分布式无线传感器网络容错事件边界检测

事件监测是无线传感器网络的一种重要应用。针对该应用中软故障节点提供的错误数据会降低监测的准确性的问题,提出了一种分布式的容错事件边界检测算法。节点只需与邻节点交换一次传感数据,通过简单地计算识别故障;正常的事件节点利用统计比较的方法判断其是否处于事件边界,边界宽度可根据网络用户的要求调节。该算法执行时所需的通信量小,计算复杂度低,时延小,对大规模网络具有很好的可扩展性。仿真结果表明即使节点故障率很高,应用该算法仍可以获得很好的检测效果。     

多重粗糙模糊集模型

为了充分揭示知识颗粒间的重叠性、对象的重要度差别及其多态性,基于多重集合,对Dubois粗糙模糊集意义下的粗糙模糊集模型的论域进行了扩展,提出了基于多重集的粗糙模糊集模型,给出了该模型的完整定义、相关定理和重要性质,其中包括多重粗糙模糊近似集、近似精度和可定义集的定义及其各种性质的证明、多重集意义下的粗糙模糊近似算子之间的关系及其与Dubois意义下的粗糙模糊近似算子之间的关系等。多重粗糙模糊集可用于从具有一对多依赖性关系的且具有模糊特性的数据中挖掘知识。     

基于改进的粗糙神经网络模型的入侵检测系统研究

本文对传统的粗糙神经网络模型进行了改进,加入了具有不良信息过滤功能的隐单元,在此基础上提出了相应的网络入侵检测模型,充分发挥了粗糙集理论和神经网络的优势,弥补了各自的缺点.实验证明,在传统神经网络里加入具有不良信息过滤功能的隐单元,可以有效识别网络中的不良信息,降低神经网络系统的输入维度,提高入侵检测系统的识别效果.     

WSNs分布式事件区域容错算法

针对无线传感器网络存在服务质量不高的问题,提出一种基于中值差值的分布式容错算法,建立一套能量有效的事件区域检测容错机制,该算法充分利用传感器节点的空间相关性,融合各邻居节点的中值信息,对中心节点的最终状态进行判断。仿真实验结果表明,当节点错误率为15%时,该算法仍能检测到86%的错误节点数,具有优越的容错性能。     

变精度粗糙模糊集模型研究

介绍了Ziarko’s变精度粗糙集模型和粗糙模糊集模型,找出了它们的不足。基于支集相对错误分类率及误差参数β（0≤β<0.5）,提出了变精度粗糙模糊集模型,讨论了模型中β上、下近似算子的性质;分析了该模型与Ziarko’s变精度粗糙集模型和粗糙模糊集模型的关系;最后给出了该模型中近似约简的定义和方法,并通过实例分析说明了约简算法的有效性。     

容错的分布式系统通用死锁模型检测解除算法

分布式系统技术为采用低成本购建高性能系统提供了有效的途径,但是由于资源的分配与需求可能产生冲突,造成系统中发生死锁,导致系统运行陷入停滞.在不可靠的分布式系统中,故障会干扰正常的死锁检测,但现有的死锁检测算法不具有容错功能.对失效形式进行了归类,提出一个容错的死锁检测解除算法.算法建立在通用的AND-OR 模型基础上,采用扩散计算和集中规约方式,不仅能够检测到死锁,而且能给出死锁环的全部成员.若死锁拓扑处于静态且为环状,算法的消息复杂度的上限为e+n-1,时间复杂度为d,其中e为死锁等待图中边的个数,n和d为构成死锁环的节点的个数,分析表明算法性能等于或优于同类算法.     

