基于贝叶斯网的网络故障监测方法

提出了一种基于贝叶斯网络的智能故障监测方法．通过有限混合模型对单个MIB变量的行为进行建模，将基于模型参数产生的残差用以描述MIB变量的状态；把观测得到的各MIB变量的信息经由贝叶斯网络加以融合，从而计算出网络出现故障的概率，包括未知的和不可预见的故障．实验中，在故障发生前约5mm网络异常的后验概率超过0．5，表明该方法能够在故障发生以前发现网络异常行为．     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于DSM的知识约简方法研究

根据对象属性的差异性与相似性，以及对DSM(difference-similitude matrix)矩阵元素m^dij，m^sij；的特性分析，定义了属性的重要度和合并度，给出了最佳属性约简集的修正子集的求解方法，从而提出了基于：DSM的知识约简方法，该方法能在保证规则相容的情况下生成少量规则，同时只使用部分条件属性。通过约简UCI机器学习数据库，并与粗集理论约简的结果比较，表明了该方法的合理性和有效性，并在约简效率和规则的正确率上都要好于粗集理论。     

一种新的基于粗集的增量式规则提取算法

通过引入属性值通配符,进而将规则表示为带通配体的样本－－规则样本,并对粗集的知识约简方法稍作修改,使得加入新样本后更新规则库时能够充分利用已经获得的规则,尽量减小待简的决策表的数据量,避免每次从庞大的原始决策表开始约简,从而加快更新速度,减小计算量,只作少量修改,而不必再从头约简,最后结合个实例阐明了该方法的基本思路。     

粗集理论的现状与前景

讨论了粗集理论的基本概念,详细的介绍了其在理论与应用方面的研究进展,并指出了粗集理论今后的一些研究方向。     

基于源地址与目的地址的网络流量监测系统

网络流量监测是网络性能分析和通信网络规划设计的基础.本文在分析传统网络流量监测方案的基础上,提出一种基于源地址与目的地址的网络流量监测方案及实现方法,能够较好根据不同的源地址和目的地址对数据流量分别统计,以确定单个主机产生的流量数据,发现网络的异常.本文在标准MIB的基础上,又以CISCO的两个私有MIB为例,采用J2EE模型架构,并通过JDBC-ODBC接口完成了服务端数据库操作.     

基于区间对偶犹豫模糊语言变量的VR在线购房顾客需求分析

针对属性值为区间对偶犹豫模糊语言变量的多属性决策问题,提出了一种基于区间对偶犹豫模糊语言变量Frank算子的多属性决策方法。首先,给出了区间对偶犹豫模糊语言变量的运算规则,提出了改进的区间对偶犹豫模糊集的得分函数、精确函数;其次,结合Frank-T范数和Frank-S范数,定义了区间对偶犹豫模糊语言变量Frank集结算子及其运算规则;最后,结合实际顾客需求问题,以VR在线购房为实例,将顾客需求的自然语言描述转化为区间对偶犹豫模糊语言,并运用区间对偶犹豫模糊Frank算子对顾客需求进行排序,验证了该方法的可行性和有效性。     

粗集理论中等价关系的交与并运算

粗集理论是当前计算机学科中的一个热点问题,它应用于数据挖掘等领域,等价关系是粗集理论中的一个重要概念,本文主要研究了等价关系的交并运算,建立了等价关系对于交并运算的代数结构。     

四值互斥变量K图及其化简

参照二值互斥变量K图的讨论,提出了四值互斥变量K图,讨论了它的特点以及在四值互斥变量逻辑函数化简中的应用,给出了四值互斥变量K图化简的规则,并用具体实例作了说明.提出的四值互斥变量K图大大地压缩了K图的规模,扩大了K图的应用范围.     

基于模式矩阵的P_Matrix算法

Apriori算法是关联规则挖掘中最经典的算法,该算法需多次扫描数据库并产生海量的候选项目集.利用模式矩阵对Apriori算法进行改进,提出一种P_Matrix算法,它使扫描数据库的次数降为一次,同时不产生候选项目集而直接产生频繁项目集,从而使算法的时间复杂度和空间复杂度大大降低.     

基于ARP和SNMP的网络拓扑自动发现算法

详细探讨了网络可视化管理的核心技术——拓扑图自动发现方法.分析了ARP（地址解析协议）和SNMP（简单网络管理协议）以及SMI（管理信息结构）,并详细介绍了MIBII库,ARP表和路由表的描述.在此基础上,重新设计了数据结构,设计并实现了拓扑自动发现算法,并给出了详细的算法描述,实验结果表明,该算法简单、快速、易于实现,为研发智能化网络故障定位系统提供了保证.     

一种基于移动代理的网络性能管理模型研究

对传统网络性能管理系统的缺陷进行分析后，提出了一种荩于移动代理的网络性能管理模型，该模型通过将网络性能管理需要采集的对象和指令封装位移动代理内，利用Grasshopper移动代删平台进行支撑，实现了M络性能数据的自主采集，并利用被管网元的本地资源即时计算出最终的性能指标数据，通过对传统性能管理和文巾提出的基于移动代理性能管理进行分析和比较，发现基于移动代理的网络性能管理可以减轻管理站的计算负荷，减少网络管理数据流量，从而降低囚网络管理而带来的额外开销。     

CRM中序列模式分析与神经网络结合的应用研究

用序列模式挖掘方法进行商品销售的预测,其准确率受单个算法本身限制,如果先用序列模式挖掘对原始数据进行过滤,然后再利用神经网络的自适应性,通过学习和训练,找出客户特征与购买某种商品意向的内在联系,再利用神经网络的泛化功能对未经训练客户购买意向进行预测,其预测的正确率非常高.     

基于相关性度量的关联规则挖掘

传统的关联规则挖掘方法容易生成一些无用规则,甚至生成误导规则,也不能区分正负关联规则.通过相关性度量,建立了基于相关性度量的兴趣度模型,并利用兴趣度模型改进了关联规则算法,最后,通过实例验证了此算法不仅能够避免生成无用规则和误导规则,还能生成一些感兴趣的负关联规则.     

软件结构属性分析与恶意软件检测

任何可执行文件都必须满足一定的结构特征.本文以Windows平台下的PE文件为研究对象,从PE头、节头、节代码出发,给出了17个结构特征;针对给定正常软件和各类恶意软件,获得了这些属性取值分布特征;采用多类数据挖掘分类技术获得了正常软件与恶意软件的判定规则.实验结果表明,C5.0的分类算法检测准确性最好,达到94.16%.这些规则可以为软件可信性度量提供依据.     

基于RBF网络信道均衡器

在数字通信系统中为了克服信道畸变引起的码间干扰，在接收端必须采用信道均衡技术。在本文中，我们将RBF网络用作均衡器。采用最近邻聚类和直接判决算法来调整隐藏层中心，然后再用LMS算法调整输出层的系数。该算法可以实现在线学习，根据相应的准则增加，删除隐藏层节点。算法事先不必确定隐藏层的节点个数。模拟结果显示，RBF网络均衡器能够正确地将信号从有噪信道中恢复出来，在计算机模拟仿真中其性能与理想贝叶斯均衡器相当。     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

双曲型方程激波捕捉的物理信息神经网络（PINN）算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点,其中,双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks,PINN）启发,构造了改进的PINN算法,近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入,将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值,通过网络优化,最小化损失函数,得到最优网络参数。最后用数值算例验证了算法的可行性,数值结果表明,本文算法能捕捉激波,分辨率高,且未产生伪振荡。