【摘要】：在飛速發(fā)展的互聯(lián)網(wǎng)時代,網(wǎng)絡(luò)數(shù)據(jù)量急劇增加,網(wǎng)絡(luò)的開放性和虛擬性為不法犯罪分子提供了機會,如何在海量數(shù)據(jù)中準(zhǔn)確地發(fā)現(xiàn)非法數(shù)據(jù)已成為急需解決的問題,因此網(wǎng)絡(luò)取證應(yīng)時而生,并得到了快速發(fā)展。在取證過程中主要涉及證據(jù)生成即基本概率指派(BPA)的生成和證據(jù)融合兩步,其中存在信息量大、BPA如何生成以及融合精度低的問題。針對信息量大的問題,本文首先提出了一種基于類貢獻度和特征加權(quán)的KNN方法進行預(yù)處理以減少數(shù)據(jù)量,針對后兩個問題分別提出了基于核密度估計(KDE)的基本概率指派生成方法確定BPA以及基于共信度的D-S組合方法提高融合精度。本文主要內(nèi)容如下:(1)提出了一種基于特征加權(quán)和類貢獻度的KNN方法針對KNN算法易受近鄰點選擇和類別判定規(guī)則影響的問題,提出了基于特征加權(quán)和類貢獻度改進的DCT-KNN算法,通過有無某特征時的準(zhǔn)確率計算該特征的權(quán)重,在此基礎(chǔ)上利用加權(quán)距離以及各類別近鄰點等確定類貢獻度,實現(xiàn)對原始KNN算法的改進,實驗表明了本方法的有效性。(2)提出了一種基于核密度估計的基本概率指派生成方法基本概率指派的生成是D-S理論應(yīng)用的重要環(huán)節(jié),至今仍未有通用的解決方法,針對該問題提出利用核密度估計來生成BPA的方法:利用訓(xùn)練數(shù)據(jù)構(gòu)建基于優(yōu)化窗寬的核密度估計的屬性模型;然后基于訓(xùn)練數(shù)據(jù)的核密度估計模型進一步計算測試數(shù)據(jù)的密度-距離-分布值(Tri-D),通過嵌套式的方法分配Tri-D值獲取測試數(shù)據(jù)對應(yīng)的BPA,最后通過D-S組合BPA獲得最終判斷,實驗結(jié)果證明了算法的有效性。(3)提出了一種基于共信度改進的D-S組合方法該算法就D-S證據(jù)理論組合中組合精度和沖突悖論的問題,在優(yōu)化的沖突衡量系數(shù)、可信度和不可信度的基礎(chǔ)上,提出了共信度,并在此基礎(chǔ)上對證據(jù)進行加權(quán)修正再組合,實驗表明算法在有效避免組合沖突的同時也提高了收斂速度與組合結(jié)果的精度。(4)對網(wǎng)絡(luò)證據(jù)進行了融合分析利用前面三種方法完成D-S證據(jù)理論在網(wǎng)絡(luò)證據(jù)融合中的應(yīng)用,通過預(yù)處理、形成證據(jù)以及融合證據(jù),完成了對網(wǎng)絡(luò)證據(jù)的分析。
【圖文】：

本點jY 到待測的 X 樣本之間的距離和，等式右邊第一項近鄰點數(shù) K 的比重，在取定某個 K 值時，該項值越大即N中第 j 類點的數(shù)目就越多；右邊第二項則是 K 近鄰中第 j 類倒數(shù)，該項越大說明第 j 類樣本到 X 的距離越近，所以綜jCT 值時的類別索引 j 作為待測樣本點 X 的最終類標(biāo)簽，類別。另外，如果 K 近鄰中不含某類別的訓(xùn)練樣本也就是算的角度是無意義的，本章規(guī)定此情況下的 0jCT ，，還有等，則取距離最近的樣本所對應(yīng)類別為最終分類結(jié)果，CindexofmCTjlXj ( ax()), 1:貢獻度和特征加權(quán)的 KNN算法的流程如圖 2-1 所示。

Liver 6 345 2 195 : 145Blood 4 748 2 562 : 178Glass 9 214 6 68 : 74 : 17 : 13 : 9 : 29實驗分別采用 5 折和 10 折交叉驗證，對 KNN 算法、DCT-KNN、文獻[29]和基于類別距離[30]的算法進行了對比實驗，圖 2-2(a-d)、圖 2-3(a-d)分別給出了在 4 個數(shù)據(jù)集上進行 5 折和 10 折交叉驗證分類實驗的準(zhǔn)確率。(a) Iris 數(shù)據(jù)集 (b) Liver 數(shù)據(jù)集
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP393.08

【相似文獻】

相關(guān)期刊論文 前10條

1 張文宇;岳昆;張彬彬;;基于D-S證據(jù)理論的電子商務(wù)虛假評論者檢測[J];小型微型計算機系統(tǒng);2018年11期

2 胡曉偉;劉響;孫航航;;基于D-S證據(jù)理論的出租車減排策略評價[J];交通信息與安全;2019年01期

3 王景春;王大鵬;;基于云D-S證據(jù)理論的山區(qū)高速公路路段風(fēng)險評判[J];科學(xué)技術(shù)與工程;2019年23期

4 趙迪;于麗平;劉格;戴志鵬;;基于D-S證據(jù)理論的人機交互意圖識別技術(shù)研究[J];組合機床與自動化加工技術(shù);2019年03期

5 裴廣利;趙建平;王歡;;基于D-S證據(jù)理論的網(wǎng)絡(luò)安全態(tài)勢預(yù)測研究[J];數(shù)碼世界;2017年12期

6 張寶生;張慶普;;虛擬科技創(chuàng)新團隊的知識流動效率評價研究——基于D-S證據(jù)理論[J];情報學(xué)報;2013年07期

7 劉標(biāo);許騰;李光;;D-S證據(jù)理論改進算法提高水下目標(biāo)識別準(zhǔn)確性[J];現(xiàn)代防御技術(shù);2018年01期

