基于改进小波神经网络的信息安全风险评估

由于信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在一定的局限性。将人工神经网络(ANN)理论、小波分析及粒子群优化算法有机结合,提出了粒子群-小波神经网络(PWNN)的信息安全风险评估方法。首先,采用模糊评价法对信息安全的风险因素的指标进行量化,对神经网络的输入进行模糊预处理;其次,采用粒子群优化算法对小波神经网络进行训练。仿真结果表明,提出的改进的小波神经网络模型可实现对信息系统的风险因素级别的量化评估,克服现有的评估方法所存在的主观随意性大、结论模糊等缺陷,具有更强的学习能力、更快的收敛速度。     

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在-定的局限性.为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型.首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型.进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度.     

基于模糊神经网络的球队评估系统

如何对一个球队的综合水平进行评估,并对其比赛结果进行预测是一个比较复杂的问题.结合模糊逻辑系统和人工神经网络的特点,将影响球队综合水平的各个因素进行模糊处理以后,采用人工神经网络技术,将评估规则存储于神经网络知识库中.然后运用神经网络方法对球队的综合水平进行评估和比赛结果进行预测.为了提高评估效率,对BP算法进行了适当的改进.实验证明,改进方法能够对球队的综合水平进行评估和比赛结果的预测,结果准确有效.     

模糊神经网络在信息安全风险评估中的应用

在信息安全风险评估的研究中,针对提高准确性问题,信息安全风险包含大量模糊、不确定性的影响因素,传统评估方法都是基于精确、确定的数据,因此不适于信息安全风险评估,导致评估的准确性欠佳.为提高信息安全评估的准确性,提出模糊理论与BP神经网络进行结合的信息安全风险评估方法.方法通过模糊理论对信息安全风险因素进行分析,并构造各因素所对应评判集的隶属度矩阵;然后采用BP神经网络对信息安全风险因素隶属度矩阵进行学习,最后输出信息安全风险等级.仿真结果表明,方法能很好地量化评估信息系统风险,提高了风险评估准确性,是一种有效的评估方法.     

一个基于神经网络的信息系统安全性综合评估模型

本文提出了一个将神经网络技术与模糊综合评价法结合的评估模型。首先根据信息系统资产的组成以及安全性因素建立层次性的安全性指标体系,使用层次分析法确定指标权重;然后借助安全工具的测试结果,使用模糊综合评估法构造前向神经网络;最后,使用神经网络的反向传播算法调整指标权重。在此模型的基础上,设计并实现了一个信息息系统安全性评估系统。     

软件风险评估量化分析研究

为解决软件风险评估完全凭借专家经验产生的主观性和模糊性问题,提出了基于进化神经网络模型的软件风险定量评估方法.通过研究软件风险评估过程,提出了软件风险评估指标体系模型,同时运用模糊理论将风险因素量化以此作为进化神经网络的输入值.将改进的粒子群算法(PSO)、BP神经网络相结合,构建了基于改进BP神经网络的进化神经网络模型.对提出的模型和改进的算法进行模拟仿真实验,实验结果表明了该方法对软件风险评估量化分析的可行性.     

基于模糊综合评判的信息安全风险量化分析

信息系统安全的风险评估是建立信息系统安全体系的基础和前提。本文利用模糊综合判定的相关原理与方法对信息系统的风险进行定量分析,将与风险相关的各因素分层,建立了模糊分析的指标体系,并结合具体实例对风险发生的可能性进行了模糊综合评判,实现了信息安全风险的量化评估。     

改进的基于信息流的信息系统风险评估方法

根据基于信息流的资源分布,归纳信息系统的风险因素,并依据一种改进的多层模糊综合评判算法对信息系统的风险值进行评估。     

基于模糊神经网络的信息系统风险分析

通过分析信息系统的风险,构建了不确定事件发生概率及其造成损失的层次化结构;将模糊综合评判与神经网络技术相结合的方法运用于信息系统的风险评估过程中,实现了系统风险的量化;最后,通过实例说明了算法的应用,并借助线性回归的方法检测了模型的有效性。通过该方法,不但量化了系统风险,而且将其运用于评估可行性方案集上,还能有效地实现风险控制策略的选择,实现风险的有效控制。     

基于自动机的分析与综合因素神经网络的自动实现方法

本文讨论了因素神经网络与自动机的关系及分析与综合因素神经网络的自动机算法。刻画了因素神经网络的状态集合及正则模糊文法的生成式链，给出了自动机算法的形式化，使对神经网络的分析与综合可在计算机上得以自动实现。     

铁矿粉品位传感器多影响因素试验分析

利用铁矿粉的铁磁性,基于电磁场理论设计铁矿粉品位自感式电感传感器.通过理论分析和试验,分别探讨了圆柱形螺线管式铁矿粉品位电感传感器的感应机理及其测量原理,分析了传感器多影响因素包括励磁信号、传感器结构参数以及环境温度等对传感器性能的影响.采用电感传感器可靠性环境温度试验方法对铁矿粉品位传感器进行了温度试验,确定了温度对传感器的影响规律,给出了温度补偿的方法,为进一步实现铁矿粉品位的快速、实时测量奠定了必要基础.     

