【摘要】：在飛速發(fā)展的互聯(lián)網(wǎng)時(shí)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(jī)會(huì),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(wèn)題,因此網(wǎng)絡(luò)取證應(yīng)時(shí)而生,并得到了快速發(fā)展。在取證過(guò)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(wèn)題。針對(duì)信息量大的問(wèn)題,本文首先提出了一種基于類貢獻(xiàn)度和特征加權(quán)的KNN方法進(jìn)行預(yù)處理以減少數(shù)據(jù)量,針對(duì)后兩個(gè)問(wèn)題分別提出了基于核密度估計(jì)(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(xiàn)度的KNN方法針對(duì)KNN算法易受近鄰點(diǎn)選擇和類別判定規(guī)則影響的問(wèn)題,提出了基于特征加權(quán)和類貢獻(xiàn)度改進(jìn)的DCT-KNN算法,通過(guò)有無(wú)某特征時(shí)的準(zhǔn)確率計(jì)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(diǎn)等確定類貢獻(xiàn)度,實(shí)現(xiàn)對(duì)原始KNN算法的改進(jìn),實(shí)驗(yàn)表明了本方法的有效性。(2)提出了一種基于核密度估計(jì)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(duì)該問(wèn)題提出利用核密度估計(jì)來(lái)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(jì)的屬性模型;然后基于訓(xùn)練數(shù)據(jù)的核密度估計(jì)模型進(jìn)一步計(jì)算測(cè)試數(shù)據(jù)的密度-距離-分布值(Tri-D),通過(guò)嵌套式的方法分配Tri-D值獲取測(cè)試數(shù)據(jù)對(duì)應(yīng)的BPA,最后通過(guò)D-S組合BPA獲得最終判斷,實(shí)驗(yàn)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(jìn)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(wèn)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(duì)證據(jù)進(jìn)行加權(quán)修正再組合,實(shí)驗(yàn)表明算法在有效避免組合沖突的同時(shí)也提高了收斂速度與組合結(jié)果的精度。(4)對(duì)網(wǎng)絡(luò)證據(jù)進(jìn)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(guò)預(yù)處理、形成證據(jù)以及融合證據(jù),完成了對(duì)網(wǎng)絡(luò)證據(jù)的分析。
【圖文】：

本點(diǎn)jY 到待測(cè)的 X 樣本之間的距離和，等式右邊第一項(xiàng)近鄰點(diǎn)數(shù) K 的比重，在取定某個(gè) K 值時(shí)，該項(xiàng)值越大即N中第 j 類點(diǎn)的數(shù)目就越多；右邊第二項(xiàng)則是 K 近鄰中第 j 類倒數(shù)，該項(xiàng)越大說(shuō)明第 j 類樣本到 X 的距離越近，所以綜jCT 值時(shí)的類別索引 j 作為待測(cè)樣本點(diǎn) 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(wú)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(duì)應(yīng)類別為最終分類結(jié)果，CindexofmCTjlXj ( ax()), 1:貢獻(xiàn)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(shí)驗(yàn)分別采用 5 折和 10 折交叉驗(yàn)證，對(duì) KNN 算法、DCT-KNN、文獻(xiàn)[29]和基于類別距離[30]的算法進(jìn)行了對(duì)比實(shí)驗(yàn)，圖 2-2(a-d)、圖 2-3(a-d)分別給出了在 4 個(gè)數(shù)據(jù)集上進(jìn)行 5 折和 10 折交叉驗(yàn)證分類實(shí)驗(yàn)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(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP393.08

【相似文獻(xiàn)】

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(píng)論者檢測(cè)[J];小型微型計(jì)算機(jī)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(píng)價(jià)[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(xiǎn)評(píng)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(jī)交互意圖識(shí)別技術(shù)研究[J];組合機(jī)床與自動(dòng)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(shì)預(yù)測(cè)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(tuán)隊(duì)的知識(shí)流動(dòng)效率評(píng)價(jià)研究——基于D-S證據(jù)理論[J];情報(bào)學(xué)報(bào);2013年07期

7 劉標(biāo);許騰;李光;;D-S證據(jù)理論改進(jìn)算法提高水下目標(biāo)識(shí)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(xiǎn)態(tài)辨識(shí)[J];汽車安全與節(jié)能學(xué)報(bào);2018年02期

9 唐盼盼;;基于D-S證據(jù)理論的船舶動(dòng)力系統(tǒng)配置設(shè)計(jì)評(píng)價(jià)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(píng)論信息和D-S證據(jù)理論的云計(jì)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(huì)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(dòng)機(jī)氣路故障融合診斷[A];第37屆中國(guó)控制會(huì)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(jī)工程（電力）學(xué)會(huì)輸配電技術(shù)研討會(huì)優(yōu)秀論文集[C];2017年

4 丁浩;冀海峰;李強(qiáng)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(guó)儀器儀表學(xué)會(huì)測(cè)控技術(shù)在資源節(jié)約和環(huán)境保護(hù)中的應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2001年

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

6 張琦;夏向陽(yáng);;基于模糊證據(jù)理論的XLPE電纜絕緣狀態(tài)評(píng)估研究[A];中國(guó)電工技術(shù)學(xué)會(huì)學(xué)術(shù)年會(huì)——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(ài)威;;基于信息融合的變速箱故障診斷研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)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(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)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(píng)價(jià)[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[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(jī)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(guó)防科學(xué)技術(shù)大學(xué);2011年

5 韓進(jìn);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(dòng)安全中關(guān)于車輛檢測(cè)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(cè)與識(shí)別[D];哈爾濱工業(yè)大學(xué);2012年

9 王平;非結(jié)構(gòu)化對(duì)等網(wǎng)絡(luò)中的信任機(jī)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(jì)算的蒸汽驅(qū)開發(fā)效果預(yù)測(cè)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(wú)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(jī)性能評(píng)估[D];云南大學(xué);2017年

4 黃杰;基于改進(jìn)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(wàn)昕;基于D-S證據(jù)理論的光伏并網(wǎng)發(fā)電量預(yù)測(cè)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(jī)組滾動(dòng)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(hào)：2674762