直覺模糊時間序列分析
範曉詩、王亞男、張雪超、雷陽
- 出版商: 清華大學
- 出版日期: 2021-06-01
- 售價: $570
- 貴賓價: 9.5 折 $542
- 語言: 簡體中文
- 頁數: 232
- 裝訂: 平裝
- ISBN: 7302566291
- ISBN-13: 9787302566298
-
相關分類:
Machine Learning
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$580$458 -
$840$756 -
$450$351 -
$550$495 -
$680$537 -
$594$564 -
$768$730 -
$305智能優化算法及其 MATLAB 實例, 3/e
-
$403圖神經網絡:基礎與前沿
-
$690$545 -
$327遷移學習導論
-
$354$336 -
$454MATLAB R2020a 神經網絡典型案例分析
-
$352TensorFlow 語音識別實戰
-
$294$279 -
$352智能控制, 2/e
-
$600$468 -
$594$564 -
$474$450 -
$880$695 -
$352圖像處理中的模糊邏輯:基於Java的導論
-
$414$393 -
$505知識圖譜實戰
-
$708$673
相關主題
商品描述
《直覺模糊時間序列分析》系統介紹直覺模糊時間序列分析理論和智能信息處理方法,尤其是在網絡信息安全領域的應用。第1章-直覺模糊集、時間序列預測、直覺模糊時間序列等。第2章-基於多重直覺模糊推理的一階一元IFTS預測模型。第3章-基於多維直覺模糊推理的高階IFTS預測模型。第4章-啟發式變階IFTS預測模型。第5章-自適應劃分IFTS預測模型。第6章-基於DTW的長期IFTS預測模型。第7章-基於基於VQ和曲線相似度測量的長期IFTS預測模型。第8章-基於IFTS分析的網絡流量預測。第9章-IFTS在網絡異常檢測中的應用。第10章-SIFE在網絡漏洞評估中的應用。
作者簡介
范曉詩,畢業於中國人民解放軍空軍工程大學計算機應用技術專業,現為中國人民解放軍國防大學聯合勤務學院講師。
研究方向為網絡信息安全和智能信息處理,發表學術論文16篇,SCI/EI檢索12篇,參與研究國家自然科學基金項目兩項,《直覺模糊混合理論及其在彈道目標識別中的應用研究》(項目編號61272011),《基於直覺模糊核匹配追踪的網絡入侵意圖識別方法研究》(項目編號61409022)。
目錄大綱
目錄
第1章概述
1.1基礎理論發展
1.1.1模糊集理論
1.1.2直覺模糊集理論
1.1.3直覺模糊時間序列
1.2模糊集與直覺模糊集
1.2.1模糊集定義
1.2.2直覺模糊集定義
1.2.3直覺模糊關系
1.2.4直覺模糊條件推理
1.3直覺模糊時間序列
1.3.1平穩時間序列
1.3.2非平穩時間序列分析
1.3.3推理直覺模糊時間序列
1.4長期直覺模糊時間序列
參考文獻
第2章一階一元多重直覺模糊推理的IFTS預測
2.1引言
2.2FTS預測模型
2.3一階一元IFTS預測模型
2.3.1論域非等分劃分
2.3.2直覺模糊集建立
2.3.3直覺模糊邏輯關系和預測規則
2.3.4解模糊算法
2.4實驗和分析
2.4.1亞拉巴馬大學數據集實驗
2.4.2TRSSCG數據集實驗
參考文獻
第3章多維直覺模糊推理的高階IFTS預測模型
3.1引言
3.2高階一元IFTS預測模型
3.2.1直覺模糊邏輯關系
3.2.2高階一元預測規則
3.2.3解模糊算法
3.2.4高階一元IFTS模型實現