基于覆盖的粗糙模糊集模型研究

在研究覆盖粗糙集模型中,发现对覆盖粗糙集上近似的定义并不一致．简述了各个模型的区别,并在一个较合理的覆盖粗糙集上近似定义上,结合覆盖约简理论,重新定义了基于覆盖的粗糙集模型。讨论了它的一些性质．另外,将模型进行推广,定义了基于覆盖的粗糙模糊集模型,证明了它具有一些较好的性质。     

一种基于粗糙约简的分形几何容错故障诊断方法

针对故障诊断中计算量大,模式分类复杂的问题,提出了一种基于粗糙集的分形容错故障诊断方法。首先对可能的诊断属性用粗糙集约简的方法进行故障特征提取;然后计算所采集的故障数据的分形维数,并用回归辨识方法得到维数序列的数学模型;利用所建立的数学模型可完成对故障的分类和故障程度的辨识。仿真结果表明了该方法的有效性。该方法解决了单独利用分形几何方法无法对故障程度进行辨识的问题,简化了计算,并为高可靠性设备的故障诊断提供了新的思路。     

一种无线传感器网络中事件区域检测的容错算法

特殊环境中的事件区域检测是无线传感器网络的一种重要应用.由于传感器的错误会导致事件区域检测的不准确,所以相关的容错算法成为近年来的研究热点.已有研究工作都仅考虑了事件的空间相关性,通过相邻传感器之间的数据交换实现容错.文中从事件的空间相关性和时间相关性入手,提出了一种以局部检测为主的分布式事件区域检测算法.该算法通过检验传感器本地采样值构成的时间序列与事件随机过程统计特征的符合程度实现容错.算法分析的结果表明,该算法可以减少传感器之间的数据交换,从而有效地利用传感器的能量.模拟实验表明,当有10%的传感器发生错误时,该算法可以检测到93%的事件区域和88%的错误传感器.     

无线传感器网络环境下的一种轻量级事件容错检测算法

由于节点经常布置于恶劣的环境中以及节点自身资源的有限性,节点在运行过程中容易发生漏警错误和虚警错误,因此容错的事件检测方法受到了广泛的重视与研究。但传统方法在性能上表现出计算复杂度高和能耗大的特点,针对此,引入雷达目标检测中Cth/m的检测思想,提出一种基于时空特性的检测方法。该方法通过观察节点采样值数据变化率与时间特性相似度来判断是事件发生还是节点出错。方法在一次迭代过程中,节点只需做m次距离比较和一次邻居状态查询,根据节点间的空间特性做出决策,表现出轻量级和低能耗的特点。仿真表明,方法还具有较低的漏警率和虚警率以及较高的故障识别率。此外,由于引入了节点可信度自适应调整机制,方法能够保证事件检测概率在迭代过程中一直保持较高水平,而不随时间恶化。     

基于完备容差关系的扩充粗糙集模型

针对扩充粗糙集模型所处理的不完备信息系统之间存在的差异,提出了信息系统完备度的概念;在此基础上,提出了基于完备容差关系的扩充粗糙集模型.与基于容差关系、相似关系、限制容差关系等扩充粗糙集模型相比,该模型既保留了已有模型的优点,又在一定程度上克服了已有模型的局限性.通过实例说明新模型对不完备信息系统的处理更符合实际情况.     

基于改进的完备容差关系的扩充粗糙集模型

经典粗糙集理论不能直接处理不完备信息系统,而容差关系、相似关系限制容差关系和完备容差关系等扩充粗糙集模型在一定程度上解决了这个问题。分析了这些模型存在的局限性,并在完备容差关系的基础上,提出了基于改进的完备容差关系的扩充粗糙集模型,该模型既保留了已有模型的优点,又在一定程度上克服了它们的局限性。实例分析表明该模型对不完备信息系统的处理更符合实际情况。     

基于可变容差关系的变精度粗糙集模型

针对已有不完备信息系统扩展粗糙集模型对噪声鲁棒性差的局限性,首先分析了调节基本知识粒大小的同时引入相对错误分类度的必要性;然后结合系统属性值的缺失定义了对象联系度权值矩阵,并以此为基础提出了基于可变容差关系的变精度粗糙集模型(VPRS-VPTR);接着讨论了模型的性质,分析了模型中相关参数(基本知识粒大小、相对错误分类度)对分类精度的影响,给出了分类精度随模型中相关参数变化的求解算法与时间复杂度分析;最后通过仿真实验与相关研究的扩展粗糙集模型进行对比。仿真结果显示,VPRS-VPTR分类精度更高,而且针对UCI数据库上的几组不完备数据集进行仿真实验的结果还表明,相同参数下各不完备数据集的测试集和训练集分类精度变化趋势相同,进而验证了模型的有效性、灵活性及所提算法的可行性。     

