步骤,然后将模型引入到多联通网络上。     

代价敏感概率神经网络及其在故障诊断中的应用

针对传统的分类算法人多以误分率最小化为目标,忽略了误分类型之间的差别和数据集的非平衡性的问题,提出代价敏感概率神经网络算法.该算法将代价敏感机制引入概率神经网络,用期望代价取代误分率,以期望代价最小化为目标,基于期望代价最小的贝叶斯决策规则预测新样本类别.采用工业现场数据和数据集German Credit验证了该算法的有效性.实验结果表明,该算法具有故障识别率高、泛化能力强、建模时间短等特点.     

贝叶斯网络结构学习的发展与展望

从最初的概率贝叶斯网络构建阶段到涌现大量研究成果的因果贝叶斯网络结构学习阶段,本文完整地回顾了贝叶斯网络结构学习的整个发展历程,并对该领域当前存在的问题及相关研究进行分析论述,给出了研究展望.值得一提的是,贝叶斯网络结构学习正在成为因果数据挖掘的主流.     

自组网Random Direction移动模型点空间概率分布的研究

在无线自组网的研究中,研究移动模型点的空间概率分布是研究自组网协议的仿真评价和分析移动自组网许多相关特性(例如网络连通性、最小生成树、平均路径长度、网络容量等)的重要的基础问题．针对自组网经常使用的Random Direction移动模型运动节点的空间分布进行了研究,给出了一维及二维情况下运动节点空间概率分布的精确公式．研究结果为基于Random Direction移动模型的证明、仿真与应用提供了严格的理论依据．     

基于PNN的煤炭输送机减速器齿轮故障诊断

针对煤炭输送机减速器出现的故障,提出在多信息融合模型的特征层使用概率神经网络(PNN)对其进行故障诊断的研究。使用PNN、BP对减速器齿轮故障进行仿真实验并比较,结果表明PNN在时间、准确度方面优于BP网络。     

基于概率模糊认知图的混合入侵检测方法

结合模糊认知图理论，构造基于概率模糊认知图（PFCM）的攻击图来描述入侵行为，提出一种结合误用检测和异常检测的基于PFCM的混合入侵检测方法．该方法用模糊概念描述异常，用数值运算代替模式匹配，并利用概率测度有效表示各因素问关系的不确定性．构造基于PFCM的Smurf攻击图并进行检测实验，实验结果表明该方法能在保持高检测率的情况下降低误报率，并具有较好的鲁棒性．     

Ad Hoc网络中基于方向预测的能量感知路由协议

针对Ad Hoc网络中基于方向预测的路由协议没有考虑节点的剩余能量导致的节点失效从而影响网络生存时间问题进行了研究,提出了一种新的基于方向预测的能量感知路由协议——EARP_DP。提取有关于目的节点距离的信息和剩余能量信息,据此计算节点的转发概率,使得网络为最优路径提供合适的带宽和电池容量。较之基于方向预测的路由协议,理论分析表明了算法的有效性,在给定的仿真场景下的仿真结果显示,新协议保障了平均端到端时延和数据投递率,降低了平均能量消耗,网络生存时间延长了5%,提高了网络的整体性能。