基于贝叶斯信念网的网络流量分类与识别研究

网络流量分类识别技术是许多网络研究和应用领域的基础,但随着动态端口、端口伪装和信息加密等技术的使用,传统的纯端口识别法已不再有效。提出一种基于贝叶斯信念网的网络流量分类方法,通过使用有向无环图和结点概率表,很好地解决了流属性之间条件独立的问题。对真实网络流量数据的测试结果表明,这种方法具有稳定可靠的分类识别效果。

多状态机械系统可靠性的离散化建模方法

针对传统的基于二态逻辑的可靠性评估方法应用于多状态系统理论和实际应用存在差异的问题,根据贝叶斯信念网(BBN)具有双向不确定性推理功能和图形化显示的特点,提出了一种多状态机械系统可靠性离散化建模方法.首先确定BBN的节点及离散系统各元件的多个状态,并给出各状态的概率,用概率分布表(CPD)描述元件各状态之间的关系来表达关联节点的状态,最终建立离散化BBN模型.该模型避免了已有方法复杂的公式计算,对元件数量没有限制.实例分析表明了应用BBN离散化模型进行多状态机械系统可靠性评估的有效性和优越性.

基于CBR的应急情报智能决策支持系统研究

[目的/意义]针对应急情报智能决策支持系统(IDSS)自学习能力较差等问题,提出了一种基于案例推理的应急情报智能决策支持系统。[方法/过程]首先,分析了应急情报IDSS的特点和局限性;其次,分析了基于案例推理(CBR)系统和贝叶斯信念网(BBN)在应急情报智能决策中的应用;再次,使用人工神经网络(ANN)算法代替CBR系统中原有检索算法,使用BBN训练分类器,建立了基于ANN-BBN-CBR的应急情报IDSS模型;最后,给出了该系统的工作流程,并通过收集到的数据验证了该系统有效性和可行性。[结果/结论]该系统模型的使用不仅使大型案例库的检索和匹配速度及准确率得到了大幅度的提高,并且为案例相似性的度量提供了适当的统计信息,给案例库的组织管理也带来了方便,更为应急情报收集、整合、分析、传递、反馈等工作提供了研究思路。

基于BBNs的软件故障预测方法

本文在分析已有软件故障预测方法后指出:单纯从软件开发过程的某个阶段或基于几种度量来预测软件故障是不充分的.提出综合利用软件开发过程信息构建基于BBNs软件故障预测模型.本文从一个基本的贝叶斯信念网(BBNs)故障预测模型出发,扩展基本节点,得到了一个较完善的故障预测模型,结合已有的关于软件度量的研究成果,提出利用软件度量和专家知识确定节点状态概率分布.仿真实验结果表明该模型与实际情况相符合,具有一定的故障预测能力.

软件度量数据的建模方法研究

软件度量的目的在于做决策支持。要想通过软件度量做出正确的决策,就必须构造决策目标和量化的软件属性,即度量数据间的关系模型。介绍了当前软件度量领域内用于构造这种关系模型的有代表性的方法。对每种方法的基本原理、一般步骤,以及在软件度量中的应用、优缺点进行了阐述;最后还指出了两种尚未被广泛用于软件度量领域而又有一定潜力的新方法。