粗糙集在基于神经网络的入侵检测系统的探讨

随着计算机网络的发展,传统的计算机安全理论己不能适应网络环境的发展变化。传统的入侵检测系统在有效性、适应性和可扩展性方面存在一定的不足。因此,神经网络、遗传算法、粗糙集等理论被不断引入到入侵检测领域,来提高入侵检测的性能。本文主要是在对提高入侵检测能力的有效手段方面作了一些探讨。     

基于粗集模型的歼击机损伤故障检测

从粗集的观点出发,将歼击机的损伤故障信息表示为一种信息系统,进而表示为决策表的形式,然后利用粗集方法对决策表进行属性简化,提取决策规则,再利用规则完成歼击机的损伤故障检测.粗集方法可直接处理歼击机的可测输出信号,不需要对象的数学模型和相关先验知识.仿真结果表明了所提出方法的有效性和实用性.     

基于粗糙集的古典密码模型

针对传统古典密码虽然具备简洁高效的特性,但其在当前社会计算能力下极易被破解这一问题,提出一种利用粗糙集方法设计古典密码模型的算法。在该模型的构造中,首先充分融入粗糙集的确定性中蕴含着不确定性以及近似空间规模会随论域微增而急剧增大的特点,来弱化模型的统计规律;其次,借助混合同余法来提升模型产生随机序列的能力;最后,结合自定义运算和同余方法特性来让部分明文信息参与到加密过程中,进一步增强模型抗攻击的能力。研究分析表明,该模型不仅在时间和空间复杂度上与传统古典密码处于同一级别,而且具备了近乎理想的扩散与混淆性能,完全弥补了古典密码容易被破解的缺陷,能有效抵御穷举法和统计分析法的攻击。     

变精度集对势粗糙集模型

为使粗糙集理论能有效处理含噪音的不完备信息系统,将集对势扩充粗糙集模型和Ziarko教授提出的多数包含关系相结合,提出了变精度集对势粗糙集模型.然后,给出了正域相似度的定义,提出了基于正域相似度的启发式属性约简算法,并分析了算法的时间复杂度.仿真实验表明了该方法处理含噪音的不完备信息系统的有效性.     

集值映射下的覆盖粗糙集模型

从论域中各个元素之间所具有的客观关系出发,利用集值映射的原理在论域上得到一个覆盖,构造了一种新的覆盖粗糙集模型;研究了与之相关的基本性质,并将其与现有的5种主要的覆盖粗糙集模型进行比较研究。为如何根据一个二元数据表来得到论域上的覆盖提供了一种新的方法,也为覆盖粗糙集的研究提供了一种新思路。同时,还提出了双覆盖的概念,研究了两个覆盖之间进行相互转换原理,得到了有意义的性质和结论。     

一种基于粗糙集理论的数据库入侵检测模型

提出了一种可以检测数据库管理系统中异常事务入侵检测模型.该模型运用粗糙集理论从用户历史会话中提取用户正常行为轮廓,并利用散列算法来加速SQL模板的匹配,既可以有效检测异常事务,又可以避免因为一两次误用而把无辜的用户误认为是恶意攻击者.对模型的性能做了测试和分析.     

Research on the model of rough set over dual-universes

To tackle the problem of rough set on single-universe, we discuss the rough set model over dual-universes in aspect of building connection between single-universe model and dual-universes model. The rough set model over dual-universes denoted as RSMDU in this paper is built through inspecting the relation between the two universes. Firstly, we propose the RSMDU and study its property using character function and relation matrix. The algorithm for obtaining the lower and upper approximations is then presented. Secondly, we show that Pawlak rough set model can be induced using RSMDU. The theorem inferring the connection between Pawlak model induced by RSMDU and RSMDU is presented. Finally, the applications of RSMDU are studied. According to proposed model, we demonstrate that the existing models of rough set are special cases of RSMDU and that the set of conditional attribute and the set of decision attribute can be regarded as dual-universes in decision-making system, where the model can be utilized to handle decision processing.