相对熵密度偏差在入侵检测模型中的应用

针对入侵检测系统(IDS)中基于训练数据选择较好的异常检测模型。使用相对熵密度偏差作为模型之间的度量。通过分析模型的分布与训练数据真实分布的差异,根据原数据本身的相依关系,使用较少的数据选择出较好的适用检测模型。实验结果证明针对所给的数据,隐马氏模型(HMM)要好于马氏链模型(MCM)。

几何分布的相对熵密度偏差的极限性质

相对熵密度的极限性质是信息论的一个重要问题。本文在文[2]的基础上探讨几何分布相对熵密度偏差的极限性质,获得二个几何分布的相对熵密度的强偏差定理。

相对熵密度的一类强偏差定理

相对熵密度的极限性质是信息论的一个重要问题 .当任意信息源是可列实数集时 ,探讨相对于独立型几何分布的熵密度偏差的极限性质 ,获得三个相对熵密度的强偏差定理 .在n→+∞时 。

任意信源二元函数一类平均值的极限性质

本文引进了任意信源相对于马氏信源的相对熵密度偏差的概念,并利用这个概念研究任意m进信源二元函数一类平均值的极限性质。作为主要结果的推论,得到了马氏信源的Shannon-McMillan的一个推广。

关于一类极限定理的信息条件

本文利用相对熵密度的概念讨论 m 值随机变量序列关于给定值出现频率的某些极限性质,所得结果是马氏链关于占据时间的强大数定律的推广.

关于一类极限定理的信息条件Ⅱ

设{X_n,n≥0}是在E={1,2,…,m}中取值的随机变量序列,A_n(i,j,ω)是序偶列(X_0,X_1),(X_1,X_2),…,(X_(n一1),x_n)中序偶(i,j)出现的次数。本文引进{X_i,O≤i≤n}相对于马尔科夫分布的相对熵密度偏差的概念,并利用这个概念研究A_n(i,j,ω)/n的极限性质。

关于非齐次树指标m重马氏信源的一个强极限定理

强极限定理一直是国际概率论界研究的中心课题之一.本文通过引入相对熵密度偏差的概念和构造非负鞅,给出了关于非齐次树指标m重马氏信源的一个强极限定理.

整值随机变量序列的一类强律的信息条件

本文引进相对熵密度偏差作为任意整值随机变量序列相对于服从几何分布的独立随机变量序列的偏差的一种度量,并通过限制相对熵密度偏差,给出了整值随机变量序列的强大数定理成立的一个充分条件。

整值随机变量序列的一类强律的信息条件

引进相对熵密度偏差作为任意整值随机变量序列相对于服从几何分布的独立随机变量序列的偏差一种度量，并通过限制相对熵密度偏差，给出了整值随机变量序列的强大数定理成立的一个充分条件．