基于粗糙集的信息保密系统安全风险评估

针对信息保密系统安全风险评估历史数据数量较少的问题,提出了一种粗糙集定权法与案例推理法相结合的信息保密系统安全风险评估方法。首先,给出了基于案例推理的系统安全风险评估模型;然后,利用粗糙集定权方法计算出案例特征对评估结果的贡献程度,进而确定各个特征在案例匹配中占有的权重,并结合特征相似度,确定系统安全性评价等级;最后,给出了信息保密系统安全风险评估实例,通过与特征值分布分析法进行对比,证明了文中方法能更加客观地确定案例特征权重,并科学合理地评估系统安全风险。     

基于伪3D残差网络与交互关系建模的群组行为识别方法

针对复杂场景下群组行为特征的多样性以及交互关系难以建模的问题,提出一种全新的分层网络架构.第一层网络,利用伪3D残差网络与图卷积网络相结合捕获交互关系特征;第二层网络,利用伪3D残差网络捕获群组全局场景时空特征.根据上述特征之间的互补作用对它们的群组行为决策输出,提出一种权重自适应调整决策融合算法,对上面两层网络的群组行为类别自适应计算重要性权重,实现决策融合.该方法在CAD和CAE上分别取得了91.4%和97.9%的平均识别精度.     

基于案例推理的信息通信调度事故决策研究

针对信息通信调度事故的知识特征,提出基于案例推理的方法来解决信息的利用和传播问题。将基于案例推理的方法应用于信息通信调度事故领域,根据领域知识特点结合人工智能其他技术,研究和分析案例表示、案例检索和案例修正等各阶段的任务方法,建立系统框架,构造信息通信调度事故决策系统。     

基于可信度量的网络组件性能评估方法

针对新型网络及其服务构建中所涉及的网络组件选择问题,以可信评估思想为指导,通过多属性决策建模,提出一种网络组件性能评估方法。首先,针对网络应用环境的灵活多变特征,设计了一种按需驱动的可信指标树动态构建策略。其次,利用模糊层次分析法减小主观权重计算的不确定性,并将主客观权重相结合以提高赋权操作的公平性。最后,在评估决策阶段,综合运用指标数据效用转换、可信属性向量构造和向量间的相对近似度计算等策略得到评估结果。通过对软件定义网络控制器的实际案例分析,验证了所提评估方法的合理性及有效性。     

基于案例推理的燃气突发事件应急决策方法研究

为提高燃气突发事件应急处置能力,提出基于案例推理技术的燃气突发事件应急决策方法。首先,在分析燃气突发事件应急决策关键因素的基础上,提取案例特征属性,应用框架表示法进行案例表示;其次,通过层次分析法,局部相似度计算模型、结构相似度计算模型以及全局相似度计算模型等建立基于案例推理的燃气突发事件应急决策方法;最后,通过源案例和目标案例进行分析,并开发图形化信息系统,便于计算和决策。结果证明所提方法在燃气突发事件应急辅助决策应用方面具有实际意义。     

结合空间关系的颜色直方图检索算法

首先根据所选取的图像库的特征,对真彩图像各颜色分量赋以权重,利用直方图检索,得到检索结果与权重比例大小选择的关系;再针对直方图检索没有表达颜色的空间分布信息的缺点,在一般直方图检索的基础上引入了一维的空间关系矢量,将直方图和空间关系结合起来进行检索,提高了检索的性能。     

一种针对特定无线电信号的识别方法

文章首先介绍了信号识别的意义和发展趋势,阐述了传统通信的信号识别方法;接着介绍了两种信号识别方法的实际应用案例,对信号识别效率、准确度进行仿真和分析;最后使用广义特征提取技术、权重特征数据库比对和决策方式,提出了一种针对特定信号识别的解决方案,该方法具有识别效率高、资源要求低、可扩展和易实现的特点。     

基于随机子空间和AdaBoost的自适应集成方法

如何构造差异性大且精确度高的基分类器是集成学习的重点,为此提出一种新的集成学习方法——利用PSO寻找使得AdaBoost依样本权重抽取的数据集分类错误率最小化的最优特征权重分布,依据此最优权重分布对特征随机抽样生成随机子空间,并应用于AdaBoost的训练过程中.这就在增加分类器间差异性的同时保证了基分类器的准确度.最后用多数投票法融合各基分类器的决策结果,并通过仿真实验验证该方法的有效性.     

