基于粗糙集算法的DDoS攻击威胁评估

DDoS攻击具有发起容易、防御难的特点,一直是网络安全防御的难点和热点之一。针对常见的洪水式DDoS攻击,提出基于粗糙集理论的安全评估方法,实现安全威胁的实时定量评估。该方法通过测量攻击发起前后相关的网络和系统指标变化,确定用于衡量DDoS攻击影响的一系列指标。然后,进一步利用粗糙集算法分析DDoS安全威胁程度的样本决策表,计算属性重要性并进行归一化处理,得出各指标的权重。最后,对约简后的指标进行加权求和,得到安全态势值。实验证明,该方法能够有效地量化攻击发生前后的系统安全状态变化。与现有的安全评估方法相比,利用粗糙集理论的安全评估方法可以在不依赖先验知识的前提下确定指标权重,客观地对DDoS攻击做出评估和预测。

基于粗糙集的默认规则挖掘算法在电力系统短期负荷预测中的应用

将基于粗糙集的默认规则挖掘算法(Mining Default Rules Based on Rough Set,MDRBR)用于电力系统短期负荷预测,首先采用基于Gini指标的粗糙集离散化算法对气温、湿度等影响负荷的条件属性进行离散化,同时兼顾了条件属性和决策属性。在此基础上,通过计算规则的信赖度和支持度形成不同层次上符合初定阈值的带粗糙集算子的网络规则集,能减少因噪音的影响而产生的多余规则,提高规则产生和实际分类的效率,使所产生的分类规则集大大缩小,提高在使用规则时检索规则的效率。在负荷预测时自上而下逐层搜索规则网直至找出与所给信息相匹配的规则。粗糙集算子反映了规则的重要程度,同时作为选择规则的标准。实际应用表明,该方法能有效去除噪音,提高默认规则的挖掘效率,从而提高负荷预测的精度,具有一定的实用性。

一种新的基于粗糙集的数学形态学算法及其在图像边缘检测中的应用

从粗糙集的角度出发来研究数学形态学,指出经典数学形态学模型是不符合实际的,引入粗糙集中的粗糙度的概念改进了形态学模型,通过动态的选择结构元素来对图像进行处理。实验显示,基于粗糙集的数学形态学方法较好地解决了经典形态学处理中图像目标边界线条较粗的缺点。相比经典梯度算子,文中提出的方法又较好地保证了图像边界的连续性,同时还避开了结构元素的选择问题。

基于粗糙集C4.5算法的应用

权重确定是管理决策问题研究中最基本的问题,最常见的属性权重通常依赖于专家的经验知识而确立,存在一定的不确定性。运用粗糙集理论的相对正域概念,通过调整客观权重和主观权重所占的比例进行权重分配分析,并结合C4.5算法对农安县土壤养分数据进行分类处理。研究结果表明:(1)通过可视化图形对比形式得出引入粗糙集权重的C4.5算法分类效果较C4.5算法更明显;(2)有分类结果可知:经过连续多年的精准施肥,农安县耕地中高肥力土壤逐渐上升,土壤肥力呈均匀分布。这一结果与农安县当地肥力情况较符,说明基于粗糙集的C4.5算法是一种有效的土壤肥力评价方法。

遥感数据的粗糙集表示及分类

由于粗糙集理论对不确定性的描述是相对客观的,且在无需先验信息的情况下提供了严格地处理数据分类问题的数学方法,结合遥感数据的不确定性,就能对遥感数据进行分类处理。文章通过对遥感数据的处理,经过数据离散化等一系列数据处理后得到约简属性,再根据Fisher线性判别对遥感数据进行监督分类,得到分类结果。可以得出粗糙集理论应用于遥感数据分类具有良好的应用前景。

基于邻域粗糙集的工控系统安全测评方法研究

以工业控制系统信息安全测评体系为研究目标,在选取典型的工业控制系统信息安全风险测评体系的基础上,提出一种专用于属性约简的邻域粗糙集算法,并将该算法与所选取的测评体系相结合,通过对调研所得数据进行处理,得出了各指标与该工业企业安全等级之间的影响度,并对实验结果进行了验证,对工业企业的安全生产和安全体系建设工作具有一定的指导作用。

基于粗糙集-BP神经网络的火电机组热控电源自动配置模型

火电厂是我国重要的电力生产项目,为提高火电机组运行的可靠性与经济性,基于粗糙集理论,结合BP神经网络算法,研究火电机组热控电源自动配置模型。分析热控电源的基本特征,利用电力参数模块,采集热控电源信号特征,进行归一化处理,构建自动配置方法的初始数据集,基于粗糙集理论,根据属性决策特征,建立电源信号属性决策表,为自动配置方法,提供理论依据,进行连续属性的约简处理与离散化处理,精简化属性决策集合,利用BP神经网络算法,建立火电机组热控电源自动配置模型。为检测模型的可行性,设计模拟试验,试验结果显示,设计模型具有高效性与准确性,模型输出结果的ROC曲线,对应的AUC值(Area under curve)为0.916,即模型自动配置结果的精准度为91.6%,表明融合了粗糙集理论与BP神经网络算法的模型,可以显著地提升模型的精准度。

