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。

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 。

贝斯方法与Dempster-Shafer证据理论的讨论

目前 ,实时C3 I系统中主要应用的判决级属性估计方法有贝斯方法和Dempster Shafer证据理论。在获得目标参数数据之后 ,通过对多个参数数据的融合获得所要识别的属性。文中介绍了贝斯方法和Dempster Shafer证据理论的基本原理和融合过程 ,将两者进行比较并给出一个实例。最后展望了属性估计方法的发展。

基于Dempster-Shafer证据理论的匹配区多特征适配性分析方法

匹配区的适配性分析在景象匹配视觉导航中至关重要。目前已有很多匹配区适配性分析特征指标,但都只能片面说明匹配区的适配性。试图将多种特征指标进行综合,解决不同特征指标对适配性分析的冲突性,提出一种特征指标适配置信度和不确定置信度的度量方法,利用Dempster-Shafer(D-S)证据理论对置信度进行融合,得出匹配区适配综合置信度,实验验证了该算法的有效性。

基于Dempster-Shafer证据理论的网络安全推断方法

电力物联网边缘层的网络环境复杂,处于开放环境中,安全威胁多样且动态变化.传统的基于防火墙的网络安全体系难以有效应对电力物联网层出不穷的安全问题.本文使用了数据驱动的思想对边缘设备的网络行为进行动态地判断.基于电力物联网的特点,采用网络日志、域名生成算法以及网络流量三个维度作为判据,给出了基于混淆矩阵的基本概率指派方法.通过Dempster-Shafer证据理论进行多源信息融合,对电力物联网的网络安全进行判别.

地震宽角反射/折射方法发展述评

本文从地震宽角反射/折射方法的仪器装备、观测系统、观测实验、震相识别、数据分析等主要技术环节的出现、改进、发展、完善,回顾了该方法的百年发展历史.按照我们的见解,将其发展过程分为萌芽期、诞生期、成长期和发展期.对于早期的追溯,重点放在方法的孕育和诞生起到关键作用的人物和事件上,并且尽可能详细;对后期的回顾,聚焦在方法的技术内容的萌发、出现、改进、应用和重点文献等方面,如,何时出现了剖面方法、相遇和追逐观测、地震宽角反射/折射剖面数据的完备性等,成果表述不作为重点,而且叙述简略.述及了天然地震学、地震折射勘探、地震反射勘探、电子技术、通讯技术、测量技术、计算机技术、计算数学等相关学科的进步,对地震宽角反射/折射方法发展的促进作用.展望未来,宽角反射/折射方法在我国深部探测与矿产资源勘查领域大有可为.以此文致敬追寻科学真理的地学前辈.

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。

基于Dempster-Shafer的飞行机器人多目标视觉定位方法

在受到遮挡物影响的室内环境中,飞行机器人接收数据中常伴有不确定性因素,为了解决复杂室内环境下高精准定位问题,提出了基于Dempster-Shafer的飞行机器人多目标视觉定位方法;根据飞行机器人控制原理,分析飞行位置与期望位置存在偏差,通过提取颜色特征和边缘特征建立多目标模型;设计地面标记,采用迭代算法对标记地面目标进行局部最大化概率计算,以此适应多目标形变,通过Dempster-Shafer证据推理方法获取目标精准位置,由此完成多目标视觉定位;在实验场地支持下,将传统方法与Dempster-Shafer证据推理方法进行对比分析,由结果可知,Dempster-Shafer证据推理方法定位精准度最高可达到96%,对提高室内定位精准度具有一定价值。

