新型网络信息系统安全模型及其数学评估

从系统功能的意义上分析了网络信息系统安全所面临的威胁,建立了一种新型通用网络信息系统安全模型,确定了影响网络信息系统安全性能的相对独立的基本因素和相应的子因素。采用模糊数学的理论,建立了一种新型综合安全评估数学模型和模糊相似选择方法。通过示例应用分析,以量化方式评估示例网络信息系统的安全性能,确定了网络信息系统的量化安全等级和排序,从而验证了该系统安全模型及数学评估理论的有效性和新颖性。     

基于粗糙集的决策规则约简

粗糙集理论是一个新的数据挖掘方法，正越来越被人们所重视。其主要思想是保持分类能力不变的情况下，利用等价类，通过属性约简和决策规则约简，达到发掘知识并简化知识的目的。但是属性约简是一个NP问题，对属性的约简和决策规则的约简只能通过启发式算法实现。该文针对属性约简和决策规则约简，各提出了一个启发式算法。     

不完备信息系统下的变精度粗糙集模型及其知识约简算法

1 引言 Z.Pawlak提出的粗糙集理论,提供了一种新的知识获取手段,但是,应用经典粗糙集理论的一个重要前提是它的处理对象必须是完备信息系统。现实中,由于数据采集能力不足等原因又使得大量的信息系统是不完备的,因此需要对经典粗糙集理论进行必要的扩充。目前有两种扩充方法,一是间接处理方法,即先通过一种方式将不完备信息系统转化为完备信息系统,再使用针对完备信息系统的方法对其进行处理;二     

基于扩展粗糙集模型的集值不完备信息系统决策研究

在客观世界中信息系统往往是不完备的。该文将粗糙集模型经过扩展后应用于属性值为集合值的不完备信息系统,给出了几种不同的上下近似集定义,着重建立和分析了一种不完备决策表,研究了对应的粗糙集模型扩展后的属性约简的方法,并根据约简生成了决策规则。     

基于模糊粗糙集模型的医疗信息系统属性约简算法

属性约简是粗糙集理论的重要研究分支,对信息系统进行属性约简有助于提高其数据的分类性能。针对医疗信息系统的多类型复杂数据环境,首先对多种数据类型分别提出了数据对象之间的模糊相似性度量;然后将这些度量方法进行整合,构造出医疗信息系统的一种新的模糊等价关系,并提出相应的模糊粗糙集模型;最后利用模糊粗糙依赖度,提出了医疗信息系统的一种属性约简算法。实验分析证明了所提出的算法具有更高的属性约简性能。     

关于贝叶斯粗糙集模型的知识约简

贝叶斯粗糙集模型是一种修正的变精度粗糙集模型，它既能克服粗糙集模型所描述的分类是完全精确的，同时又不需要象变精度粗糙集模型需要预先给定参数，因此在人工智能与认识科学领域有重要的作用。本文通过引入上、下分布约简给出该模型的一种约简方法。     

粗糙集属性约简算法研究

粗糙集理论是一个新的处理不确定性问题的数学工具，属性约简是粗糙集理论的核心问题之一。但求解最优约简已被证明是一个NP—hard问题。基于属性重要度的启发式算法在属性约简中应用的较多．文中分别介绍了基于区分矩阵、基于相关矩阵和基于信息量的属性约简算法。对其思想进行了剖析和总结。     

信息系统安全风险评估模型研究

在介绍有关国际标准中的信息安全风险概念模型基础上,提出一种信息系统安全风险定量评估模型,并给出实现该评估模型的基于公式查表确定性和灰色测度不确定性的算法模型,最后分析对比各种算法模型的优缺点.     

基于粗糙集的网络安全评估规则提取

给出了基于粗糙集的网络安全评估指标的约简方法。提出了一种利用粗糙集理论提取网络安全评估规则,进而利 用评估规则构建网络安全评估决策系统的算法。利用一个简化的网络安全评估数据集,验证了本文提出的决策规则提取 方法是有效的。     

基于贝叶斯粗糙集模型的属性约简

在分析贝叶斯粗糙集模型的基础上,将只含有两个决策类的贝叶斯粗糙集的情况推广至含有多个决策类的情况,给出了相关定义和简单性质。从全局相对增益的角度分析了属性重要度,给出以此为启发式信息贝叶斯粗糙集属性约简的启发式算法,且用相应的Matlab程序进行实现。对贝叶斯粗糙集与变精度粗糙属性约简进行了比较,结果证明了算法的有效性。     

集值Rough扩展模型知识约简

基于吴鹏等提出的k度限制相容关系模型,讨论在集值不完备信息系统上的约简,给出集值不完备信息系统属性约简的判定定理和辨识矩阵,得到集值不完备信息系统知识约简的具体操作方法。     

基于粗糙集和遗传算法的神经网络模型研究

提出一种基于粗糙集理论和遗传算法的神经网络模型和它的构造方法.该模型先利用粗糙集理论进行属性约简;利用遗传算法优化BP网络参数;用约简结果和优化的BP网络参数进行网络训练.仿真实验结果表明,该模型能简化网络训练样本,优化神经网络结构,提高系统的学习效率和精度.此方法是有效可行的,具有理论意义和实用价值.     

