基于Dempster-Shafer理论的GHSOM入侵检测方法

结合证据推理DS理论,提出了基于Dempster-Shafer理论的GHSOM神经网络入侵检测方法,一方面处理数据不确定性中的随机性和模糊性问题,可以在噪音环境下保持良好的检测率,此外通过证据融合理论缩小数据集,有效控制网络的动态增长。实验结果表明,基于Dempster-Shafer理论的GHSOM入侵检测方法实现了对子网拓展规模在检测中的动态控制,提升了在网络规模不断扩展时的动态适应性,在噪音环境下具有良好的检测准确率,提升了GHSOM入侵检测方法的扩展性。

论Dempster-Shafer理论的一个悖论

Kyburg指出,在Dempster-Shafer(D-S)理论中应用 Dempster组合规则组合某些基本概率指派将导致悖论。基于Shafer的D-S理论解释,我们可以利用概率函数来表达该理论的基本概念和组合规则。在此基础上,本文分析这一悖论产生的原因。

时态Dempster-Shafer理论

In this paper,we propose temporal Dempster-Shafer theory to handle the combination of uncertainty andtime. In temporal Dempster-Shafer theory,the element of the temporal frame of discernment is defined as an eventthat associates a hypothesis with corresponding time interval. And the assignment of belief to subset of the temporalframe of discernment is performed by the mass function. It is a representation and reasoning mechanism that combinesuncertainty and time by the basic frame of Dempster-Shafer theory.

定性Dempster-Shafer理论

采用一个全序的符号值集合来代替数值信任度集合[0,1],提出定性Dempster-Shafer理论来处理既有不确定性又有不精确性的推理问题·首先,定义了适合对不确定性进行定性表达和推理的定性mass函数、定性信任函数等概念,并且研究了这些概念之间的基本关系;其次,详细讨论了定性证据合成问题,提出了基于平均策略的证据合成规则·这种定性Dempster-Shafer理论与其他相关理论相比,既通过在定性领域重新定义Dempster-Shafer理论的基本概念,继承了Dempster-Shafer理论在不确定推理方面的主要特点,同时又具有适合对不精确性操作的既有严格定义又符合直观特性的定性算子,因此更适合基于Dempster-Shafer理论框架不精确表示和处理不确定性·

基于Dempster-Shafer理论的查询扩展模型(英文)

查询扩展是提高信息检索召回率的有效方法,已有许多研究者提出了诸多扩展方法,但大多数方法均是简单地把扩展的词添加到查询中.这样如若不加区分原查询词和扩充词,则扩展后的查询就可能偏离原查询的语义.该文基于Dempster-Shafer证据理论,提出了一个查询扩展的计算模型,该模型把原始查询项看作主证据,扩展项为原始查询项的辅助证据,为了能组合这两类证据,该文给出了两个带权重的Dempster-Shafer组合规则,实验表明该方法能有效地提高检索效率.

一种新的基于Dempster-Shafer理论的自适应遥感分类融合方法

提出了一种基于Dempster-Shafer’s理论和模糊Kohonen神经网络分类融合的方法。该方法融合了非监督神经网络模型和在Dempster-Shafer证据理论框架中使用邻域信息的思想 ,即当一个待识别模式的每个邻域被划分为支持识别框架中某一类的一个证据体时 ,该证据体支持关于该模式隶属关系的某一假设。SPOT遥感数据的分类实验证明 ,该方法同已有的神经网络技术分类方法相比较 。

基于Dempster-Shafer理论的不确定推理设计与实现

不确定性推理是专家系统中的一个重要研究方向,针对传统贝叶斯方法不能处理推理中出现的未知情况,提出了一种将Dempster-Shafer理论和确定性因子相结合的方法,很好地解决了推理中出现的未知情况,并用CLIPS开发工具进行了模拟实现。

基于Dempster-Shafer理论的大豆病害信息诊断模型

针对大豆生长病害智能诊断过程中计算机技术辅助决策的难点,构建了一个基于Dempster-Shafer理论的大豆病害信息诊断模型。对模型进行了理论及特性分析,建立了该种方法实现的理论框架,给出了具体的应用规则,并结合大豆病害的实例进行了具体应用。结果表明,该方法在大豆病害诊断过程中会大大提高决策的精度和可信度。