3.2.5實驗和分析
3.3高階多元IFTS預測模型
3.3.1直覺模糊邏輯關系
3.3.2高階多元預測規則
3.3.3解模糊算法
3.3.4高階多元IFTS模型實現
3.3.5實驗和分析
參考文獻
第4章啟發式變階IFTS預測模型
4.1引言
4.2啟發式變階IFTS預測模型
4.2.1定階時間序列模型分析
4.2.2啟發式變階預測規則
4.2.3啟發式解模糊算法
4.2.4模型實現
4.3實驗和分析
4.3.1入學人數預測實驗
4.3.2氣溫數據預測實驗
參考文獻
第5章自適應劃分的IFTS預測方法
5.1直覺模糊時間序列建模
5.2自適應劃分IFTS模型及其算法
5.2.1IFTS模型定階算法
5.2.2IFTS自適應劃分算法
5.2.3直覺模糊化和去直覺模糊化
5.3自適應劃分IFTS預測模型
5.3.1數據訓練
5.3.2自適應劃分
5.3.3預測結果比較
5.4實驗和分析
5.4.1季節性時間序列預測
5.4.2長期趨勢時間序列預測
5.4.3復雜度分析
參考文獻
第6章基於DTW的長期IFTS預測方法
6.1規則庫IFTS模型
6.2時間序列片段聚類
6.2.1直覺模糊C均值聚類
6.2.2IFTS片段聚類算法
6.3基於DTW的(p-q)IFTS預測
6.3.1動態時間彎曲距離
6.3.2IFTS片段DTW算法
6.3.3(p-q)IFTS算法
6.4實驗和分析
6.4.1合成數據預測
6.4.2多模式時間序列預測
6.4.3復雜度分析
參考文獻
第7章基於VQ和曲線相似度測量的長期IFTS預測方法
7.1引言
7.2矢量量化和相似度測量
7.2.1時間序列矢量量化
7.2.2曲線相似度測量
7.3基於VQ和弗雷歇距離的(p-q)IFTS預測
7.3.1基於IFCM的VQ算法
7.3.2基於曲線相似度測量的預測算法
7.3.3(p-q)IFTS模型
7.4實驗和分析
7.4.1季節性時間序列預測
7.4.2長期趨勢時間序列預測
7.4.3復合模式時間序列預測
7.4.4復雜度分析
參考文獻
第8章IFTS分析在網絡流量預測中的應用
8.1網絡流量預測和異常檢測
8.1.1網絡流量預測
8.1.2網絡異常檢測
8.2基於長期IFTS的網絡流量預測模型
8.2.1網絡流量預測模型
8.2.2IFTSVQ算法
8.2.3實驗設計和分析
8.3基於IFTS預測的DoS攻擊檢測方法
8.3.1DoS攻擊
8.3.2實驗設計與分析
參考文獻
第9章基於IFTS圖挖掘的網絡流量異常檢測
9.1引言
9.2基本理論
9.2.1圖挖掘
9.2.2信息熵
9.3基於IFTS圖挖掘的流量異常檢測算法
9.3.1IFTS圖構建
9.3.2IFTS圖挖掘
9.3.3異常判定準則
9.3.4算法實現
9.4實驗和分析
9.4.1實驗數據
9.4.2對比實驗
參考文獻
第10章IFR和SIFE在網絡安全中的應用
10.1流量異常檢測中的推理問題
10.1.1流量異常檢測推理
10.1.2基於蘊涵算子的包含度
10.1.3基於集合基數的包含度
10.1.4基於包含度的直覺模糊相似度
10.1.5基於包含度的直覺模糊推理方法
10.2基於IFR的流量異常檢測方法
10.2.1數據直覺模糊化
10.2.2推理規則和合成
10.2.3實驗設計和分析
10.3嚴格直覺模糊熵
10.3.1直覺模糊熵
10.3.2IFS公理化定義
10.3.3SIFE公理化定義
10.3.4SIFE構建方法
10.3.5SIFE一般式
10.3.6算例分析
10.4基於SIFE的漏洞評估
10.4.1漏洞評估
10.4.2實驗設計與分析
參考文獻