基于粗糙集理论和BP神经网络入侵检测模型

研究网络入侵准确检测问题.针对入侵检测系统存在的比较高的漏报率以及高的误报率,同时也存在入侵检测的数据存在维数大、冗余度高等缺陷.为了保证网络的安全防护技术的实时性和有效性,结合领域粗糙集和BP神经网络算法的优点,提出了一种新的基于领域粗糙集理论和BP神经网络算法的入侵检测算法.首先在粗糙集理论的基础上引入领域概念,减少信息的丢失,利用领域粗糙集理论进行数据的约简,将简化的数据集作为BP神经网络输入数据,可简化BP神经网络的结构,同时缩短了样本训练时间,有效提高了BP神经网络分类正确率.在Matlab上进行仿真的结果表明,所提出的入侵检测算法,训练样本时间更短,入侵识别率和检测率却有了较以前的传统算法更高的准备率.     

基于变精度粗糙集模型的流感诊断仿真系统

研究流感诊断仿真系统,因流感还缺乏概念准确的描述,为了降低流感诊断的复杂度,提高诊断决策的准确性,在深入研究变精度粗糙集模型的基础上.提出了一种基于 STL 的变精度粗糙集模型,并将模型应用于流感诊断仿真系统中.通过在流感决策表上直接建立变精度粗糙集模型,获取了流感诊断决策,建立流感诊断知识库提供了先验知识.在流感诊断仿真实验中,根据流感诊断决策规则进行了多次测试,测试结果表明仿真系统所获取的决策规则具有很高的正确率,达到了预期结果,可用于流感诊断.     

粗糙集BP神经网络在房地产价格预测中的应用

研究房地产价格准确预测问题.由于房地产价格影响因子间信息严重冗余,受到社会上多种因素的影响.传统预测方法不能消除因子间的冗余信息,导致学习时间长、预测精度低.为了提高房地产价格的预测精度,提出一种粗糙集理论BP神经网络的房地产价格预测模型(RS-BPNN).RS-BPNN模型首先采用粗糙集理论消除房地产价格因子间冗余信息,提取重要因子,然后采用非线性预测能力非常强的BP神经网络对处理后的数据进行学习建模,用建立好的模型对房地产价格进行预测.仿真结果表明,RS-BPNN房地产价格预测速度比传统预测方法快,预测精度更高,说明RS-BPNN的预测结果可以为政策制定者和房地商及买房提供参考.     

基于粗糙集的决策树雷达辐射源识别方法

关于优化识别雷达辐射源问题,雷达辐射源信号受到外界环境影响和各种干扰,造成识别困难.为解决上述问题,提出了一种新的决策树雷达辐射源识别方法.首先,应用粗糙集理论对雷达辐射源信号进行分析.通过离散化、属性约简,得到分类结果对于各条件属性的重要度.根据各条件属性重要度来确定各属性信息量的相对大小,建立决策树.该方法简化了决策树的结构,并改进了传统的决策树的建立方法.选取雷达信号的主要参数特征进行了仿真.仿真结果验证了改进方法的有效性与可靠性.为消除噪声,正确识别结果提供了依据.     

基于BP网络的洪灾风险评价算法

为了解决洪灾风险评价问题,文中在分析传统洪灾风险评价算法不足的基础上,结合BP网络特点,提出了基于BP网络的洪灾风险评价算法（Flood Risk Evaluation algorithm on BPNet,FRE—BPN）,同时为了解决BP算法对复杂高维样本数据建模效率差、精度低的缺陷,利用粗糙集对BP网络进行约简。仿真实验表明,粗糙集约简使得BP网络大大降低了洪灾风险评价模型建立的复杂度,同时FRE-BPN算法对洪灾数据集进行风险评价时的平均耗时大大下降。     

基于粗糙集和灰关联理论的雷达辐射源信号识别研究

雷达辐射源信号通过射频、脉冲重复周期、脉宽、天线转速等属性来描述。然而这些属性并不是在每个雷达数据库中都对识别起作用,通过粗糙集理论对其属性进行约简和规则提取,并且确定各属性的权重。对于没有受污染或受污染程度较小的信号可以通过约简规则进行匹配识别,如果受污染程度较为严重或失真的信号或是由粗糙集约简得到多义的规则,则可以计算目标信号各属性与数据库中各信号各属性的灰关联度,并用粗糙集计算得到的各属性权重对各属性得到的关联系数进行加权求和,得到关联度最大者为识别结果。仿真结果表明,基于粗糙集和灰关联理论的雷达辐射源信号识别方法能够有效地缩减识别过程,得到满意的识别结果。     

基于粗糙集边界的v-支持向量机混合分类算法

针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始样本作为训练集,减少训练集的数量,则可以在不影响分类精度和泛化性能的前提下显著缩短v-支持向量机的训练时间。仿真结果表明该算法的有效性。     

一种广义粗糙集精度的新度量

在粗糙集理论中,精度是量化由粗糙集边界引起的不精确性的一种重要数字特征,但传统精度没有考虑到由关系覆盖导出的颗粒大小。本文通过引入独立邻域集的概念,给出一种新的广义粗糙集精度的度量。     

多传感器信息融合概述及其应用

多传感器数据融合广泛应用于自动目标识别、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器信息融合技术的概念,对信息融合的算法进行了概述,提出了基于粗糙集理论的多源信息融合算法,最后对多传感器融合技术的研究动向进行了展望。     

RS_RBF在高新技术项目投资风险评价的应用

研究高新技术项目投资风险评价问题.由于高新技术项目各评价指标间的存在着冗余信息,传统的方法无法除去这些冗余,导致风险评价结果有时不正确,出现误导信息.为了提高风险评价的正确性,提出了一种粗糙集(RS)和径向基函数(RBF)神经网络相结合的高新技术项目投资风险评价混合模型.首先利用粗糙集的强大的数值分析能力对各评价指标进行属性约简,从而减少了RBF神经网络的训练数据,简化了网络结构,然后对约简后的数据利用RBF神经网络进行训练,最后应用于高新技术项目投资风险评价中.仿真结果表明,与RBF神经网络模型相比,混合模型加快了网络的运算速度,评价误差更小,评价精度进一步提高,获得了较好的评价结果.