基于Dempster-shafer理论的多个神经网络分类器融合算法

用遗传算法优化神经网络分类器的连接权系数 ,避免采用BP算法存在易于陷入局部极值 ,使每个神经网络分类器的分类接近于理想状态 ,由于每个分类器的特征输入不同 ,不能被一个分类器识别的模式 ,却可能被另一个分类器识别 ,为了提高模式识别的精度 ,可将一个模式识别问题由多个分类器来完成 ,将每一个分类器的输出结果作为一条证据 ,确定各分类器的基本概率指派函数 ,再用证据组合理论融合证据信息 。

改进Dempster-Shafer证据与概率模型集成的变压器故障诊断

针对单个变压器故障诊断模型准确率有限的问题,提出基于kappa系数改进Dempster-Shafer(D-S)证据理论与概率模型集成的变压器故障诊断方法。首先,分别构建基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的变压器故障诊断概率模型,拟合诊断模型在样本上的基本概率分配函数。然后,建立D-S证据理论信息集成框架,提出基于kappa系数与准确率权重的证据修正方法,从子模型与故障类型两个角度对证据进行修正,进而融合概率模型诊断结果。最后,通过仿真验证本文所提方法的有效性。

一种基于Dempster-Shafer理论的分类器组合算法

提出了基于Dempster -Shafer理论进行多个神经网络分类器组合的一种可行算法 ,该算法考虑了每个分类器对不同类的识别能力不同这一经验知识 .在UCI数据库的分类和一个多传感器融合工件识别系统中的应用结果 。

基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用

给出了一种基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种基于Dempster-Shafer证据理论的多故障特征信息融合的故障诊断方法,并以旋转机械故障诊断为例,详细说明了该方法的具体实现步骤.结果表明,经过多故障特征信息融合,诊断结论的可信度明显提高,不确定性明显减小,因此充分显示了该诊断方法的有效性.

数据融合中的Dempster-Shafer证据理论

虽然 D- S方法已广泛地应用于各种数据融合系统中 ,但在实际应用中依然存在着许多困难。总结了数据融合应用中的 Dempster- Shafer证据理论研究概况 ,从四个方面阐述和对比分析了一些有代表性的研究成果 ;

基于Dempster-Shafer证据理论的端口扫描检测方法

端口扫描是通过对目标系统端口试探性的访问来判断端口是否开放的行为.它往往是攻击者入侵行为的第一步.端口扫描检测是入侵监测系统不可缺少的一部分,而当前端口扫描的检测方法不多,并且准确性不高.为提高扫描检测的准确性,本文使用Dempster-Shafer证据理论对两种扫描检测方法产生的数据进行融合:一种是基于端口分布特征的扫描检测方法,该方法简单且具有较高的检测率;另一种是基于序列假设测试的扫描检测方法,该方法充分利用了端口扫描的本质特征.实验结果表明,同单独使用基于端口分布特征或序列假设测试的方法相比,这种基于Dempster-Shafer证据理论的扫描检测方法对端口扫描的检测准确得多.

基于Dempster-Shafer证据理论的数据融合技术研究

系统地研究了 Dempster- Shafer(D- S)证据推理的数据融合技术 ,分析了传感器基本概率分配函数 (basic probability assignment- BPA)的构造方法 ,分别对双传感器随参数分布的几种情况进行了检测融合 ,利用红外场景生成器生成的 3～ 5μm和 8～ 1 2 μm双通道的红外背景及目标的序列图像 ,仿真了融合对探测操作特性 (receiver operatingcharacter- ROC)曲线的性能改进 ,对 AGEMA THV90 0型双通道红外热像仪的小目标图像也开展了实验处理 。

基于D-S证据理论的无监督异常检测算法

在实际应用中,当数据集缺少真实标签或正常点数据量不足时,可能导致一分类支持向量机处于无监督情况。此外,当训练集中包含异常数据时,一分类支持向量机生成的决策边界将偏斜至异常数据区域。上述问题降低了异常数据的检测率,并导致分类器的性能变差。为了解决上述问题,基于K近邻算法将数据集分为可疑正常点数据集与可疑离群点数据集。其中,可疑正常点数据集用于一分类支持向量机训练与建模,对于可疑离群点数据集则采用D-S证据理论来识别其中的正常数据。实验结果表明:基于D-S理论的无监督异常检测算法可以有效地分离正常点与异常点,该算法在整体数据集上A_(uc)均值达到了0.83,且在可疑离群点数据集上A_(uc)均值达到了0.883。

