模糊网络中基于指数的评估函数研究

结合模糊网络环境特征,提出了在全局网络中遍历服务异常（QoS）的目标的评估函数。该函数的实施,首先 通过建立节点的数学模型,在此基础上分析传统研究方法开展评估过程中表现出的局限性和适应性。其次,结合网络节点多 跳特征给出相应机制筛选信息域。同时引入指数级评估函数用于排除累积性差错引发的跳距误差。然后形成一套评估函数 的实施策略。最后,搭建实验模型部署实验方案,将评估函数同传统研究方法开展对比。经过三项实验的多次考察表明,本文 研究的指数级评估函数部署在模糊网络中,各项指标均占据优势。     

开放网格环境下动态信任模型研究

随着大规模分布式系统研究的深入,开放网络环境下的动态信任管理成为一个突出问题,通过分析动态环境信任关系的特点,借助模糊逻辑知识,给出了一个分布环境的动态信任评估模型。该模型充分考虑了信任的模糊性与主观性,运用模糊逻辑的方法来得到结点的直接信任值,同时对动态环境下全局信誉的迭代计算,通过增加推荐结点信息表来控制其计算效率。     

基于请求关键词的应用层DDoS攻击检测方法

针对EigenRep信任模型没有对节点恶意欺骗行为做出信誉惩罚修正的问题,改进了全局信誉的计算方法,即加入了影响因子,使得节点计算的全局信誉更客观。同时针对EigenRep模型每次交易都需要在全网络范围内做全局信誉的迭代计算从而导致系统开销过大的问题,提出了一种新的信任机制。实验表明,该机制结合风险、本地信任度和全局信誉的策略,可以大大减少系统开销,适合更大规模的网络环境的应用。最后,利用该机制实现了一个电子商务平台系统。     

基于最大隶属度的网络安全模型

结合免疫系统中多层防御机制和入侵行为中不确定性的特性,利用了改进的模糊识别的方法,提出了一种基于最大隶属度算法的网络安全管理模型。应用数学方法对该模型进行了描述,论证了应用该模型进行网络安全管理的可行性,实现了该系统的原型,并对该模型做了测试和评价,对其应用范围进行了展望。     

基于最大隶属度的网络安全模型

结合免疫系统中多层防御机制和入侵行为中不确定性的特性,利用了改进的模糊识别的方法,提出了一种基于最大隶属度算法的网络安全管理模型。应用数学方法对该模型进行了描述,论证了应用该模型进行网络安全管理的可行性,实现了该系统的原型,并对该模型做了测试和评价,对其应用范围进行了展望。     

一种工业物联网多路径可靠路由机制

为了满足工业物联网对数据传输的可靠性需求,提出了一种多路径可靠路由机制.结合边缘计算和软件定义网络的思想,构建了新型的工业物联网模型.在此基础上,该机制针对突发性和周期性数据的不同可靠性需求,分别设计了相应的路由策略,并采用可靠性模型评估源和目的节点之间路径的可靠性,确定满足工业应用需求的多条路径信息.接下来,源节点按照路径信息将工业数据传输到目的节点.当节点的能量和负载以及链路质量信息发生变化时,该机制根据最新的全局视图动态地调整路由决策,从而提高网络性能.仿真实验结果表明,该路由机制在数据传输的可靠性和网络的可扩展性方面表现出了较好的性能.     

基于模糊理论的主观信任评价模型的研究

针对开放式网络环境中信任的主观性、不确定性等特点, 提出了一个基于模糊理论的主观信任评价模型。该模型运用模糊理论得出节点间的综合信任评价的计算式, 并在信任的计算中引入时间因子、对不诚信节点的约束机制, 利用贴近度反求权重计算综合信任值, 最后利用模糊等价关系实现信任值的聚类分析。通过仿真实验结果分析, 证明了该模型具有有效性和可行性, 并通过仿真实验比较, 验证了该模型能够客观地反映出接近真实的情况。     

基于模糊神经网络的网络业务分类研究

该文利用神经网络的自学习能力和模糊逻辑的动态性和及时性等特点,将模糊逻辑和神经网络有机地结合起来,构造出了四层模糊神经网络,并用训练神经网络的相应学习算法训练网络,将该模型用于网络业务源特征提取与分类的研究中,并与单纯的神经网络算法相比较。计算机仿真结果表明,模糊神经网络方法比神经网络算法更优越,该文的研究结果为解决网络业务源特征提取与分类奠定了基础。     

火灾探测信号的智能处理算法

针对火灾探测的特点,提出了一种处理火灾探测信号的智能算法,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。依据模糊神经网络算法的要求,完成了网络结构的设计,并给出了相应的计算模型,用改进的BP算法对网络进行学习和训练。将该算法应用于火灾探测中能够减少火灾的误报率,最后,根据国家标准试验火数据进行网络测试,仿真结果表明了算法的有效性和可行性。     

复杂环境下网络抗毁性综合评估方法

为了量化、客观地评估网络在复杂环境下的抗毁性能评估,提出了一种多目标网络抗毁性评估方法。该方法引入结合粒子群算法的环境参数集概念,用于表示各项指标在不同环境下的重要程度,以体现不同环境对网络抗毁性能指标的不同要求;并从节点角度考虑将网络的鲁棒性、可用性、适应性与成本等目标综合起来,给出一种量化反映网络在不同环境下综合抗毁性能的算法,以弥补现有方法主观、非量化及无法适应复杂环境等缺陷。通过仿真实验验证了该方法的有效性。     

无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.     