装配式建筑梁柱节点疲劳损伤检测方法研究

常规的装配式建筑梁柱节点疲劳损伤检测主要采用梁柱图像分析实现,忽略了节点内部损伤的影响,导致检测结果相对变化量系数与实际系数的差值较大。本文对装配式建筑梁柱节点疲劳损伤检测方法进行了研究,于装配式建筑梁柱周围布置测点对梁柱节点的应变状态进行分析;根据分析结果,结合梁柱内部能量耗散值,计算节点疲劳损伤能量系数;将该系数作为节点应变能密度因子分析节点轴向力,由此得出检测的梁柱节点疲劳损伤值。实验结果表明,所提方法应用后梁柱节点疲劳损伤检测结果表现出的相对变化量系数差值较小,检测结果准确率较高,满足了装配式建筑梁柱安全运维工作的现实需求。

Dempster-Shafer证据理论驱动的邻域粗糙分类方法

为了进一步改进邻域分类器的分类机制,提升分类性能,提出Dempster-Shafer(D-S)证据理论驱动的邻域粗糙分类方法。首先,采用邻域决策错误率作为属性重要性的指标研究基于邻域决策错误率的属性约简方法,通过删除冗余属性,为分类学习提供重要的属性集合;其次,改变传统多数投票机制,将D-S证据理论引入邻域样本的信息融合中,提出基于D-S证据理论的邻域分类器;最后,基于UCI公共数据集的实验结果表明,所提方法相较于多数投票机制下的邻域分类器,具有更高的分类精度,为邻域分类方法的进一步研究提供了新的思路。

实证研究在临床实践指南制订中的思考及方法学建议

临床实践指南制订的方法学理论在真实的制订情境下存在诸多问题,缺乏对于实际情况的考量,致使其对于指南制订的指导性下降。本文深入剖析了指南制订中理论与实践相关的多方面难点,包括指南制订时方法学理论与实践存在偏差、缺乏大样本的指南方法学相关的实证研究、方法学理论在实证运用后对于局限性和未来研究建议的报告内容不足且形式不规范的问题。为提高未来指南制订方法学的指导性,本课题组提出了多项方法学建议,包括倡导开展对方法学理论进行验证的实证研究、促进大样本实证研究和对比研究开展、规范实证研究后对局限性和未来研究建议的报告内容和形式,以期为指南制订方法学研究者及指南制订小组提供参考。

虚拟震源地震探测方法及其应用

SsPmp震相是远震直达S波在地表激发的下行P波在Moho面反射的震相,具有信号能量大、信噪比高、不易受近地表沉积层和地壳小尺度结构扰动的影响等优势.虚拟地震测深方法(VDSS)是近年来发展的利用SsPmp震相与直达Ss波震相的到时差来研究地壳厚度(或Moho面深度)的探测方法.本文介绍了VDSS方法的原理、优势及其在实际应用中的表现.研究表明,VDSS方法在提高探测精度、降低成本、环境影响等方面具有显著优势,且成功应用于克拉通、造山带和沉积盆地、峨眉山大火成岩省等不同地质环境中,在探测地壳结构中展现出巨大潜力和应用价值.但是VDSS方法的准确度高度依赖于地震数据的质量,尤其是远震S波的清晰度和震中距的范围,使得该方法在复杂地质结构区域的应用受到较大限制.未来,VDSS与传统接收函数方法、地震层析成像、重力测量等多类地球物理方法的结合,有望为地壳结构探测提供更全面的约束.

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 。

时空LBP矩和Dempster-Shafer证据融合的双模态情感识别

针对视频情感识别中存在运算复杂度高的缺点,提出一种基于时空局部二值模式矩(Temporal-Spatial Local Binary Pattern Moment,TSLBPM)的双模态情感识别方法。首先对视频进行预处理获得表情和姿态序列;然后对表情和姿态序列分别提取TSLBPM特征,计算测试序列与已标记的情感训练集特征间的最小欧氏距离,并将其作为独立证据来构造基本概率分配(Basic Probability Assignment,BPA);最后使用Dempster-Shafer证据理论联合规则得到情感识别结果。在双模态表情和姿态情感数据库上的实验结果表明,本文提出的时空局部二值模式矩可以快速提取视频图像的时空特征,能有效识别情感状态。与其他方法的对比实验也验证了本文融合方法的优越性。

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·

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。

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.