开放多Agent系统的一个信任信誉系统模型

信任和信誉对于开放多Agent系统的有效交互是十分重要的.FIRE模型是最近提出的适用于开放环境下问题求解的信任信誉系统模型中的一种,在该模型中没有考虑消费者的个性特征,从而使得消费者给出的评分仅直接反映了提供者的服务质量,这就减弱了该模型的实用价值.提出了扩展模型E-FIRE,引入了消费者的个性特征.其个性特征包括两个方面:消费者对服务质量的预期和消费者采取的态度.这两方面共同影响消费者对待同一服务的评分.因此,消费者的评分不再只反映提供者的服务质量,这样使得该模型更加符合实际情况.同时,在消费者为选择提供者而计算提供者的综合信任评分时,更多地依靠提供证据的消费者对提供者的直接信任,从而减少了Agent 间的通信量.实验结果表明,在交互次数较少时,E-FIRE模型的性能与FIRE模型的性能相当;随着交互次数的增多,E-FIRE模型的性能更优.     

基于进化规划的Markov随机场参数的估计

在应用Markov随机场作为先验模型对图像进行贝叶斯估计时,配分函数的难以计算使得对Markov随机场参数的估计存在着很大困难.为此,本文提出一种新的基于进化规划的参数估计法.该方法采用进化规划来寻求合适的参数,使得由该参数得到的生成图像和原始图像间的差异最小.该方法不仅可避免配分函数计算上的困难,而且从该参数出发还可得到最相似于(可完全吻合)原始图像的生成图像.在这一点上,该方法要明显优于以往传统的基于似然函数的参数估计法,如极大伪似然法.最终的实验结果也证实了该方法的可行性.     

进化博弈论及Agent自组织动力学

结合非线性动力学方法,讨论了2×2对称和非对称进化博弈模型及其稳定性,总结了一般情况下的二人对称和非对称进化博弈模型,并将进化博弈的自组织思想与Agent相结合,提出了一种基于进化博弈的Agent自组织动力学模型.     

一种带有维度抽取的Pareto协同进化算法

保证评价的可靠性和有效性是协同进化算法面临的主要挑战.近期研究显示协同进化问题域内隐含存在着一个维度系统,决定了问题解的完整评价指标.分析了维度结构表现出的个体间特征收益关系,提出了一种在线维度抽取方法,并将其集成到协同进化算法中,在进化过程中,同步抽取问题的维度,建立维度系统,为个体提供准确评价,并指导选择和保优操作,以此确保进化稳定进展.抽象问题上的实验结果验证了本算法的可行性,并表明本算法在性能和维度抽取的准确性上均高于现存同类算法.     

Agent动态交互信任预测与行为异常检测模型

在agent理论中,信任计算是一个有意义的研究方向.然而目前agent信任研究都是以平均交互成功率来计算,较少考虑信任动态变化,因而准确预测和行为异常检测的能力不能令人满意.针对上述问题,以概率论为工具,按时间分段交互历史给出agent交互信任计算模型CMAIT;结合信任的变化率,给出信任计算的置信度和异常检测机制.实验以网上电子商务为背景,实验结果显示该计算模型的预测误差为TRAVOS的0.5倍,计算量也较少;既可用于对手历史行为的异常检测,防止被欺骗,又可用于对手未来行为的预测.改进了Jennings等人关于agent信任的工作.     

自动入侵响应决策技术的研究综述

简要介绍了自动入侵响应系统的作用和重要性.对自动入侵响应决策技术所涉及的相关问题进行了层次化的划分.阐述了入侵响应目的与策略在入侵相应决策中的作用及其研究状况.对已有自动入侵响应系统中的响应决策因素进行了介绍,分析了响应因素在决策中的作用,并对这些响应因素进行了分类.提出了入侵响应时机的概念,重点讨论了现有各种入侵响应时机决策模型和入侵响应措施决策模型,并对这些模型的特点和存在的问题进行了分析.介绍了入侵检测报警管理与入侵响应系统IDAM&IRS的体系结构、响应时机决策方法、响应措施决策方法和实验情况,并阐述了IDAM&IRS的主要特点.最后,总结了自动入侵响应决策技术的发展方向.     

小规模数据集的神经网络集成算法研究

研究了小样本数据集的神经网络分类器集成,提出了适合于小样本数据集的神经网络分类器集成方法Novel\\-NNE,通过生成差异数据提高神经网络集成中个体的差异性,从而提高集成学习的泛化性能;最后应用不同的融合技术针对UCI标准数据集进行了实验研究.结果表明,在集成算法Novel\\-NNE中,使用相对多数投票与贝叶斯融合方法的性能优于行为知识空间融合方法.     

确定性退火算法在"伪装"入侵行为检测中的应用

本文提出了一种基于确定性退火算法的检测"伪装"入侵行为的方法.在该方法中,每一个用户被看作是一个离散变长记忆的平稳信源,被"伪装"的入侵者利用的账户所产生的命令行字符序列可以被看作是由该账户的相应用户和"伪装"的入侵者两个不同信源在不同时段活动的混合结果.我们通过对命令行字符序列的分析来重构原信源模型以判断是否存在入侵行为.实验结果表明该模型是可行的.     

关系数据库中知识发现的一种粒计算方法

提出用粒计算方法从关系数据库或信息系统中挖掘具有不同粒度大小的多维多层次关联规则. 首先, 基于粒计算的划分模型给出了从关系数据库或信息系统中进行知识发现的框架; 其次, 提出频繁k-项目集生成的粒计算方法; 最后, 对所提出的粒计算方法通过实际例子进行说明, 并选择两类不同数据集在给定不同支持度下进行测试, 以及与两种经典方法进行了比较. 测试结果表明所提出的粒计算方法有效. 而且借助粒计算使得关联规则的语义变得更加清晰和易于理解.