P2P网络中基于模糊理论的综合信任模型研究

在分析P2P网络传统信任模型的基础上,提出一种模糊理论和传统数学理论相结合的综合信任模型。该模型将模糊理论应用于网络节点间主观信任的计算,能够更好地处理复杂的网络因素对信任的影响;利用传统的数学模型来计算推荐信任不但可以得到准确的信任值,还可以将网络的负担降到最低。同时模型中引入了等级反馈机制和时间因子,使得模型的信任度评估更加准确和灵活。仿真结果表明,该模型较传统模型有一定的改进。     

训练模式对的摄动对折线模糊神经网络稳定性的影响

引入折线模糊数及其扩张运算,针对折线模糊神经网络,定义折线模糊数的最大摄动误差、训练模式对的γ摄动等概念,并基于纠错规则设计该网络连接权的学习算法。其次,当转移函数满足Lipschitz条件和训练模式对发生γ摄动时,在定义折线模糊神经网络对训练模式对摄动的全局稳定性的基础上,应用归纳法证明三层折线模糊神经网络的连接权具有稳定性,进而获得该网络关于训练模式对的γ摄动也具有全局稳定性。最后,通过模拟实例说明训练模式对的摄动对该网络稳定性的影响。     

IA supported synchronous digital hierarchy transport network planning

This paper introduces a methodology for carrying out Transport Networks Synchronous Digital Hierarchy (TN-SDH) planning, when the objective is the definition of routing fiber optics cables in existing galleries. The proposed methodology employs mathematical programming models in which the traffic matrix is represented by means of fuzzy set concepts, its uncertainties considered due to the existence of various and sophisticated telecommunication services in its networks. The TN-SDH planning is understood as a problem of multicommodity flow networks and the model obtained has a fuzzy linear programming characteristic. This procedure was applied in a large-scale realistic network and the results show that it is a method which is more attractive than others and do not employ fuzzy set in modeling the knowledge of traffic matrix.     

网络安全预警定位与快速隔离控制技术研究

以大规模网络环境下安全事件的研究为依托,研究了一种面向大规模网络的预警定位与快速隔离控制技术及其实现方法和技术路线.通过分析安全事件的特征,建立分布式网络安全事件预警模型,通过监控安全事件活动,形成警戒灾区,研究扩散蔓延趋势预测模型,对警戒灾区进行快速定位,安全隔离.在该技术基础上实现了一套原型系统,实验结果表明,该系统在百兆流量下入侵预警漏报率小于5%,误报率小于7%,响应时间满足要求.     

混沌机制在T-S模型模糊神经网络的系统辨识研究

提出一种T－S模型的模糊神经网络,在通常BP算法的基础上,引进混沌机制来训练模糊神经网络的权值参数。将混沌BP算法应用于非线性系统建模,以求获得全局意义下的最优逼近。仿真研究说明了其有效性和良好的性质。     

基于模糊神经网络的ATM网络业务量智能预测

文章尝试将模糊神经网络方法引入ATM网络的业务量预测中。ATM网络业务源一般是随机产生的时变信号,其模型一般很难描述。文章充分考虑了模糊神经网络的学习功能,通过对相关模型的仿真,能够很好地描述ATM网络中的业务流特性,对多媒体的业务量做出了准确的预测。与传统的神经网络方法比较,具有更好的逼近效果。     

Traffic modeling, prediction, and congestion control for high-speednetworks: a fuzzy AR approach

In this study, a fuzzy autoregressive (fuzzy-AR) model is proposed to describe the traffic characteristics of high-speed networks. The fuzzy-AR model approximates a nonlinear time-variant process with a combination of several linear local AR processes using a fuzzy clustering method. We propose that the use of this fuzzy-AR model has greater potential for congestion control of packet network traffic. The parameter estimation problem in fuzzy-AR modeling is treated by a clustering algorithm developed from actual traffic data in high-speed networks. Based on the adaptive AR-prediction model and queueing theory, a simple congestion control scheme is proposed to provide an efficient traffic management for high-speed networks. Finally, using the actual Ethernet-LAN packet traffic data, several examples are given to demonstrate the validity of this proposed method for high-speed network traffic control