全新正版直觉模糊时间序列分析9787302566298清华大学出版社

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.. 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
. 一阶一元IFTS预测模型
..1 论域非等分划分
..2 直觉模糊集建立
.. 直觉模糊逻辑关系和预测规则
..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.. 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.. 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.. 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V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V和弗雷歇距离的(p-q)IFTS预测
7.3.1 基于IFCM的V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 IFTSV算法
8.. 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
0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.. 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

范晓诗，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16篇，SCI/EI检索12篇，参与研究自然科学项目两项，《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)。

IFTS分析理论是近年来刚刚起步、正在快展的一种理论，国内外相关学术研究成果较少，且多以期刊和会议学术为主，没有形成直觉模糊时间序列分析理论体系书籍，因此本书在学术专著方有、创新优势。
自然科学成果自然科学成果

《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。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V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。0章-SIFE在网络漏洞评估中的应用。

IFTS分析理论是近年来刚刚起步、正在快展的一种理论，国内外相关学术研究成果较少，且多以期刊和会议学术为主，没有形成直觉模糊时间序列分析理论体系书籍，因此本书在学术专著方有靠前、创新优势。