改进的雷达信号识别效能评估方法

针对以往雷达信号识别效能评估方法中评估指标选取模糊、指标权重设置单一、评估排序不合理的问题,提出了基于IAHP-Entropy-I2TOPSIS模型改进的雷达信号识别效能评估方法。其主要思路是基于识别率测试结果建立树状评估指标体系;采用IAHP和Entropy分别确定主观指标权重和客观指标权重,并通过线性组合方法确定综合权重;运用区间型多属性决策的夹角度量法改进区间TOPSIS得到I2TOPSIS并依此进行评估排序。最后通过实例仿真,验证了所提方法的有效性。     

一种模糊-证据kNN分类方法

 已有的以k-最近邻(k Nearest Neighbor,kNN)规则为核心的分类算法,如模糊kNN(Fuzzy kNN,FkNN)和证据kNN (Evidential kNN,EkNN)等,存在着两个问题:无法区别出样本特征的差异以及忽略了邻居距训练样本类中心距离的不同所带来的影响.为此,本文提出一种模糊-证据kNN算法.首先,利用特征的模糊熵值确定每个特征的权重,基于加权欧氏距离选取k个邻居;然后,利用邻居的信息熵区别对待邻居并结合FkNN在表示信息和EkNN在融合决策方面的优势,采取先模糊化再融合的方法确定待分类样本的类别.本文的方法在UCI标准数据集上进行了测试,结果表明该方法优于已有算法.     

基于主客观综合赋权的风险优先数分析

在基于多属性决策(MCDM)的风险优先数(RPN)分析中,如何有效确定参与故障模式、影响与危害性分析(FMECA)专家的权重至关重要。针对FMECA分析中应用较为广泛的区间数评价信息,以工作年限、工作经验、对分析对象的熟悉度为指标体系,提出了专家主观权重的确定方法;以专家评价信息的相似度为标准,提出了区间数信息下专家客观权重的确定方法;两者综合,得到复合权重,对多源区间信息进行融合和RPN评价。通过矿用本安电源危害性分析的案例,表明了所提出方法的合理性和有效性。     

用于综合评判的一种权重计算方法

在综合评判和决策过程中，属性权重的确定是其中一个重要环节。由于常用方法存在诸多缺点,为此根据信息具有粒度的思想，基于粗糙集两个近似精度来科学定义属性的重要性，并将之作为综合评判中的客观权重。此外考虑到客观经验因素，将客观扭值和主观权重相结合，最后得到有利于正确评价和决策的综合权重。流型识别仿真试验结果表明：文章提出的权重计算方法较为完备，其应用效果优于其它权重计算方法。     

一种基于凸优化的装备能力指标权重赋值方法

针对装备能力评估中指标权重配置问题,提出了一种基于凸优化的指标权重赋值方法。首先,介绍了装备能力评估的指标体系设计原则及流程,并以机载雷达系统为例设计了其能力评估指标体系;然后基于极大熵准则,以最大化各指标权重的熵值总和作为目标函数,专家/历史经验知识等先验信息作为约束条件,构建指标权重配置凸优化模型,并利用凸优化工具箱求解指标权重;最后,通过案例分析验证该方法的有效性与合理性。     

基于实码加速遗传算法改进TOPSIS法在房地产预警体系中的应用

采用实码加速遗传算法来解决传统TOPSIS 算法在方案评选过程中存在方案距离理想解与负理想解同样近及指标权重选取主观两个问题,方便地获得了兼具决策方法适应性和决策者偏好的指标综合权重。应用实例证明了该方法的可行性和有效性。     