数字赋能文旅深度融合的理论逻辑与研究框架

数字赋能文旅深度融合既是数字经济时代文旅发展的重要方式,又是文旅研究的重要课题。文章在阐述文旅深度融合内涵的基础上,探究了数字赋能文旅深度融合的基本逻辑,认为数字技术嵌入支撑文旅数字化,促进文旅信息融合化,带来文旅产业新变革,形成文旅共生体和数字文旅新形态。从理论研究、数字赋能和融合实践3个维度,初步构建了数字赋能文旅深度融合的研究框架,强调要创新性地运用文旅IP理论、融合共生理论、文旅场景理论、产业演化理论、系统动力学等理论,阐释文旅融合学理及其内在逻辑、演化过程和动力机制,深化文旅深度融合主要科学问题研究。文章提出要把握数字赋能文旅融合的关键技术、文旅资源普查与评价、文旅融合场景建构、文旅产业融合创新生态体系、国家文化公园与文旅融合示范区建设、科技创新与数字文旅人才培养等关键问题,推动文旅融合应用实践和学术研究持续创新,更好地服务于新时代中国式现代化建设和文旅高质量发展。

干旱形成机制与预测理论方法及其灾害风险特征研究进展与展望

在全球变暖背景下,干旱事件发生的频率和强度不断增大、影响不断加重,干旱发生规律的异常性和机制的复杂性也更为突出,对干旱形成机制、预测理论方法及灾害风险变化规律等方面都提出了新的挑战,也制约了当前干旱预测、预警及其灾害防控能力的提高。近年来,在国家重点基础研究发展计划(973计划)课题等多个国家级项目支持下,已在干旱灾害形成机制与预测理论方法及其风险特征方面取得了一系列新成果。通过动力诊断、数值模拟和田间试验等方法,开展了干旱形成的多因子协同作用和多尺度叠加机制、干旱致灾过程的逐阶递进特征,以及干旱灾害风险分布演化的主控因素等方面的研究。对如下几方面的新进展进行了系统总结归纳:(1)厘清了全球变暖背景下青藏高原热力、海温、夏季风、遥相关等多因子对干旱形成的作用机制。(2)发现了降水亏缺时间尺度和农作物不同生长阶段的干旱敏感性规律。(3)揭示了变暖背景下典型区域干旱灾害风险分布及其变异的新特征;构建了干旱灾害风险新概念模型。(4)研发了东亚季风区的季节和次季节干旱集成预测系统。在总结归纳已取得研究成果的基础上,对未来干旱形成机制及其灾害风险科学研究进行了展望,提出了5个重点研究方向:(1)多因子联动及其多尺度叠加效应对干旱形成的影响;(2)系统整合人类活动和决策以及相关反馈的气候模式研究;(3)揭示陆-气耦合和大气环流协同作用对干旱的影响;(4)认识干旱灾害对粮食安全和生态安全影响的关键过程;(5)提高不同气候情景下干旱预估的准确度。

教育促进新质生产力发展的理论逻辑与路径

新质生产力是以新质劳动力、新质生产工具和新质劳动对象为构成要素,以科技创新为内核,以推动高质量发展为目标的生产力新质态。新质生产力的发展离不开教育的高质量发展,教育通过人才创新、知识创新、技术创新以及产业创新分别作用于新质生产力三要素,从而对新质生产力发展形成基础性、战略性支撑。因此,在微观层面,以科技创新人才自主培养夯实新质生产力发展的劳动力基础;在中观层面,以产学研深度融合加速适应新质生产力发展的创新集聚;在宏观层面,以高水平教育对外开放为新质生产力发展注入外部动力。

中医筋骨理论中筋与骨的关系内涵探讨

中医骨伤科学具有鲜明的特色,其中筋骨理论对指导临床具有重大的意义。筋骨理论是中医骨伤科学的经典理论,但筋骨理论散在记载于各经典中,筋与骨内涵关系尚未有系统的阐述,尤其是生理、病理、治疗原则上的关系均为零散阐述。本文综合文献认为筋骨理论筋与骨内涵关系主要表现在:生理上相辅相成,体现为筋骨和合、骨正筋柔、筋强骨壮、筋骨互用等;病理上相互影响,体现为筋弛骨痿、筋滞骨错、骨错筋挪、骨断筋离等;治疗上同辨同治,体现为:理筋正骨、筋骨并重、筋骨平衡、调衡筋骨、根源同治等。骨伤临床实践遵循筋骨理论的指导原则,无论内治或外治,均需要辨病辨证结合,同时“辨骨、辨筋”相结合。