关于RBFNN与D-S理论的数据融合方法及应用研究.pdf

基于 RBFNN 与 D-S 理论的数据融合方法及应用研究 摘 要 近年来，随着各种应用需求的不断增长，数据融合技术作为一门新兴交叉 学科得到飞速发展和广泛关注。各种传感器、信息源所获得的大量数据均希望 通过数据融合系统相互互补，以获得对观测目标更全面、准确、快捷的决策和 判断。 本文所作的工作旨在进一步丰富和深入研究数据融合方法和思想，并结合 课题需要，重点研究其在网络入侵检测中的应用，具体内容和重点概括如下： 文中首先介绍了数据融合相关的基础知识，重点介绍了数据融合的层次模 型和常用方法，对他们的优缺点作了比较； 接着对数据融合中两种使用较普遍的方法——神经网络和 D-S 理论进行了 深入介绍，重点介绍了 RBF 神经网络及其基本原理、学习及训练算法，同时介 绍了 D-S 证据理论的相关理论及合成规则，研究了合成规则所具有的性质，为 后来对这两种方法的深入研究及在入侵检测中的应用作了铺垫； 然后文中第四章在介绍了基于神经网络 网络的数据融合方法之后，针对在 有些应用多属性存在冗余、无用信息特征的问题，提出了结合 Fisher 分值的改 进方法；并进一步结合神经网络和证据理论提出两级融合方法，同时分析了在 入