软件项目投资风险评价过程建模研究

提出了一种基于贝叶斯网络的软件项目投资风险评价模型。在建模过程中以样本数据集为基础进行贝叶斯网络参数学习,从而在软件项目的投资阶段建立更加符合实际项目特征的贝叶斯网络。同时,从算法精度以及算法收敛性这两个方面验证该参数学习过程的有效性。经实践检验,在软件项目投资过程中该风险评价模型能够向决策者提供准确的投资风险信息。     

区间决策粗糙集

考虑到实际决策问题中损失函数的"多值性"特征,从贝叶斯理论出发,将区间值损失函数引入决策粗糙集,提出区间值决策粗糙集模型。首先,讨论了在贝叶斯期望风险最小的决策语义下,区间值决策粗集理论基本模型的构建过程。其次,分析了区间值决策粗集理论的相关数学性质和准则。最后,通过一个石油投资问题来阐明区间值决策粗糙集模型的应用过程。     

基于ETM+的几内亚铝土矿蚀变信息提取方法研究

铝土矿上覆厚度为0.5~9 m的铁矾土(铁帽)的特点使得研究区内铝土矿蚀变信息在一定程度上可以由铁帽信息来表示。在分析区内铝土矿的含矿体系、光谱特征和遥感影像特征的基础上,提出充分利用铝土矿与铁帽信息的相关性,通过提取铁帽信息来间接提取铝土矿蚀变信息。介绍了通过“多元数据分析+比值分析+主成分分析+分类”提取铝土矿蚀变信息的方法,结果表明:利用该方法提取的蚀变信息与已知矿体的吻合率为63%,蚀变信息提取准确度较主成分分析(44.6%)和比值分析(54.7%)有较大幅度提高。该方法能够抑制植被覆盖及第四系等干扰因素的影响,快速有效地提取几内亚金迪亚地区的铝土矿蚀变信息,初步查明区内铝土矿的分布规律,为进一步找矿勘查工作提供了有效的指示信息,这对于找矿勘查成本高的海外勘探区,具有重要的现实意义。     

IT投资风险预警的研究

进行IT投资风险预警的基础是对IT投资风险域进行分析;文章提出了基于IT投资目标、信息化生命周期以及企业架构的IT投资风险域的三维框架,并引入贝叶斯网络的原理建立预警机制。最后,在此基础上进行了IT投资风险预警的案例分析。     

约束多目标粒子群算法在烧结配矿优化中的应用

针对钢铁生产的烧结配料过程中铁矿石价格变化大、矿石品位波动、烧结原料信息复杂、烧结配料约束繁多等对烧结配料成本的影响,提出了一种基于区域划分的约束多目标粒子群优化算法对烧结配矿进行优化.以国内某钢铁厂的实际烧结生产配料为例,构建烧结配料系统模型;为了协调全局探索和局部搜索的关系,将自适应角度划分策略融入约束评价准则,结合区域分布提取局部最优解信息,同时引入双外部存储集机制,维护种群多样性;通过标准函数集的测试,验证了所提算法的有效性.该算法应用于配矿过程中,能够兼顾成本与全铁含量,有效降低了烧结配料的成本,对烧结铁矿石资源的综合利用及质量保证具有重要意义.     

考虑附加情绪的两阶段投资组合前景决策模型

针对前景模型在投资情绪偏好决策的不足,基于BW理论从偏好角度对投资者情绪的定义,建立附加情绪的投资决策模型.首先根据从众心理与收益追踪对投资者的影响,定义情绪转变的概率分布;然后构建附加二元非线性参数的价值函数,对可选投资项目进行偏好排序;最后根据偏好决策及风险差异将收益约束下的最大信息熵作为风险规避者的目标函数,将熵约束下的最大均值收益率作为风险偏好者的目标函数,分别进行迭代计算求得投资比例.仿真与算例分析结果表明:收益波动超过临界值后,持悲观态度的投资者占比更大;乐观投资者的初始占比一定程度上会改变个体偏好决策;风险偏好者愿意对高收益高风险的项目给予更大的投资权重;经济市场有序化有利于投资者作出投资决策.     

基于效用指标的风险度量及控制策略研究

对国内外信息系统项目的部分风险管理模型进行了研究,将信息系统项目开发过程中可能遇到的风险分为两类,同时将效用指标引入到期望风险的计算中来.通过两种方法对同一案例的计算结果,引入了效用指标的期望风险计算方法,更加符合系统开发过程中的实际情况,能够使项目团队和信息系统用户的利益都得到更大保障.最后,在引入效用指标的计算结果的基础上,制订了风险控制策略.在实际工作中,对信息系统项目管理者进行风险管理有一定的借鉴意义.     

Evaluating methods of investment project and optimizing models of portfolio selection in fuzzy uncertainty

This paper deals with the problems of both project valuation and portfolio selection under the assumption that the investment capitals and the net cash flows of the projects are fuzzy variables. Using the credibilistic expected value and the credibilistic lower semivariance of fuzzy variables, this paper proposes both the credibilistic return index and the credibilistic risk index, which are measures of investment return and investment risk with annuity form for evaluating single project. Moreover, a composite risk-return index for selecting the optimal investment strategy is also presented. Then, we set up a general project portfolio optimization model with fuzzy returns and two specific models: triangle and interval fuzzy returns. Furthermore, we provide two algorithms: the improved heuristic rules based on genetic algorithm and the traversal algorithm. Finally, two numerical examples are presented to illustrate the efficiency and the effectiveness of these proposed optimization methods.     

基于粗糙集和贝叶斯理论的IT项目风险规则挖掘

针对IT项目的风险决策过程中存在大量不确定、不完全信息等特征,本文在传统粗糙集的基础上,将贝叶斯理论引入到IT项目的风险管理中,提出了规则支持度、置信因子、覆盖因子等获取的相关算法,构建了基于粗糙集与贝叶斯理论相结合的风险规则挖掘模型,并通过实例对该模型进行了详细分析。