基于RBFNN與D-S理論的數(shù)據(jù)融合方法及應(yīng)用研究.pdf

1、近年來，隨著各種應(yīng)用需求的不斷增長，數(shù)據(jù)融合技術(shù)作為一門新興交叉學(xué)科得到飛速發(fā)展和廣泛關(guān)注。各種傳感器、信息源所獲得的大量數(shù)據(jù)均希望通過數(shù)據(jù)融合系統(tǒng)相互互補(bǔ)，以獲得對觀測目標(biāo)更全面、準(zhǔn)確、快捷的決策和判斷。
　　 本文所作的工作旨在進(jìn)一步豐富和深入研究數(shù)據(jù)融合方法和思想，并結(jié)合課題需要，重點(diǎn)研究其在網(wǎng)絡(luò)入侵檢測中的應(yīng)用，具體內(nèi)容和重點(diǎn)概括如下：
　　 文中首先介紹了數(shù)據(jù)融合相關(guān)的基礎(chǔ)知識，重點(diǎn)介紹了數(shù)據(jù)融合的層次模型和常

2、用方法，對他們的優(yōu)缺點(diǎn)作了比較；
　　 接著對數(shù)據(jù)融合中兩種使用較普遍的方法——神經(jīng)網(wǎng)絡(luò)和D-S理論進(jìn)行了深入介紹，重點(diǎn)介紹了RBF神經(jīng)網(wǎng)絡(luò)及其基本原理、學(xué)習(xí)及訓(xùn)練算法，同時介紹了D-S證據(jù)理論的相關(guān)理論及合成規(guī)則，研究了合成規(guī)則所具有的性質(zhì)，為后來對這兩種方法的深入研究及在入侵檢測中的應(yīng)用作了鋪墊；
　　 然后文中第四章在介紹了基于神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)的數(shù)據(jù)融合方法之后，針對在有些應(yīng)用多屬性存在冗余、無用信息特征的問題，提出了

3、結(jié)合Fisher分值的改進(jìn)方法；并進(jìn)一步結(jié)合神經(jīng)網(wǎng)絡(luò)和證據(jù)理論提出兩級融合方法，同時分析了在入侵檢測中的應(yīng)用；
　　 第五章中主要針對第四章中提出的方法，在入侵檢測領(lǐng)域使用這些作了實(shí)驗(yàn)仿真。其中先介紹了入侵檢測中本文將要牽涉的一些概念和指標(biāo)及要使用的數(shù)據(jù)集，接著作相關(guān)仿真實(shí)驗(yàn)，并對結(jié)果作了深刻分析。
　　 實(shí)驗(yàn)結(jié)果表明，本文所提出的Fisher_RBF方法在丟棄某些低Fisher分值的特征屬性后不僅能夠保證檢測率，還能使