期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于关联群广义直觉模糊软集的仿真可信度指标聚合方法
被引量:
3
1
作者
李晟
彭小奇
彭涛
《控制与决策》
EI
CSCD
北大核心
2018年第1期126-134,共9页
针对仿真可信度主观评估过程存在关联关系时基于独立假设的指标聚合算子失效的问题,以及主观评估时评估专家的判断主观性强且表述能力不足的问题,提出一种基于关联群广义直觉模糊软集的仿真可信度指标聚合方法以及群广义直觉模糊软集关...
针对仿真可信度主观评估过程存在关联关系时基于独立假设的指标聚合算子失效的问题,以及主观评估时评估专家的判断主观性强且表述能力不足的问题,提出一种基于关联群广义直觉模糊软集的仿真可信度指标聚合方法以及群广义直觉模糊软集关联加权平均聚合算子.结合直觉模糊TOPSIS方法,给出了方法的具体步骤.通过CRH2型高速列车组牵引传动故障注入仿真可信度主观评估实例,验证了所提出方法的可行性和有效性.
展开更多
关键词
仿真可信度
群
广义直觉
模糊
软
集
关联聚合算子
可信度
指标
聚合
CRH2
型
高速列车组
故障注入仿真
原文传递
基于K值改进的K-means算法在入侵检测中的应用
被引量:
3
2
作者
王朔
顾进广
《工业控制计算机》
2014年第7期93-94,97,共3页
K-means聚类算法在入侵检测的运用中存在两个重要的缺陷:一是初始聚类中心是随机选择的,二是容易陷入局部最优解。提出一种改进的K-means算法,首先通过数据筛选确定高密度区域,然后确定两个最远点作为初始聚类中心以及非模糊型的集群评...
K-means聚类算法在入侵检测的运用中存在两个重要的缺陷:一是初始聚类中心是随机选择的,二是容易陷入局部最优解。提出一种改进的K-means算法,首先通过数据筛选确定高密度区域,然后确定两个最远点作为初始聚类中心以及非模糊型的集群评估指标来确定剩下的初始聚类中心,最后再进行聚类分析。实验表明,改进后的K-means算法不再依靠随机的K值和聚类中心,使得聚类过程可以依据数据集本身进行自适应的调整,同时保证了较高的网络入侵的检测率和较低的误报率。
展开更多
关键词
K-MEANS
聚类分析
非模糊型集群评估指标
KDD99
下载PDF
职称材料
题名
基于关联群广义直觉模糊软集的仿真可信度指标聚合方法
被引量:
3
1
作者
李晟
彭小奇
彭涛
机构
中南大学信息科学与工程学院
江西理工大学理学院
湖南第一师范学院信息科学与工程学院
出处
《控制与决策》
EI
CSCD
北大核心
2018年第1期126-134,共9页
基金
国家自然科学基金重大项目(61490702)
国家自然科学创新研究群体科学基金项目(61321003)
文摘
针对仿真可信度主观评估过程存在关联关系时基于独立假设的指标聚合算子失效的问题,以及主观评估时评估专家的判断主观性强且表述能力不足的问题,提出一种基于关联群广义直觉模糊软集的仿真可信度指标聚合方法以及群广义直觉模糊软集关联加权平均聚合算子.结合直觉模糊TOPSIS方法,给出了方法的具体步骤.通过CRH2型高速列车组牵引传动故障注入仿真可信度主观评估实例,验证了所提出方法的可行性和有效性.
关键词
仿真可信度
群
广义直觉
模糊
软
集
关联聚合算子
可信度
指标
聚合
CRH2
型
高速列车组
故障注入仿真
Keywords
simulation credibility
G-GIFSS
correlated aggregation operator, credibility index aggregation
type CRH2high-speed train
fault injection simulation
分类号
N945.16 [自然科学总论—系统科学]
原文传递
题名
基于K值改进的K-means算法在入侵检测中的应用
被引量:
3
2
作者
王朔
顾进广
机构
武汉科技大学计算机科学与技术学院
出处
《工业控制计算机》
2014年第7期93-94,97,共3页
基金
国家自然科学基金(60803160
61100133
+8 种基金
61272110)
国家社会科学基金重大计划(11&ZD189)
湖北省自然科学基金重点计划(2009CDA136
2009CDA034)
湖北省教育厅科研项目(Q20101110
D2009110)
武汉市科技攻关计划(201110821225)
湖北省高等学校优秀中青年科技创新团队计划(T201202)
软件工程国家重点实验室(武汉大学)开放基金SKLSE2012-09-07
文摘
K-means聚类算法在入侵检测的运用中存在两个重要的缺陷:一是初始聚类中心是随机选择的,二是容易陷入局部最优解。提出一种改进的K-means算法,首先通过数据筛选确定高密度区域,然后确定两个最远点作为初始聚类中心以及非模糊型的集群评估指标来确定剩下的初始聚类中心,最后再进行聚类分析。实验表明,改进后的K-means算法不再依靠随机的K值和聚类中心,使得聚类过程可以依据数据集本身进行自适应的调整,同时保证了较高的网络入侵的检测率和较低的误报率。
关键词
K-MEANS
聚类分析
非模糊型集群评估指标
KDD99
Keywords
K-means,clustering analysis,non-fuzzy type of cluster evaluation indicators,KDD99
分类号
TP393.08 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于关联群广义直觉模糊软集的仿真可信度指标聚合方法
李晟
彭小奇
彭涛
《控制与决策》
EI
CSCD
北大核心
2018
3
原文传递
2
基于K值改进的K-means算法在入侵检测中的应用
王朔
顾进广
《工业控制计算机》
2014
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部