基于改进D-S证据理论的网络证据融合方法研究

发布时间：2020-05-21 19:05

【摘要】：在飞速发展的互联网时代,网络数据量急剧增加,网络的开放性和虚拟性为不法犯罪分子提供了机会,如何在海量数据中准确地发现非法数据已成为急需解决的问题,因此网络取证应时而生,并得到了快速发展。在取证过程中主要涉及证据生成即基本概率指派(BPA)的生成和证据融合两步,其中存在信息量大、BPA如何生成以及融合精度低的问题。针对信息量大的问题,本文首先提出了一种基于类贡献度和特征加权的KNN方法进行预处理以减少数据量,针对后两个问题分别提出了基于核密度估计(KDE)的基本概率指派生成方法确定BPA以及基于共信度的D-S组合方法提高融合精度。本文主要内容如下:(1)提出了一种基于特征加权和类贡献度的KNN方法针对KNN算法易受近邻点选择和类别判定规则影响的问题,提出了基于特征加权和类贡献度改进的DCT-KNN算法,通过有无某特征时的准确率计算该特征的权重,在此基础上利用加权距离以及各类别近邻点等确定类贡献度,实现对原始KNN算法的改进,实验表明了本方法的有效性。(2)提出了一种基于核密度估计的基本概率指派生成方法基本概率指派的生成是D-S理论应用的重要环节,至今仍未有通用的解决方法,针对该问题提出利用核密度估计来生成BPA的方法:利用训练数据构建基于优化窗宽的核密度估计的属性模型;然后基于训练数据的核密度估计模型进一步计算测试数据的密度-距离-分布值(Tri-D),通过嵌套式的方法分配Tri-D值获取测试数据对应的BPA,最后通过D-S组合BPA获得最终判断,实验结果证明了算法的有效性。(3)提出了一种基于共信度改进的D-S组合方法该算法就D-S证据理论组合中组合精度和冲突悖论的问题,在优化的冲突衡量系数、可信度和不可信度的基础上,提出了共信度,并在此基础上对证据进行加权修正再组合,实验表明算法在有效避免组合冲突的同时也提高了收敛速度与组合结果的精度。(4)对网络证据进行了融合分析利用前面三种方法完成D-S证据理论在网络证据融合中的应用,通过预处理、形成证据以及融合证据,完成了对网络证据的分析。
【图文】：

本点jY 到待测的 X 样本之间的距离和，等式右边第一项近邻点数 K 的比重，在取定某个 K 值时，该项值越大即N中第 j 类点的数目就越多；右边第二项则是 K 近邻中第 j 类倒数，该项越大说明第 j 类样本到 X 的距离越近，所以综jCT 值时的类别索引 j 作为待测样本点 X 的最终类标签，类别。另外，如果 K 近邻中不含某类别的训练样本也就是算的角度是无意义的，本章规定此情况下的 0jCT ，，还有等，则取距离最近的样本所对应类别为最终分类结果，CindexofmCTjlXj ( ax()), 1:贡献度和特征加权的 KNN算法的流程如图 2-1 所示。

Liver 6 345 2 195 : 145Blood 4 748 2 562 : 178Glass 9 214 6 68 : 74 : 17 : 13 : 9 : 29实验分别采用 5 折和 10 折交叉验证，对 KNN 算法、DCT-KNN、文献[29]和基于类别距离[30]的算法进行了对比实验，图 2-2(a-d)、图 2-3(a-d)分别给出了在 4 个数据集上进行 5 折和 10 折交叉验证分类实验的准确率。(a) Iris 数据集 (b) Liver 数据集
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.08

