證據(jù)理論拓展及其在信息安全中的應(yīng)用研究

目 錄
第1章 緒論\t1
1．1 DS證據(jù)理論解釋\t2
1．2 DS證據(jù)理論的應(yīng)用領(lǐng)域\t4
1．2．1 目標(biāo)識別\t4
1．2．2 故障診斷\t5
1．2．3 入侵檢測\t6
1．2．4 多屬性決策\(yùn)t7
1．3 DS證據(jù)理論的若干問題\t8
1．3．1 證據(jù)合成方法\t8
1．3．2 合成近似快速算法\t9
1．3．3 異常證據(jù)檢測\t10
1．3．4 基本概率賦值\t11
1．4 本書的組織安排\t11
第2章 DS證據(jù)理論基本原理\t13
2．1 DS證據(jù)理論基礎(chǔ)知識\t14
2．1．1 識別框架\t14
2．1．2 基本概率賦值\t15
2．1．3 信任函數(shù)\t16
2．1．4 眾信度函數(shù)\t17
2．1．5 似然函數(shù)\t18
2．1．6 幾種函數(shù)之間的關(guān)系\t19
2．2 證據(jù)合成規(guī)則\t20
2．2．1 兩個(gè)證據(jù)的合成\t20
2．2．2 多個(gè)證據(jù)的合成\t23
2．2．3 合成的基本性質(zhì)\t25
2．3 證據(jù)折扣\t27
2．4 DS證據(jù)理論決策規(guī)則\t27
2．4．1 基于信任函數(shù)的決策\(yùn)t27
2．4．2 基于最小風(fēng)險(xiǎn)的決策\(yùn)t27
2．4．3 基于基本概率賦值的決策\(yùn)t28
2．5 DS證據(jù)理論與其他信息融合
方法的比較\t28
2．5．1 DS證據(jù)理論和貝葉斯方法\t28
2．5．2 DS證據(jù)理論和模糊集理論\t29
2．5．3 DS證據(jù)理論和粗糙集理論\t29
2．6 本章小結(jié)\t30
第3章 基本概率賦值確定方法\t31
3．1 常見基本概率賦值確定方法
及分析\t31
3．1．1 根據(jù)目標(biāo)類型數(shù)和環(huán)境
加權(quán)系數(shù)確定基本概率
賦值\t31
3．1．2 利用統(tǒng)計(jì)證據(jù)獲取基本
概率賦值\t32
3．1．3 利用目標(biāo)速度和加速度
獲取基本概率賦值\t34
3．1．4 利用目標(biāo)身份（TID）
獲取基本概率賦值\t34
3．1．5 根據(jù)模式之間的相似度
獲取基本概率賦值\t34
3．1．6 根據(jù)模糊隸屬度獲取基
本概率賦值\t35
3．2 基于BP神經(jīng)網(wǎng)絡(luò)的DS證據(jù)
理論及其應(yīng)用\t35
3．2．1 BP神經(jīng)網(wǎng)絡(luò)的基本知識\t35
3．2．2 基于BP神經(jīng)網(wǎng)絡(luò)的DS
證據(jù)理論及其信息融合
模型\t36
3．2．3 案例分析\t38
3．3 本章小結(jié)\t41
第4章 證據(jù)合成規(guī)則改進(jìn)與優(yōu)化\t42
4．1 DS證據(jù)理論證據(jù)合成規(guī)則
正常應(yīng)用與失效的案例\t42
4．1．1 正常證據(jù)\t42
4．1．2 等可能性證據(jù)\t43
4．1．3 高沖突證據(jù)\t44
4．1．4 完全沖突證據(jù)\t44
4．1．5 證據(jù)沖突產(chǎn)生的原因\t44
4．1．6 DS證據(jù)理論證據(jù)合成規(guī)則
的靈敏度分析\t45
4．2 合成規(guī)則改進(jìn)與優(yōu)化\t47
4．2．1 Yager改進(jìn)方法\t48
4．2．2 Smets改進(jìn)方法\t48
4．2．3 Dubois改進(jìn)方法\t48
4．2．4 Toshiyuki改進(jìn)方法\t49
4．2．5 Murphy的平均法\t49
4．2．6 鄧勇的改進(jìn)方法\t49
4．2．7 孫全的加權(quán)和方法\t50
4．2．8 張山鷹的改進(jìn)方法\t51
4．3 引入優(yōu)先因子的證據(jù)合成
方法\t53
4．3．1 優(yōu)先因子的定義\t54
4．3．2 優(yōu)先因子的確定\t54
4．3．3 引入優(yōu)先因子的證據(jù)合成
方法\t55
4．3．4 案例分析\t56
4．4 引入權(quán)重因子的證據(jù)合成
方法\t58
4．4．1 證據(jù)合成模型\t58
4．4．2 證據(jù)合成步驟\t58
4．4．3 權(quán)重因子對合成結(jié)果的
影響分析\t60
4．4．4 案例分析\t61
4．5 基于熵權(quán)的證據(jù)合成方法\t62
4．5．1 熵理論的基本概念\t63
4．5．2 熵權(quán)的確定\t63
4．5．3 證據(jù)合成方法\t64
4．5．4 案例分析\t65
4．6 基于證據(jù)距離的證據(jù)合成
方法\t66
4．6．1 距離優(yōu)化函數(shù)及合成方法\t66
4．6．2 案例分析\t67
4．7 本章小結(jié)\t69
第5章 DS證據(jù)理論的近似算法\t70
5．1 近似算法論證\t70
5．1．1 DS證據(jù)理論證據(jù)合成計(jì)算
復(fù)雜度問題\t70
5．1．2 理論論證\t71
5．2 經(jīng)典近似算法\t73
5．2．1 Bayesian近似算法\t73
