高维云模型及其在多属性评价中的应用

提出核空间高维云模型并将其应用于多属性评价问题.基于样本取值范围计算云模型的数字特征,生成云模型表达样本属性值与其属于期望值的隶属度之间的关系.在一维云模型的基础上,建立样本的多属性核空间高维云模型.对核空间内的样本,高维云模型的隶属度取值为1;基于样本在核空间高维云模型中的隶属度对样本进行多属性评价;应用核空间高维云模型,对地理信息系统内选定区域进行评价,选出适合作为观察所的位置,并对选取结果进行分类.该模型的多属性评价效果良好.

基于属性相似度云模型的网络异常检测

针对网络异常检测虚警率偏高的问题,提出了一种基于属性相似度云模型的网络异常检测新方法。基于各属性对分类的不同贡献,结合数据对象空间和属性空间的相似度概念,给出了属性相似度和属性权重的计算方法,该方法可降低网络数据空间的维数,提高目标识别的准确率。试验表明,该方法具有先验知识需求少和参数容易确定的优点,能比较准确地检测出对网络数据的异常行为。