导语

  

内容提要

  

    直觉模糊时间序列是人工智能中模糊逻辑研究的重要方向，本书是根据作者多年的研究成果，结合经典集合论、信息论、模糊集与直觉模糊集、时间序列分析及机器学习等理论，形成的一种交叉融合的直觉模糊时间序列分析理论。全书系统地介绍了直觉模糊时间序列分析理论的产生和发展，及其在智能信息处理和网络信息安全等领域的应用。
    本书可供计算机、自动化、电子信息、管理、控制、系统工程等学科专业的师生参考，也可作为智能信息融合、数据分析、智能决策等领域的从业人员在工程实践中的参考用书。

第1章  概述
  1.1  基础理论发展
    1.1.1  模糊集理论
    1.1.2  直觉模糊集理论
    1.1.3  直觉模糊时间序列
  1.2  模糊集与直觉模糊集
    1.2.1  模糊集定义
    1.2.2  直觉模糊集定义
    1.2.3  直觉模糊关系
    1.2.4  直觉模糊条件推理
  1.3  直觉模糊时间序列
    1.3.1  平稳时间序列
    1.3.2  非平稳时间序列分析
    1.3.3  推理直觉模糊时间序列
  1.4  长期直觉模糊时间序列
  参考文献
第2章  一阶一元多重直觉模糊推理的IFTS预测
  2.1  引言
  2.2  FTS预测模型
  2.3  一阶一元IFTS预测模型
    2.3.1  论域非等分划分
    2.3.2  直觉模糊集建立
    2.3.3  直觉模糊逻辑关系和预测规则
    2.3.4  解模糊算法
  2.4  实验和分析
    2.4.1  亚拉巴马大学数据集实验
    2.4.2  TRSSCG数据集实验
  参考文献
第3章  多维直觉模糊推理的高阶IFTS预测模型
  3.1  引言
  3.2  高阶一元IFTS预测模型
    3.2.1  直觉模糊逻辑关系
    3.2.2  高阶一元预测规则
    3.2.3  解模糊算法
    3.2.4  高阶一元IFTS模型实现
    3.2.5  实验和分析
  3.3  高阶多元IFTS预测模型
    3.3.1  直觉模糊逻辑关系
    3.3.2  高阶多元预测规则
    3.3.3  解模糊算法
    3.3.4  高阶多元IFTS模型实现
    3.3.5  实验和分析
  参考文献
第4章  启发式变阶IFTS预测模型
  4.1  引言
  4.2  启发式变阶IFTS预测模型
    4.2.1  定阶时间序列模型分析
    4.2.2  启发式变阶预测规则
    4.2.3  启发式解模糊算法
    4.2.4  模型实现
  4.3  实验和分析
    4.3.1  入学人数预测实验
    4.3.2  气温数据预测实验
  参考文献
第5章  自适应划分的IFTS预测方法
  5.1  直觉模糊时间序列建模
  5.2  自适应划分IFTS模型及其算法
    5.2.1  IFTS模型定阶算法
    5.2.2  IFTS自适应划分算法
    5.2.3  直觉模糊化和去直觉模糊化
  5.3  自适应划分IFTS预测模型
    5.3.1  数据训练
    5.3.2  自适应划分
    5.3.3  预测结果比较
  5.4  实验和分析
    5.4.1  季节性时间序列预测
    5.4.2  长期趋势时间序列预测
    5.4.3  复杂度分析
  参考文献
第6章  基于DTW的长期IFTS预测方法
  6.1  规则库IFTS模型
  6.2  时间序列片段聚类
    6.2.1  直觉模糊C均值聚类
    6.2.2  IFTS片段聚类算法
  6.3  基于DTW的(p-q)IFTS预测
    6.3.1  动态时间弯曲距离
    6.3.2  IFTS片段DTW算法
    6.3.3  (p-q)IFTS算法
  6.4  实验和分析
    6.4.1  合成数据预测
    6.4.2  多模式时间序列预测
    6.4.3  复杂度分析
  参考文献
第7章  基于VQ和曲线相似度测量的长期IFTS预测方法
  7.1  引言
  7.2  矢量量化和相似度测量
    7.2.1  时间序列矢量量化
    7.2.2  曲线相似度测量
  7.3  基于VQ和弗雷歇距离的(p-q)IFTS预测
    7.3.1  基于IFCM的VQ算法
    7.3.2  基于曲线相似度测量的预测算法
    7.3.3  (p-q)IFTS模型
  7.4  实验和分析
    7.4.1  季节性时间序列预测
    7.4.2  长期趋势时间序列预测
    7.4.3  复合模式时间序列预测
    7.4.4  复杂度分析
  参考文献
第8章  IFTS分析在网络流量预测中的应用
  8.1  网络流量预测和异常检测
    8.1.1  网络流量预测
    8.1.2  网络异常检测
  8.2  基于长期IFTS的网络流量预测模型
    8.2.1  网络流量预测模型
    8.2.2  IFTSVQ算法
    8.2.3  实验设计和分析
  8.3  基于IFTS预测的DoS攻击检测方法
    8.3.1  DoS攻击
    8.3.2  实验设计与分析
  参考文献
第9章  基于IFTS图挖掘的网络流量异常检测
  9.1  引言
  9.2  基本理论
    9.2.1  图挖掘
    9.2.2  信息熵
  9.3  基于IFTS图挖掘的流量异常检测算法
    9.3.1  IFTS图构建
    9.3.2  IFTS图挖掘
    9.3.3  异常判定准则
    9.3.4  算法实现
  9.4  实验和分析
    9.4.1  实验数据
    9.4.2  对比实验
  参考文献
第10章  IFR和SIFE在网络安全中的应用
  10.1  流量异常检测中的推理问题
    10.1.1  流量异常检测推理
    10.1.2  基于蕴涵算子的包含度
    10.1.3  基于集合基数的包含度
    10.1.4  基于包含度的直觉模糊相似度
    10.1.5  基于包含度的直觉模糊推理方法
  10.2  基于IFR的流量异常检测方法
    10.2.1  数据直觉模糊化
    10.2.2  推理规则和合成
    10.2.3  实验设计和分析
  10.3  严格直觉模糊熵
    10.3.1  直觉模糊熵
    10.3.2  IFS公理化定义
    10.3.3  SIFE公理化定义
    10.3.4  SIFE构建方法
    10.3.5  SIFE一般式
    10.3.6  算例分析
  10.4  基于SIFE的漏洞评估
    10.4.1  漏洞评估
    10.4.2  实验设计与分析
  参考文献