广义WOWA算子及其应用

定义了一种广义WOWA(GWOWA)算子,并研究了其相关性质;分析了GWOWA算子与WOWA,OWA,WA等算子的关系.最后利用GWOWA算子给出一种多属性群决策方法.

区间值犹豫模糊WOWA算子及其在决策中的应用

为了对以区间值犹豫模糊集形式表达的决策信息进行有效融合,基于区间值犹豫模糊集和WOWA(Weighted Ordered Weighted Average)算子的特性,定义了一种区间值犹豫模糊WOWA算子,该算子不仅考虑数据自身的重要性,而且考虑数据排序后所在位置的重要性,因此,能够考虑更多的决策信息.然后,讨论了区间值犹豫模糊WOWA算子的性质,并给出了一种基于区间值犹豫模糊WOWA算子的群决策方法.最后,用实例验证了该算子和决策方法的有效性和正确性.

基于WOWA-FAHP的网络安全态势评估

从入侵响应决策与安全管理的实际需求出发,提出了基于WOWA合成的模糊层次分析法(WOWA-FAHP)和基于WOWA-FAHP的网络安全态势评估模型。WOWA-FAHP方法在继承模糊层次分析法优点的基础上兼顾属性间的客观、主观关联性,能够适应各种决策偏好。基于WOWA-FAHP的评估模型把动态评估与静态评估相结合,充分利用系统安全风险评估、入侵警报融合关联、异常监测与安全审计所提供的多种信息,综合考虑警报类、异常类、脆弱性、后果性等多方面的评价指标,并依据不同安全策略,通过WOWA-FAHP方法处理诸如评价要素间的复杂关系。网络应用服务系统安全态势评估实例证明了方法与模型的有效性。

基于WOWA-FCM的复合攻击检测模型

为有效处理复合攻击检测中的诸多不确定性及复杂性因素,提出了基于WOWA-FCM的复合攻击检测模型。WOWA-FCM检测模型从攻击意图分析的角度,利用模糊认知图(Fuzzy Cognitive Maps,FCM)对初级入侵警报进行因果关联;并结合脆弱性知识与系统配置信息,利用WOWA(Weighted Ordered Weighted Averaging)算子融合关联数据。WOWA-FCM检测模型不仅能识别复合攻击各个阶段、构建完整的攻击视图,并且能动态地评判攻击进度和目标系统的安全状态。WOWA-FCM模型简化了传统的复合攻击检测过程,并具有较强的适应性。MstreamDDoS攻击检测实验证明了方法的有效性。

基于WOWA的信息安全风险模糊评估

从信息安全风险评估的原理和研究现状入手,将加权整理加权平均(WOWA)算子与模糊层次分析法进行合成,提出基于WOWA的信息安全风险模糊评估方法。通过实例分析可知,该方法可以有效地用于信息安全风险评估。

基于WOWA集结的模糊认知图(英文)

现有模糊认知图(Fuzzy Congnitive Map,FCM)模型忽略了原因节点间与或组合关系的不确定性.针对这一缺陷,作者通过引入加权的有序加权平均(Weighted Ordered Weighted Averaging,WOWA)算子来模拟原因节点间确定的或模糊的与或关系,提出了基于WOWA集结算子的模糊认知图框架.为增强传统FCM的因果认知性能,作者在此新的框架下,利用单前件模糊规则拓展数值型FCM的因果模糊测度,提出了一种混合模糊认知图模型.

IP网络运行质量模糊综合评估方法研究

针对现有网络运行质量评估方法不能同时反映指标重要性和决策者偏好性的问题,提出了采用WOWA算子的网络运行质量模糊综合评估方法。WOWA算子在合成计算时结合了反映指标自身重要性的权重和反映决策者主观偏好的权重,充分考虑了指标本身的重要性和决策者偏好的重要性。实例表明,与普通模糊综合评估方法相比,该方法不仅能够得出正确评估结果,而且能够反映决策者的偏好使得评估更加灵活和适应性更强。

混合模糊认知图

传统的模糊认知图(FCM)仅限于表示单调的或对称的因果关系,不能模拟原因节点间的与或组合关系.针对现有FCM模型的缺陷,提出了混合模糊认知图(HFCM).HFCM以单前件模糊规则拓展传统的因果模糊测度,增强了FCM的语义信息和模拟能力;使用WOWA或OWA集结算子融合因果推理结果,模拟原因节点间的各种与或关系.与传统FCM相比,HFCM具有更强的认知能力.与基于规则的FCM相比,HFCM规则库的规模及复杂度由几何级降至算术级,解决了组合激增问题,提高了FCM的表示与推理性能.HFCM兼有数值型FCM和语言型FCM的优点.

一种模糊的海洋信息元搜索引擎结果融合算法

结果融合问题是元搜索引擎研究的一个重要方面。文章在模糊多准则决策理论的基础上,提出了一种加权OWA算子结果融合模型,可将成员引擎的结果列表根据查询不同赋予不同的权重,给出了成员引擎的权重计算方法。将此模型应用于海洋信息元搜索引擎中,并利用TREC数据集对模型进行了实验比较,实验结果表明该WOWA模型是有效的。

多属性决策方法在电诈犯罪嫌疑人认定中的应用

为协助警方在侦破电信网络诈骗案件时实现对所获证据的有效聚合,得到多名涉案人员的嫌疑程度排序,提出了一种基于语言毕达哥拉斯模糊集的多属性决策方法。首先,根据已有线索确定相关涉案人员及属性信息;其次,基于语言毕达哥拉斯模糊集以定性的语言术语表示模糊信息,对不确定的属性信息进行统一描述;最后,在语言毕达哥拉斯模糊环境下,利用基于WOWA算子的软似然函数这一多属性决策方法对各属性值进行有效聚合,得到相关涉案人员综合得分值的结果排序。结果表明,相较于定量的评估形式,定性的语言术语评估形式更适用于实际电诈犯罪案件;同时实验结果表明,相较于基于OWA算子的软似然函数多属性决策方法,本文所采用的WOWA算子能在一定程度上避免极端数据带来的影响,并且能更好地软化权重值,使得软似然值的变化更趋于平缓。本文所提多属性决策方法可协助警方关联与案件有关的属性信息,在弱化决策者主观因素的前提下缩小人工甄别范围以获得涉案人员的嫌疑程度结果排序,本文首次将该技术应用于电信网络诈骗案例中,对电诈犯罪嫌疑人认定具有实际意义。