直觉模糊时间序列分析

模糊理论是人工智能领域的一个重要分支，直觉模糊集理论作为模糊理论的完善和拓展，自提出之日起就备受关注，随着智能信息处理技术的蓬勃发展，直觉模糊集已延伸到其他相关技术领域，在分类、预测、评估、目标识别和辅助决策等方面展现出强大的应用能力。目前已经有直觉模糊粗糙集理论、直觉模糊博弈论、直觉模糊Petri网等理论面世，直觉模糊集与其他智能信息处理理论的融合研究是未来一大发展趋势。
本书系统介绍了直觉模糊时间序列分析理论及其在智能信息系统等领域中的应用。全书共分为10章。第1章概述了直觉模糊集、时间序列预测、直觉模糊时间序列、长期直觉模糊时间序列等概念。第2章介绍了基于多重直觉模糊推理的一阶一元IFTS预测模型。第3章分析了基于多维直觉模糊推理的高阶IFTS预测模型。第4章介绍了启发式变阶IFTS预测模型。第5章阐述了自适应划分IFTS预测方法。第6章介绍了基于DTW的长期IFTS预测方法。第7章分析了基于VQ和曲线相似度测量的长期IFTS预测方法。第8章概述了IFTS分析在网络流量预测中的应用。第9章介绍了基于IFTS图挖掘的流量异常检测方法。第10章总结了IFR和SIFE理论在网络安全中的应用。
本书为国家自然科学基金资助项目（62002362）研究成果，内容新颖，逻辑严谨，将理论和实例相结合，注重基础，面向应用，是对直觉模糊时间序列分析理论系统性的总结和应用。本书既可以作为高等院校计算机、自动化、电子信息、管理、控制、系统工程等专业的高年级本科生或研究生在智能信息处理类课程的教材或教学参考书，也可供从事智能信息处理、智能信息融合、智能决策等研究的教师、研究生和科技人员自学或参考。由于作者水平有限，书中难免存在错误和疏漏，不足之处恳请读者批评指正。
作者
2021年3月

《直觉模糊时间序列分析》系统介绍直觉模糊时间序列分析理论和智能信息处理方法，尤其是在网络信息安全领域的应用。第1章-直觉模糊集、时间序列预测、直觉模糊时间序列等。第2章-基于多重直觉模糊推理的一阶一元IFTS预测模型。第3章-基于多维直觉模糊推理的高阶IFTS预测模型。第4章-启发式变阶IFTS预测模型。第5章-自适应划分IFTS预测模型。第6章-基于DTW的长期IFTS预测模型。第7章-基于基于VQ和曲线相似度测量的长期IFTS预测模型。第8章-基于IFTS分析的网络流量预测。第9章-IFTS在网络异常检测中的应用。第10章-SIFE在网络漏洞评估中的应用。

范晓诗，毕业于中国人民解放军空军工程大学计算机应用技术专业，现为中国人民解放军国防大学联合勤务学院讲师。研究方向为网络信息安全和智能信息处理，发表学术论文16篇，SCI/EI检索12篇，参与研究国家自然科学基金项目两项，《直觉模糊混合理论及其在弹道目标识别中的应用研究》（项目编号61272011），《基于直觉模糊核匹配追踪的网络入侵意图识别方法研究》（项目编号61409022）。

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

2.2FTS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

2.4.2TRSSCG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

5.2.1IFTS模型定阶算法

5.2.2IFTS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

6.2.2IFTS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

6.3.2IFTS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

8.2.2IFTSVQ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

8.3.1DoS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

9.3.1IFTS图构建

9.3.2IFTS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

10.3.2IFS公理化定义

10.3.3SIFE公理化定义

10.3.4SIFE构建方法

10.3.5SIFE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

《直觉模糊时间序列分析》系统介绍直觉模糊时间序列分析理论和智能信息处理方法，尤其是在网络信息安全领域的应用。第1章-直觉模糊集、时间序列预测、直觉模糊时间序列等。第2章-基于多重直觉模糊推理的一阶一元IFTS预测模型。第3章-基于多维直觉模糊推理的高阶IFTS预测模型。第4章-启发式变阶IFTS预测模型。第5章-自适应划分IFTS预测模型。第6章-基于DTW的长期IFTS预测模型。第7章-基于基于VQ和曲线相似度测量的长期IFTS预测模型。第8章-基于IFTS分析的网络流量预测。第9章-IFTS在网络异常检测中的应用。第10章-SIFE在网络漏洞评估中的应用。

范晓诗，毕业于中国人民解放军空军工程大学计算机应用技术专业，现为中国人民解放军国防大学联合勤务学院讲师。研究方向为网络信息安全和智能信息处理，发表学术论文16篇，SCI/EI检索12篇，参与研究国家自然科学基金项目两项，《直觉模糊混合理论及其在弹道目标识别中的应用研究》（项目编号61272011），《基于直觉模糊核匹配追踪的网络入侵意图识别方法研究》（项目编号61409022）。