基于云模型移动对象行为识别算法评价

为了研究视频监控中异常行为识别算法鲁棒性、准确度和速度的评价方法,将采集图像序列移动对象运动类型等参数作为样本输入逆向云发生器,得到移动对象定性概念的定量表示:期望值Ex、熵En和超熵He。以这些参数作为基础模拟出移动对象行为参数表征。Ex,En和He输入正向云发生器,将每个移动对象设计成一个智能体,个体通过感知环境和自激励调整行为参数,产生多种行为表征参数,并用这些参数来评价行为识别算法。通过实验实现了多种行为表征参数的模拟,用这些参数评价了几种典型算法,实验结果表明评价方法切实可行。

基于云模型的网络异常流量检测

网络流量的复杂性、难以预测性以及人们主观评测的差异性等不确定因素,使得网络流量的异常检测成为网络安全防护领域研究的难点问题。通过对流量安全特征的分析提取和范围限定,引入云模型理论,提出一种基于云模型的异常流量检测方法,实现异常检测定性与定量的转换。在已有流量样本的基础上生成异常态势的标尺云,针对待测流量综合利用正向与逆向云产生算法获得不同异常等级的评估云,从而完成网络流量的异常判定。仿真实验表明,该方法能够对网络流量进行有效的异常检测评估。

基于云模型的大坝安全监控指标拟定方法研究

采用正、逆向云算法研究了大坝安全监控指标拟定方法,在分析原始监测数据基础上,结合随机性和模糊性产生定性概念的数字特征,再由监测效应量的期望、熵、超熵构造定量转换值,实现"定量—定性—定量"的转换,以此拟定安全监控指标.以某混凝土重力坝坝顶水平位移为例,对所提出的云模型拟定方法进行了验证,并与典型小概率法进行分析比较,结果表明基于云算法拟定的监控指标是合理的、准确的,弥补了传统小概率法的诸多不足,能更准确地反映大坝坝顶水平位移变化情况.