学位论文 > 优秀研究生学位论文题录展示
基于证据理论的多源证据分析技术研究
作 者: 段林珊
导 师: 刘培玉
学 校: 山东师范大学
专 业: 通信与信息系统
关键词: 模糊聚类算法 证据理论 模糊C 均值聚类算法 信息融合 证据分析
分类号: TP18
类 型: 硕士论文
年 份: 2014年
下 载: 7次
引 用: 0次
阅 读: 论文下载
内容摘要
随着信息技术日新月异的发展,网络和电子信息也不断涌现在人们的日常生活中,它们在给人们带来巨大的信息获取和处理方便的同时,也给人们带来了风险和挑战。利用网络信息进行诈骗、利用网络微博进行诱导犯罪、利用计算机主机进行犯罪,诸如此类的计算机、网络、电子等信息安全问题暴露出来。传统的现场和纸质取证方法已完全解决不了这类问题,不能尽快侦破案件,这时就需要有效的工具和手段进行电子取证分析。而对证据进行分析的过程中,不可避免的会遇到证据信息数据量过多、证据信息来自不同领域、证据信息源不同、证据信息具有不确定性或者证据比较模糊难以界定和判断的情况。证据理论,就是一种因自身优势近年来得到广泛应用的一种处理不确定性信息的常用推理方法,也可以对多源证据信息进行有效融合,缩小假设空间集合数目,在很多领域的决策问题和信息融合问题中具有良好的性能。证据理论往往是对证据进行一一组合合并之后分析,但是鉴于平时要分析的证据量太大、证据信息太杂、信息源不同,本文研究分析了模糊聚类算法并对其进行改进用于证据分析预处理,探讨研究了证据理论存在的问题并针对焦元爆炸计算量大的问题,提出改进组合规则的证据理论,用于证据融合分析。将改进的模糊聚类算法和证据理论应用到多源证据分析过程中,最终形成的基本流程是证据采集、证据预处理、多源证据信息融合、证据分析。本文主要做了以下几点工作:(1)系统探讨了证据理论、模糊聚类算法的基本概念,对证据理论的组合规则、优势、存在问题以及目前的解决办法进行阐述,对模糊聚类算法研究所需要具备的理论基础知识进行介绍。(2)研究学习了模糊聚类算法中一种被广泛应用的算法——模糊C均值聚类算法,对该算法的基本含义、算法基本流程以及存在的问题进行分析阐述,并引入模拟退火算法来确定模糊C均值聚类算法初始聚类数,避免了传统的根据先验知识来确定这个数字的局限性,也对聚类中心函数进行加权处理,使得改进后的算法收敛到所需要的目标函数的速度加快,效率也大大提高了。(3)对证据理论进行深入研究学习,对证据理论的基本概念、组合规则、优势及存在问题系统探讨。本文针对存在的证据量多时可能造成的证据焦元爆炸问题,也就是计算量成指数级增长给证据信息融合带来极大困难的问题,提出了改进证据理论组合规则的方法,并进行数值实验,验证了改进后的组合规则方法使得信息融合计算量有所减少。(4)从主机取证系统中采集进程证据信息,利用改进后的模糊C均值聚类算法对证据信息进行预处理,然后利用改进后的证据理论对多源证据信息进行融合处理,最终对证据进行分析决策,形成一个基于证据理论的多源证据分析方法,用来对多源证据进行有效分析。
|
全文目录
目录 4-6 摘要 6-7 Abstract 7-9 第一章 绪论 9-15 1.1 研究背景与意义 9-10 1.2 相关研究现状 10-13 1.2.1 模糊聚类算法相关研究现状 10-12 1.2.2 证据理论及多源信息融合研究现状 12-13 1.3 论文主要研究工作 13 1.4 论文组织结构 13-14 1.5 本章小结 14-15 第二章 证据理论与模糊聚类分析 15-25 2.1 证据理论 15-19 2.1.1 证据理论基本概念 15-17 2.1.2 证据理论的组合规则 17-18 2.1.3 证据理论的优势 18 2.1.4 证据理论存在问题及目前解决方法 18-19 2.2 模糊聚类算法研究 19-23 2.2.1 模糊集合及其运算 19-20 2.2.2 模糊关系与模糊矩阵 20-22 2.2.3 模糊聚类分析过程 22-23 2.3 本章小结 23-25 第三章 模糊 C 均值聚类算法研究及其改进 25-35 3.1 模糊 C 均值聚类算法 25-29 3.1.1 模糊 C 均值聚类算法概述 25-27 3.1.2 模糊 C 均值聚类算法研究存在的难题 27-29 3.2 改进的模糊 C 均值聚类算法 29-34 3.2.1 基于模拟退火的 FCM 聚类算法 29-32 3.2.2 FCM 聚类算法样本加权处理 32 3.2.3 基于模拟退火的样本加权的 FCM 聚类算法 32-33 3.2.4 实验结果及分析 33-34 3.3 本章小结 34-35 第四章 基于证据理论的多源证据分析方法 35-47 4.1 改进组合规则的证据理论 35-37 4.1.1 证据理论研究存在的难题 35-36 4.1.2 改进方案 36 4.1.3 数值实验及分析 36-37 4.2 多源证据融合分析 37-45 4.2.1 主机证据采集 37-40 4.2.2 主机证据聚类 40-42 4.2.3 证据融合分析 42-44 4.2.4 证据报告 44-45 4.3 本章小结 45-47 第五章 总结和展望 47-49 5.1 全文总结 47 5.2 未来工作展望 47-49 参考文献 49-53 攻硕期间发表论文及参与的科研项目 53-54 致谢 54
|
相似论文
- 分布式移动多载舰OTHR系统姿态测量方法的研究,P228.4
- 舌体特征的提取及融合分类方法研究,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 非线性变结构导引规律的研究,TJ765
- 多传感器信息融合及其在可穿戴计算机上的应用,TP202
- 模糊制导律与导引品质的关系,TJ765
- 基于距离映射码的安全指纹认证研究,TP391.4
- 我国高校BOT工程项目风险评价研究,G647
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 土壤环境功能区划研究,X321
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 基于变异粒子群的聚类算法研究,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 城市特色文化与城市景观建设研究,S731.2
- 高校辅导员绩效考核模型研究,G641
- 基于物联网的农产品安全监控系统与决策系统研究,TP277
- GY大学出版社核心竞争力评价与培育方案研究,G239.22
- 道路交通安全综合评价方法研究,U492.8
- 工程项目进度管理绩效评价体系研究,TU722
- 广告中女性语言模糊现象的语用研究,H030
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|