不完备信息系统中知识获取算法

粗糙集理论是一种新的处理模糊和不确定知识的软计算工具。应用粗糙集理论,可以将隐藏在系统的知识能够以决策规则的形式表达出来。根据粗糙集上下近似的概念,决策规则能够分成确定性规则和可能性规则两种。本文将介绍从不完备信息系统中知识获取的算法,通过这些算法能够从不完备决策表中生成一种确定性的规则和两种可能性的规则,同时也介绍了不完备决策表中描述约简的算法。

因素空间理论的因素约简算法

为讨论差转计算在多因素决策问题中对因素系统的约简性能,通过理论分析与实证检验,在算法原理与机制的基础上深入讨论了算法的因素约简能力,并与基于差别矩阵的粗糙集因素约简算法进行比较.研究结果表明:差转计算在进行决策的过程中,确保了对结果有重要影响的因素进入经验推理系统,影响不大的因素在决策的过程中自动地被舍弃,从而实现了因素的约简.在6个UCI数据集上,通过对因素约简结果与时间复杂度两个方面的讨论,得出差转计算的因素约简能力同差别矩阵算法相当,在时间复杂度方面远优于差别矩阵算法.

基于属性加权的RCM算法

传统的粗糙集均值算法RCM的聚类准则是建立在参与聚类的属性同等重要的假设下,而在自然场景下的聚类问题中,不同的属性对聚类结果的影响是不同的。针对该问题,提出了将聚类属性进行加权处理的WRCM算法。具体地,为了筛选出对聚类结果产生关键影响的具有辨别力的聚类属性,算法通过引入权重矩阵将不同的属性赋予不同的属性权重。实验结果表明,本算法可以达到属性选择的效果,从而提高了最终的聚类精确度。

面向客户需求基于灰色粗糙模型的产品配置研究

为解决产品配置中客户需求信息的模糊性、不规范性等问题,提出了基于灰色粗糙集模型的客户需求分析技术。该方法建立在产品配置参数表的基础上,通过产品配置参数映射来获取全面的客户需求信息。利用灰色粗糙集关联算法来量化客户需求的信息内容,实现客户需求与配置参数表的映射关系,客观有效地获取并转换了客户需求,提高了产品配置效率,并通过实例说明该方法的可行性。

基于GA-RS-LR算法的公司财务与个股投资探究

运用遗传算法-粗糙集-逻辑回归方法(GA-RS-LR)探讨我国A股上市公司财务与股票收益的关系.运用GA-RS方法获得财务指标最优约简;运用LR模型探求两者关系.最终,经GA-RS约简,60个财务指标中有17个对股票投资有重要影响;通过LR模型,4个指标具有显著效应;其中,负债与权益市价比为5.82%负效应,其余为正效应.对2015年股票相对波动进行预测得到70%的准确率,验证了GARS-LR模型对中长期投资的有效性.

隐性知识外显案例匹配双维改进

隐性知识对知识应用与创新意义重大,为此设计一套隐性知识外显案例匹配算法。基于RS-PSO算法对案例匹配空间进行纵向压缩,得到最优条件属性集;采用聚合距离参数改进FCM算法,增强聚类效果并对案例匹配空间实施横向压缩;融合条件属性间关联特性以及知识用户主观偏好,引入Choquet模糊积分通过非线性规划模型求解案例视图;在此基础之上,考虑直觉模糊数自有信息量,兼顾相似度与关联度以确定匹配结果。算例结果表明,相较于传统匹配算法,其具有比较优势。

大学生抖音直播体验及其影响因素分析

近年来,网络直播赛道呈火爆之势,人们逐渐形成了观看抖音直播的习惯,其用户规模不断壮大。本文采用粗糙集的简约算法,通过python的数据编程和0-1归一化分析,实现可视化界面,以此对大学生使用抖音的情况进行分析。本次数据分析主要针对用户对抖音app的忠诚度,以及对于观看抖音直播的影响程度,找出与之有强相关联性的变量因素,并得出结论:1) “是否只有抖音一个直播app”与“是否驻足过抖音直播间”强相关;2) 直播间氛围、直播内容、直播是否有内容有价值、弹幕交流是否友好4个价值取向因素对抖音直播有显著影响。最后根据结论提出切实可行的意见,即增加抖音app使用率、提升抖音直播间内在价值。