8 屈賢;余烽;趙悅;;基于熵權(quán)灰色關(guān)聯(lián)和D-S證據(jù)理論的疲勞駕駛險態(tài)辨識[J];汽車安全與節(jié)能學(xué)報;2018年02期

9 唐盼盼;;基于D-S證據(jù)理論的船舶動力系統(tǒng)配置設(shè)計評價方法[J];艦船科學(xué)技術(shù);2019年14期

10 沈千里;章劍林;湯兵勇;;基于網(wǎng)絡(luò)評論信息和D-S證據(jù)理論的云計算服務(wù)信任及采納研究[J];圖書館學(xué)研究;2018年01期

相關(guān)會議論文 前9條

1 李小林;屈衛(wèi)東;;基于D-S證據(jù)理論的航空發(fā)動機氣路故障融合診斷[A];第37屆中國控制會議論文集（D）[C];2018年

2 馬永一;饒正周;龍秀虹;;一種新的基于粗糙集理論的證據(jù)獲取方法[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

3 許寅卿;;智能化的變壓器絕緣老化診斷方法[A];第二十五屆華東六省一市電機工程（電力）學(xué)會輸配電技術(shù)研討會優(yōu)秀論文集[C];2017年

4 丁浩;冀海峰;李強偉;黃志堯;李海青;;D-S證據(jù)理論在氣固流化床流態(tài)判別中的應(yīng)用[A];中國儀器儀表學(xué)會測控技術(shù)在資源節(jié)約和環(huán)境保護中的應(yīng)用學(xué)術(shù)會議論文集[C];2001年

5 王紅霞;田國會;李曉磊;卜范騫;;基于地標(biāo)信息融合的家庭環(huán)境機器人組合導(dǎo)航[A];第二十六屆中國控制會議論文集[C];2007年

6 張琦;夏向陽;;基于模糊證據(jù)理論的XLPE電纜絕緣狀態(tài)評估研究[A];中國電工技術(shù)學(xué)會學(xué)術(shù)年會——新能源發(fā)電技術(shù)論壇論文集[C];2013年

7 趙豐文;馮輔周;戴耀;司愛威;;基于信息融合的變速箱故障診斷研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

8 朱衛(wèi)東;孫宜博;吳勇;;兩維證據(jù)框架下基于證據(jù)源特征的分組合成算法研究[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A02管理科學(xué)[C];2014年

9 周宇;周紅瓊;葉慶衛(wèi);王曉東;;基于D-S理論融合方法的網(wǎng)絡(luò)質(zhì)量評價[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 王洪波;多源信息特征提取與融合及其在信息管理中的應(yīng)用[D];合肥工業(yè)大學(xué);2015年

2 曾珠;基于客戶行為差異的汽車售后服務(wù)推薦研究[D];武漢理工大學(xué);2013年

3 岑健;基于人工免疫系統(tǒng)的機組復(fù)合故障診斷技術(shù)研究[D];華南理工大學(xué);2010年

4 姜江;證據(jù)網(wǎng)絡(luò)建模、推理及學(xué)習(xí)方法研究[D];國防科學(xué)技術(shù)大學(xué);2011年

5 韓進;礦井水害監(jiān)控及決策支持技術(shù)研究[D];上海大學(xué);2008年

6 劉培勛;車輛主動安全中關(guān)于車輛檢測與跟蹤算法的若干研究[D];吉林大學(xué);2015年

7 劉哲席（Yu Chol Sok）;不確定性沖突信息的融合方法研究及在故障診斷中的應(yīng)用[D];北京科技大學(xué);2015年

8 胡文剛;基于多值域特征及數(shù)據(jù)融合的焊縫缺陷超聲檢測與識別[D];哈爾濱工業(yè)大學(xué);2012年

9 王平;非結(jié)構(gòu)化對等網(wǎng)絡(luò)中的信任機制及搜索策略研究[D];西南大學(xué);2010年

10 倪紅梅;基于智能計算的蒸汽驅(qū)開發(fā)效果預(yù)測與參數(shù)優(yōu)化方法研究[D];東北石油大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張雅媛;基于D-S證據(jù)理論的無線傳感器網(wǎng)絡(luò)決策融合研究[D];河南科技大學(xué);2019年

2 由東媛;D-S證據(jù)理論研究及其在汽車火災(zāi)預(yù)警中的應(yīng)用[D];青島科技大學(xué);2019年

3 馬琳;基于D-S證據(jù)理論的虛擬機性能評估[D];云南大學(xué);2017年

4 黃杰;基于改進D-S證據(jù)理論的網(wǎng)絡(luò)證據(jù)融合方法研究[D];山東師范大學(xué);2019年

5 田明明;基于D-S證據(jù)理論的多傳感器數(shù)據(jù)融合算法研究[D];江西師范大學(xué);2018年

6 曾萬昕;基于D-S證據(jù)理論的光伏并網(wǎng)發(fā)電量預(yù)測研究[D];北京建筑大學(xué);2018年

7 李志盛;基于SVDD和D-S證據(jù)理論的模擬電路模塊故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2018年

8 孟媛媛;基于高沖突證據(jù)修正的D-S證據(jù)理論及其應(yīng)用研究[D];山東師范大學(xué);2018年

9 林水泉;基于BP神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的石化機組滾動軸承故障診斷研究[D];華南理工大學(xué);2018年

10 羅蘭;D-S證據(jù)理論中沖突證據(jù)的合成研究[D];淮北師范大學(xué);2018年

本文編號：2674762