【相似文献】

相关期刊论文 前10条

1 张文宇;岳昆;张彬彬;;基于D-S证据理论的电子商务虚假评论者检测[J];小型微型计算机系统;2018年11期

2 胡晓伟;刘响;孙航航;;基于D-S证据理论的出租车减排策略评价[J];交通信息与安全;2019年01期

3 王景春;王大鹏;;基于云D-S证据理论的山区高速公路路段风险评判[J];科学技术与工程;2019年23期

4 赵迪;于丽平;刘格;戴志鹏;;基于D-S证据理论的人机交互意图识别技术研究[J];组合机床与自动化加工技术;2019年03期

5 裴广利;赵建平;王欢;;基于D-S证据理论的网络安全态势预测研究[J];数码世界;2017年12期

6 张宝生;张庆普;;虚拟科技创新团队的知识流动效率评价研究——基于D-S证据理论[J];情报学报;2013年07期

7 刘标;许腾;李光;;D-S证据理论改进算法提高水下目标识别准确性[J];现代防御技术;2018年01期

8 屈贤;余烽;赵悦;;基于熵权灰色关联和D-S证据理论的疲劳驾驶险态辨识[J];汽车安全与节能学报;2018年02期

9 唐盼盼;;基于D-S证据理论的船舶动力系统配置设计评价方法[J];舰船科学技术;2019年14期

10 沈千里;章剑林;汤兵勇;;基于网络评论信息和D-S证据理论的云计算服务信任及采纳研究[J];图书馆学研究;2018年01期

相关会议论文 前9条

1 李小林;屈卫东;;基于D-S证据理论的航空发动机气路故障融合诊断[A];第37届中国控制会议论文集（D）[C];2018年

2 马永一;饶正周;龙秀虹;;一种新的基于粗糙集理论的证据获取方法[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

3 许寅卿;;智能化的变压器绝缘老化诊断方法[A];第二十五届华东六省一市电机工程（电力）学会输配电技术研讨会优秀论文集[C];2017年

4 丁浩;冀海峰;李强伟;黄志尧;李海青;;D-S证据理论在气固流化床流态判别中的应用[A];中国仪器仪表学会测控技术在资源节约和环境保护中的应用学术会议论文集[C];2001年

5 王红霞;田国会;李晓磊;卜范骞;;基于地标信息融合的家庭环境机器人组合导航[A];第二十六届中国控制会议论文集[C];2007年

6 张琦;夏向阳;;基于模糊证据理论的XLPE电缆绝缘状态评估研究[A];中国电工技术学会学术年会——新能源发电技术论坛论文集[C];2013年

7 赵丰文;冯辅周;戴耀;司爱威;;基于信息融合的变速箱故障诊断研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

8 朱卫东;孙宜博;吴勇;;两维证据框架下基于证据源特征的分组合成算法研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

9 周宇;周红琼;叶庆卫;王晓东;;基于D-S理论融合方法的网络质量评价[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关博士学位论文 前10条

1 王洪波;多源信息特征提取与融合及其在信息管理中的应用[D];合肥工业大学;2015年

2 曾珠;基于客户行为差异的汽车售后服务推荐研究[D];武汉理工大学;2013年

3 岑健;基于人工免疫系统的机组复合故障诊断技术研究[D];华南理工大学;2010年

4 姜江;证据网络建模、推理及学习方法研究[D];国防科学技术大学;2011年

5 韩进;矿井水害监控及决策支持技术研究[D];上海大学;2008年

6 刘培勋;车辆主动安全中关于车辆检测与跟踪算法的若干研究[D];吉林大学;2015年

7 刘哲席（Yu Chol Sok）;不确定性冲突信息的融合方法研究及在故障诊断中的应用[D];北京科技大学;2015年

8 胡文刚;基于多值域特征及数据融合的焊缝缺陷超声检测与识别[D];哈尔滨工业大学;2012年

9 王平;非结构化对等网络中的信任机制及搜索策略研究[D];西南大学;2010年

10 倪红梅;基于智能计算的蒸汽驱开发效果预测与参数优化方法研究[D];东北石油大学;2016年

相关硕士学位论文 前10条

1 张雅媛;基于D-S证据理论的无线传感器网络决策融合研究[D];河南科技大学;2019年

2 由东媛;D-S证据理论研究及其在汽车火灾预警中的应用[D];青岛科技大学;2019年

3 马琳;基于D-S证据理论的虚拟机性能评估[D];云南大学;2017年

4 黄杰;基于改进D-S证据理论的网络证据融合方法研究[D];山东师范大学;2019年

5 田明明;基于D-S证据理论的多传感器数据融合算法研究[D];江西师范大学;2018年

6 曾万昕;基于D-S证据理论的光伏并网发电量预测研究[D];北京建筑大学;2018年

7 李志盛;基于SVDD和D-S证据理论的模拟电路模块故障诊断方法研究[D];哈尔滨工业大学;2018年

8 孟媛媛;基于高冲突证据修正的D-S证据理论及其应用研究[D];山东师范大学;2018年

9 林水泉;基于BP神经网络和D-S证据理论的石化机组滚动轴承故障诊断研究[D];华南理工大学;2018年

10 罗兰;D-S证据理论中冲突证据的合成研究[D];淮北师范大学;2018年

本文编号：2674762