网络抖动下疑似攻击流指纹有效监测方法研究

研究网络抖动下疑似攻击流指纹的有效监测时,由于攻击流指纹的隐蔽性及网络数据量大的特性,会出现网络噪声干扰。传统的方法受到这种干扰无法保证监测的实时性与监测结果的准确性。提出基于模糊粗糙集算法的网络抖动下疑似攻击流指纹的监测方法。针对原始监测数据的信息冗余、数据矛盾等问题,进行数据离散化及信息约简预处理,根据模糊粗糙集原理,分别经由数据准备、节点衍生、规则集生成及结果判定的过程,实现对监测数据的有效分类,从而完成对疑似攻击流指纹的有效识别判定。实验结果表明,采用改进算法进行网络抖动下疑似攻击流指纹监测,可以提高监测结果的准确度,减小误报率与漏报率,节约监测成本,具有实际的应用价值。

CBR系统优化策略及在注塑模具设计中的应用

CBR(Case-based reasoning)技术是弱理论强实践领域实现智能化的有效手段,但是,随着工业的飞速发展,工程领域的特征信息爆炸式增长使得当前CBR系统的关键构建环节例如事例的表达、事例库的构建等呈现出诸多局限。为了适应新的复杂工程领域发展需要,对若干关键环节进行了优化研究:在CBR系统事例的表达方面,利用GHSOM(Growing Hierarchical Self-Organizing Map)算法和粗糙集算法集成策略对事例庞大特征信息进行精简,为事例知识的准确、高效表达、存储和检索打下基础;利用GHSOM算法优化构建事例库,通过空间聚类建构多层次多粒度知识库体系,同时,当执行事例检索时,由GHSOM算法作为知识导引策略,将新任务导入相应子事例库,通过数值计算获取最佳事例。最后,以注塑模具设计为应用领域验证了本方案的效果。

物联网设备故障数据定位优化仿真研究

对物联网环境下的不同设备故障数据进行检测定位,可提高物联网的可靠性、可修复性和安全性。由于物联网环境下存在大量硬件设备,在对设备进行故障检测时,无法统一故障阀值标准,导致传统方法无法用统一标准对差异化的设备进行故障检测,存在鲁棒性较差的问题。为解决上述问题,提出采用粗糙集算法的物联网环境下的不同设备故障数据挖掘定位方法。针对物联网设备运行数据连续性的特点,对采集到的初始数据进行离散化处理,针对冗余的数据特征属性进行约简,并依据相关原理构建故障数据挖掘定位的基本模型,采用模糊粗糙集算法对模型求解,实现了故障数据的有效分类,完成对设备具体故障元件的准确定位。实验结果表明,采用改进算法进行物联网环境下的不同设备故障数据挖掘定位,能够提高故障数据挖掘定位的准确性。

建筑工程项目施工阶段隐性成本控制对策研究

近年来,随着我国建筑行业的规模不断扩大,建筑企业的一些问题逐渐显现出来,比较突出的是成本管理问题,尤其是隐性成本的管理,由于其隐蔽性比较强,结构组成比较复杂,难以具体量化,导致现在还没有形成一套完善的研究体系。本文分析了研究背景和目的,明确了隐性成本的概念和存在的六种表现形式,然后从技术、管理、合同和社会4个层面对建筑工程项目施工阶段的影响因素进行分析,采用粗糙集算法对分析得到的因素进行信息熵、重要程度和权重的计算并确定主要影响因素,针对计算结果提出对策建议。

基于可信性理论的含大规模可再生能源电网脆弱性评价

由于大规模消纳可再生能源的电网作为一个复杂系统,其脆弱性问题是不容忽视的。为了以增强其安全稳定性,提高网络的可靠性,基于可信性理论来对大规模消纳可再生能源造成的电网脆弱性影响进行全面、科学地评价研究。首先建立了基于大规模消纳可再生能源的电网脆弱性评价指标体系;然后利用可信性理论和粗糙集—粒子群优化法构建了一个多层次模糊综合评估模型。最后利用该模型对实例进行了分析评估,验证了模型的可行性与可靠性。通过系统、准确、科学地辨识电网中存在的脆弱点,对大规模消纳可再生能源的电网脆弱特性做出评价是一项具有十分重大意义的研究。

用粗集理论挖掘项目审查(评估)中的专家共识

为了改进现有的评估方法,在项目审查(评估)中,采用基于决策表的粗糙集模型算法,从众多专家的决策中找到潜在地存在于各个决策中的、公认的决策共识作为项目审查的依据和最终结果.应用该算法可以找出条件属性集中对决策最为重要的影响因素,确定实际应用中的数据采集规则.提出采用条件属性集的约简作为新的条件属性集的方法,以降低决策的复杂性,防止决策者个体的舞弊行为.