直覺模糊時間序列分析

目錄
第1章概述

1．1基礎(chǔ)理論發(fā)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(guān)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(wěn)時間序列

1．3．2非平穩(wěn)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(xiàn)

第2章一階一元多重直覺模糊推理的IFTS預(yù)測

2．1引言

2．2FTS預(yù)測模型

2．3一階一元IFTS預(yù)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(guān)系和預(yù)測規(guī)則

2．3．4解模糊算法

2．4實(shí)驗(yàn)和分析

2．4．1亞拉巴馬大學(xué)數(shù)據(jù)集實(shí)驗(yàn)

2．4．2TRSSCG數(shù)據(jù)集實(shí)驗(yàn)

參考文獻(xiàn)

第3章多維直覺模糊推理的高階IFTS預(yù)測模型





3．1引言

3．2高階一元IFTS預(yù)測模型

3．2．1直覺模糊邏輯關(guān)系

3．2．2高階一元預(yù)測規(guī)則

3．2．3解模糊算法

3．2．4高階一元IFTS模型實(shí)現(xiàn)

3．2．5實(shí)驗(yàn)和分析

3．3高階多元IFTS預(yù)測模型

3．3．1直覺模糊邏輯關(guān)系

3．3．2高階多元預(yù)測規(guī)則

3．3．3解模糊算法

3．3．4高階多元IFTS模型實(shí)現(xiàn)

3．3．5實(shí)驗(yàn)和分析

參考文獻(xiàn)

第4章啟發(fā)式變階IFTS預(yù)測模型

4．1引言

4．2啟發(fā)式變階IFTS預(yù)測模型

4．2．1定階時間序列模型分析

4．2．2啟發(fā)式變階預(yù)測規(guī)則

4．2．3啟發(fā)式解模糊算法

4．2．4模型實(shí)現(xiàn)

4．3實(shí)驗(yàn)和分析

4．3．1入學(xué)人數(shù)預(yù)測實(shí)驗(yàn)

4．3．2氣溫?cái)?shù)據(jù)預(yù)測實(shí)驗(yàn)

參考文獻(xiàn)

第5章自適應(yīng)劃分的IFTS預(yù)測方法

5．1直覺模糊時間序列建模

5．2自適應(yīng)劃分IFTS模型及其算法

5．2．1IFTS模型定階算法

5．2．2IFTS自適應(yīng)劃分算法

5．2．3直覺模糊化和去直覺模糊化


5．3自適應(yīng)劃分IFTS預(yù)測模型

5．3．1數(shù)據(jù)訓(xùn)練

5．3．2自適應(yīng)劃分

5．3．3預(yù)測結(jié)果比較

5．4實(shí)驗(yàn)和分析

5．4．1季節(jié)性時間序列預(yù)測

5．4．2長期趨勢時間序列預(yù)測

5．4．3復(fù)雜度分析

參考文獻(xiàn)

第6章基于DTW的長期IFTS預(yù)測方法

6．1規(guī)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基于DTW的(p-q)IFTS預(yù)測

6．3．1動態(tài)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(shí)驗(yàn)和分析

6．4．1合成數(shù)據(jù)預(yù)測

6．4．2多模式時間序列預(yù)測

6．4．3復(fù)雜度分析

參考文獻(xiàn)

第7章基于VQ和曲線相似度測量的長期IFTS預(yù)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基于VQ和弗雷歇距離的(p-q)IFTS預(yù)測

7．3．1基于IFCM的VQ算法

7．3．2基于曲線相似度測量的預(yù)測算法

7．3．3(p-q)IFTS模型

7．4實(shí)驗(yàn)和分析

7．4．1季節(jié)性時間序列預(yù)測

7．4．2長期趨勢時間序列預(yù)測

7．4．3復(fù)合模式時間序列預(yù)測

7．4．4復(fù)雜度分析

參考文獻(xiàn)

第8章IFTS分析在網(wǎng)絡(luò)流量預(yù)測中的應(yīng)用

8．1網(wǎng)絡(luò)流量預(yù)測和異常檢測

8．1．1網(wǎng)絡(luò)流量預(yù)測

8．1．2網(wǎng)絡(luò)異常檢測

8．2基于長期IFTS的網(wǎng)絡(luò)流量預(yù)測模型

8．2．1網(wǎng)絡(luò)流量預(yù)測模型

8．2．2IFTSVQ算法

8．2．3實(shí)驗(yàn)設(shè)計(jì)和分析

8．3基于IFTS預(yù)測的DoS攻擊檢測方法

8．3．1DoS攻擊

8．3．2實(shí)驗(yàn)設(shè)計(jì)與分析

參考文獻(xiàn)

第9章基于IFTS圖挖掘的網(wǎng)絡(luò)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基于IFTS圖挖掘的流量異常檢測算法

9．3．1IFTS圖構(gòu)建

9．3．2IFTS圖挖掘

9．3．3異常判定準(zhǔn)則

9．3．4算法實(shí)現(xiàn)

9．4實(shí)驗(yàn)和分析

9．4．1實(shí)驗(yàn)數(shù)據(jù)

9．4．2對比實(shí)驗(yàn)

參考文獻(xiàn)

第10章IFR和SIFE在網(wǎng)絡(luò)安全中的應(yīng)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基于蘊(yùn)涵算子的包含度

10．1．3基于集合基數(shù)的包含度

10．1．4基于包含度的直覺模糊相似度

10．1．5基于包含度的直覺模糊推理方法

10．2基于IFR的流量異常檢測方法

10．2．1數(shù)據(jù)直覺模糊化

10．2．2推理規(guī)則和合成

10．2．3實(shí)驗(yàn)設(shè)計(jì)和分析

10．3嚴(yán)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(gòu)建方法

10．3．5SIFE一般式

10．3．6算例分析

10．4基于SIFE的漏洞評估

10．4．1漏洞評估

10．4．2實(shí)驗(yàn)設(shè)計(jì)與分析

參考文獻(xiàn)