[发明专利]基于Mamdani模型的MISO模糊系统预测重复网络行为的方法

说明书

本发明属于预测重复网络行为技术领域，公开了一种基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，构建多输入单输出MISO折线模糊神经网络，分别设计MISO折线模糊神经网络的Hebb算法和粒子算法；获取网络行为数据并进行预处理，得到以单位时间内的行为频次为波动数据的目标网络行为数据；对目标网络行为数据进行规范化和折叠处理；建立网络行为的时变随机微分方程模型和预测模块，并对模型中的时变参数和定参数进行估计，预测下一周的轨迹，以对网络行为进行预测。本发明通过基于规则对网络数据包进行识别方法能显著提高数据包识别的效率，提升移动用户行为分析预测准确性和可靠性、提升企业在营销中的竞争力。

技术领域

本发明属于预测重复网络行为技术领域，尤其涉及一种基于Mamdani模型的MISO模糊系统预测重复网络行为的方法。

背景技术

目前，网络行为管理中的行为类型包括访问网站、收发邮件、上传和下载、即时通信、聊天、论坛、网络游戏、流媒体视频和Telnet等。管理便指：为便于企业网络管理而设计开发的一款网络行为分析和管理软件，如UniAccess系统就基于此管理技术之上，用以帮助管理者全面了解员工上网情况和网络使用情况，提高网络使用效率和工作效率，最大限度地避免不当的上网行为带来的潜在风险和损失。然而，现有基于Mamdani模型的MISO模糊系统预测重复网络行为的方法采用传统的包深度识别性能很差；同时，对网络行为预测不准确。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有基于Mamdani模型的MISO模糊系统预测重复网络行为的方法采用传统的包深度识别性能很差。

(2)现有基于Mamdani模型的MISO模糊系统对网络行为预测不准确。

发明内容

针对现有技术存在的问题，本发明提供了一种基于Mamdani模型的MISO模糊系统预测重复网络行为的方法。

本发明是这样实现的，一种基于Mamdani模型的MISO模糊系统预测重复网络行为的方法，所述基于Mamdani模型的MISO模糊系统预测重复网络行为的方法包括以下步骤：

步骤一，构建多输入单输出MISO折线模糊神经网络并进行一致性分析，同时分别设计MISO折线模糊神经网络的Hebb算法和粒子算法；

步骤二，基于规则对网络数据包进行识别，获取网络行为数据，并通过Hebb算法和粒子算法对网络行为数据进行预处理，得到以单位时间内的行为频次为波动数据的目标网络行为数据；

步骤三，对目标网络行为数据进行规范化，并对规范化后的数据进行折叠处理得到折叠矩阵，对折叠矩阵中的突跳进行检测；

步骤四，根据目标网络行为数据中表现出的周期规律性，随机波动性以及突跳特性，建立网络行为的时变随机微分方程模型和预测模块，并对模型中的时变参数和定参数进行估计；采用动态预测方式不断迭代用前若干周的数据训练模型估计参数，再预测下一周的轨迹，以对网络行为进行预测。

进一步，所述步骤一中的构建多输入单输出MISO折线模糊神经网络并分别设计MISO折线模糊神经网络的Hebb算法和粒子算法包括：

基于折线模糊数及扩展运算构建多输入单输出MISO折线模糊神经网络；

在转移函数满足非负连续单调情况下对所述网络进行一致性分析；

利用Hebb规则和粒子群算法分别设计MISO折线模糊神经网络的Hebb算法和粒子算法。

进一步，所述步骤二中的基于规则对网络数据包进行识别包括：

根据第一规则集合构造第二规则集合；

对接收的网络数据包进行内容分析，以获取该网络数据包的属性值；