5．2．2 (k，l，x)近似算法\t74
5．2．3 基于遺傳算法的近似算法\t74
5．3 基于基本概率賦值再分配
策略的近似算法\t76
5．3．1 幾個(gè)重要的函數(shù)\t76
5．3．2 焦元的控制規(guī)則\t76
5．3．3 拋棄焦元基本概率賦值的
再分配及算法描述\t77
5．3．4 案例分析\t79
5．4 本章小結(jié)\t81
第6章 基于DS證據(jù)理論和層次
分析法的信息融合方法\t82
6．1 層次分析法\t82
6．2 基于DS證據(jù)理論/AHP的
信息融合方法\t85
6．2．1 問題描述\t85
6．2．2 DS證據(jù)理論/AHP的信息
融合方法\t86
6．3 改進(jìn)DS證據(jù)理論/AHP信息
融合方法\t90
6．3．1 識別框架的建立\t90
6．3．2 證據(jù)選擇\t90
6．3．3 基本概率賦值計(jì)算\t90
6．3．4 證據(jù)合成\t94
6．3．5 決策規(guī)則\t94
6．4 DS證據(jù)理論/AHP的分析\t94
6．4．1 DS證據(jù)理論/AHP的比對
次數(shù)分析\t95
6．4．2 基本概率賦值性質(zhì)分析\t96
6．4．3 DS證據(jù)理論/AHP的不
確定性分析\t97
6．4．4 DS證據(jù)理論/AHP的沖突
分析\t98
6．5 案例分析\t100
6．6 本章小結(jié)\t103
第7章 區(qū)間型證據(jù)合成方法研究\t105
7．1 區(qū)間數(shù)基礎(chǔ)知識\t105
7．1．1 區(qū)間數(shù)的定義及其運(yùn)算\t106
7．1．2 區(qū)間數(shù)的距離及其性質(zhì)\t107
7．2 廣義求和與廣義乘積\t111
7．2．1 廣義求和算子與廣義乘積
算子定義\t111
7．2．2 基于區(qū)間數(shù)的廣義求和算子
與廣義乘積算子\t113
7．3 基于區(qū)間數(shù)的DS證據(jù)
理論\t113
7．3．1 基于區(qū)間數(shù)的基本概率
賦值\t114
7．3．2 基于區(qū)間數(shù)的信任函數(shù)\t115
7．3．3 基于區(qū)間數(shù)的似然函數(shù)\t116
7．4 證據(jù)合成\t116
7．4．1 兩個(gè)證據(jù)的合成\t116
7．4．2 多個(gè)證據(jù)的合成\t117
7．4．3 區(qū)間數(shù)的比較\t117
7．5 案例分析\t117
7．5．1 情況1\t118
7．5．2 情況2\t120
7．6 本章小結(jié)\t122
第8章 證據(jù)聚類與異常證據(jù)檢測
算法\t124
8．1 聚類分析\t125
8．1．1 聚類的定義\t126
8．1．2 聚類的相似性測度\t126
8．1．3 聚類算法\t127
8．1．4 描述聚類的特征\t130
8．2 證據(jù)聚類問題的描述\t131
8．2．1 基本定義\t132
8．2．2 聚類準(zhǔn)則\t132
8．3 基于證據(jù)距離的證據(jù)聚類
方法\t133
8．3．1 距離優(yōu)化法\t133
8．3．2 證據(jù)聚類模型\t134
8．3．3 證據(jù)質(zhì)心向量\t134
8．3．4 聚類步驟\t135
8．3．5 案例分析\t136
8．4 基于互/自沖突量分析的
證據(jù)聚類方法\t138
8．4．1 聚類步驟\t138
8．4．2 案例分析\t139
8．5 異常證據(jù)檢測\t140
8．5．1 異常證據(jù)的概念\t141
8．5．2 基于證據(jù)距離和沖突
程度的異常證據(jù)檢測
算法\t142
8．5．3 基于投影分解與KNN的
異常證據(jù)檢測算法\t142
8．5．4 異常證據(jù)分析\t148
8．6 本章小結(jié)\t148
第9章 DS證據(jù)理論在信息安全中的
應(yīng)用\t150
9．1 基于DS證據(jù)理論和粗糙集
理論的入侵檢測方法\t150
9．1．1 入侵檢測\t151
9．1．2 粗糙集理論基礎(chǔ)知識\t152
9．1．3 混合入侵檢測模型\t152
9．1．4 案例分析\t154
9．2 基于動態(tài)更新證據(jù)支持度的
節(jié)點(diǎn)信任評估方法\t156
9．2．1 信任管理\t156
9．2．2 信任評估基礎(chǔ)知識\t158
9．2．3 基于動態(tài)信任支持度的
WSN信任評估方法\t160
9．2．4 仿真結(jié)果與分析\t161
9．3 不完全信息下可生存網(wǎng)絡(luò)
存儲系統(tǒng)方案優(yōu)選\t163
9．3．1 網(wǎng)絡(luò)可生存性\t163
9．3．2 多屬性決策基礎(chǔ)知識\t164
9．3．3 可生存網(wǎng)絡(luò)存儲系統(tǒng)方案
優(yōu)選模型與方法\t165
9．3．4 評估案例與分析\t168
9．4 分布式環(huán)境下信任路徑
選擇性搜索及聚合\t169
9．4．1 信任路徑選擇\t171
9．4．2 信任路徑選擇性搜索策略
及聚合算法\t171
9．4．3 基于改進(jìn)DS證據(jù)理論的
信任路徑合成算法\t175
9．4．4 案例及仿真分析\t177
9．5 本章小結(jié)\t181
參考文獻(xiàn)\t182