重大突发事件决策支持的语义协同模式构建的案例推理研究

重大突发事件能引发社会连锁响应和严重后果,并可能危及社会稳定。因此当突发事件发生后,能及时生成预案、开展行动,将能最大程度上减少损失。本文将基于案例推理的案例表示与相似度度量方法应用到应急辅助决策中,尝试通过3个方面构建合适的相似度度量建模表达,（1）语义约束下的案例属性提取过程;（2）基于多案例多属性的事物概念设计,允许案例属性存在同语义不同表达;（3）协同特征匹配下的案例新描述,基于wordnet词汇关联分析多类中心的特征距离,推理出案例属性的最可能对应语义。实验表明其可以显著提升案例匹配效率。将为今后重大突发事件的处理提供有效而及时的决策支持。      

复杂地面背景下相对定位目标选择与识别算法

针对相对定位技术在复杂地面背景下存在相对定位目标选取质量不高、识别难度大的问题,基于最稳定极值区域（MSER）和双层匹配矫正策略提出一种新的相对定位目标选取与识别算法。算法首先提取基准图和实时图的MSER特征,并进行椭圆拟合和规则化,然后根据特征区域的选择权重指数自适应选取相对定位目标,再利用MSER特征的尺度和仿射不变特性,基于互相关性准则提取两图像间匹配的MSER特征对,最后采用位置权重指数和随机抽样一致性（RANSAC）算法进行双层匹配矫正,剔出误匹配特征对,实现相对定位目标的准确识别。实验结果表明,针对复杂地面建筑场景,该方法的相对误识别率最大为0.125,绝对误识别率为0.028。基本满足成像末制导相对定位技术稳健性好、识别精度高、抗干扰能力强等要求。     

基于特征加权和支持向量机的图像分类研究

利用图像特征加权方法和支持向量机实现了图像的有效分类。首先根据特征的稳定性来判断特征的重要程度,从而赋予不同权重;然后借助支持向量机实现图像分类;最后采用不同颜色和纹理特征验证了在特征加权和不加权情况下图像分类的准确程度。实验结果表明本文的方法有效提高了图像分类的准确性。     

基于改进模糊置信规则的意图识别方法

针对传统意图识别方法只能处理某种类型不确定性信息的不足,该文结合模糊集和DS证据理论优势提出一种模糊置信规则库(BRB)信息处理方法。首先在置信规则前提部分改进了前提属性的连接关系,根据数据集统计分布特点设计了模糊集分割,选取Cauchy型分布作为隶属度函数,较好地避免置信规则无法被有效激活进而导致系统无有效输出问题;其次融合处理辨识框架内不同类别的置信分布,建立规则权重和特征权重优化模型,构建了特征空间与类别空间之间的输入输出关系;在此基础上,计算未知意图数据在相应规则模糊域的匹配度和激活度,采用置信度最大原则进行识别决策。通过实验验证、参数敏感性及结果分析、时间复杂度分析,表明该文方法可以获得比其他识别方法更高的正确率,尤其是在小样本条件下更能体现出该方法的有效性和可靠性。     

自适应特征加权的Gibbs随机场影像分割方法

针对现有分割算法很少同时兼顾不同特征分量区分能力的差异和相邻像素间的相关性的问题,提出了一种结合Gibbs随机场的特征加权遥感影像分割方法.该方法首先依据训练样本计算各特征分量的区分能力,确定不同地物类别相应的特征分量的权重;然后利用加权最小距离分类法对影像进行初始分割,并利用Gibbs随机场来描述像素的空间相关性;最后综合Gibbs随机场描述的标记场和加权最小距离分类法描述的特征场来获取影像的最终分割结果.实验结果表明,Gibbs随机场能够有效地描述空间相关性,根据区分能力确定的权重强化了区分能力强的特征分量.     

基于波段加权K均值聚类的高光谱影像分类

为了在高光谱影像分类过程中有效地利用波段信息,在传统K均值算法的基础上引入特征加权的思想,使得在聚类过程中能够充分合理利用各波段信息。该算法中,根据波段影像的熵、标准差、均值及互信息等统计信息的函数定义波段权重;根据波段对聚类的重要性定义波段-类别权重,并且定义其熵信息测度作为约束项。对Salinas高光谱影像分别采用本文算法和传统K均值算法进行实验,从总精度及Kappa值方面来看,该算法都比传统K均值算法的数值高,由此说明引入波段权重及波段-类别权重的有效性。