基于VPRS的信息系统风险分析

提出了基于可变精度粗糙集（VPRS）的风险分析方法。利用VPRS模型中的β约简有效地克服了传统粗糙集处理噪声数据的不足;同时提出了通过定性和定量相结合的方法过滤风险规则,不但约简了风险规则的数量,而且提高了风险规则的有效性。最后,运用VPRS模型对文献[4]中的风险评估数据进行分析,有效地挖掘出了隐含在其中的风险规则。     

广义不完备信息系统中一种拓展粗糙集模型

以同时具有遗漏型和丢失型未知属性值的广义不完备信息系统为研究对象,定义一种用于分类的[α]程度限制优势关系,提出一种基于[α]程度限制优势关系的拓展粗糙集模型,并给出其上、下近似性质。通过一个教师教学质量评估实例,说明这种模型在广义不完备信息系统中处理模糊和不确定知识是有效和可行的。     

An enhancement for heuristic attribute reduction algorithm in rough set

Attribute reduction is one of the most important issues in the research of rough set theory. Numerous significance measure based heuristic attribute reduction algorithms have been presented to achieve the optimal reduct. However, how to handle the situation that multiple attributes have equally largest significances is still largely unknown. In this regard, an enhancement for heuristic attribute reduction (EHAR) in rough set is proposed. In some rounds of the process of adding attributes, those that have the same largest significance are not randomly selected, but build attribute combinations and compare their significances. Then the most significant combination rather than a randomly selected single attribute is added into the reduct. With the application of EHAR, two representative heuristic attribute reduction algorithms are improved. Several experiments are used to illustrate the proposed EHAR. The experimental results show that the enhanced algorithms with EHAR have a superior performance in achieving the optimal reduct.     

安全评估中基于互信息的近似约简模型

评估属性的选择是安全评估中的一个重要问题,目前常用的标准通常会造成评估节点过多,从而影响评估模型的可用性和准确性.目前的属性约简算法通常会产生多个结果,而在安全评估中这些算法并未给出结果选择的准则.针对信息安全评估的具体问题,根据粗糙集的理论和方法提出一种安全属性的近似约简算法.该算法以互信息和冗余协同系数作为冗余属性的度量,根据实际情况设定具体的阀值参数,从而可以得到不同规模的约简属性集以及更加简洁有效的安全评估模型.     

基于改进遗传算法的粗糙集属性约简算法

属性约简是粗糙集理论研究的主要内容之一,为了能够有效地获取决策表中属性最小约简,在分析属性约简的方法与遗传算法的基础上,将属性重要性度量作为启发式信息引入遗传算法,提出了一种启发式遗传算法.通过构造新的变异算子来引入启发式信息,体现了启发式信息的局部搜索技术,使得算法既保持整体优化特性,又具有较快的收敛速度.实验结果表明,该方法能快速有效地求出决策表的最小约简.     

不完备信息系统中集对粗糙集模型

粗糙集理论在数据挖掘中的成功应用已成为近来人工智能领域研究的热点,人们将经典粗糙集中的等价关系放宽后使粗糙集理论的运用更加广泛,但在不完备信息系统中的运用仍受到限制。在已有的集对粗糙集模型的基础上,提出了针对不完备系统更加有效的集对粗糙集模型,通过实例说明了这种模型的可行性和有效性,使粗糙集模型在一定程度上得到了推广。     

基于改进变精度粗糙集的漏洞威胁评估

变精度粗糙集理论能有效处理带噪声的数据,但其移植性较弱。针对这种情况,引入阈值参数α,提出了一种改进的变精度粗糙集漏洞威胁评估模型。首先,根据漏洞特征属性建立评估决策表;然后,使用k均值算法对连续属性进行离散化处理;接下来,通过多次计算,调整参数β和α的值,进行属性约简并提取概率决策规则,构造决策规则库;最后,将测试数据与规则库进行匹配,得到漏洞威胁评估结果。仿真实验表明,所提方法的评估正确率比改进前提高了19.66个百分点,并且移植性有所增强。     

粗糙集属性约简方法及其在医疗中的应用研究

针对基于可辨识矩阵核求取属性约简存在的空间与时间都不理想的问题,提出一种新的基于粗糙集的属性约简启发式算法。该方法不直接构造及存储可辨识矩阵,而且在核不存在的情况下,也能取得较好的起点核心集,将获取矩阵元素及得到核心元素同步进行,并加入了对属性集频率的综合考虑。同时,将此方法应用于医疗诊断决策,并对属性约简前后的决策性能进行了分析。实验结果表明,利用约简后的属性集,计算复杂性降低,同时保持高的决策准确率,算法是有效的。