39、智能交通异常检测与智能农业框架研究

智能交通异常检测与智能农业框架研究

1. 智能交通异常检测实验

在智能交通领域，异常检测对于保障交通安全至关重要。这里使用KDD Cup 99（KDD99）数据集进行相关实验，该数据集是异常检测领域著名的标准数据集，包含不同类型的攻击和正常活动，攻击类型有DoS、Prob、U2R和R2L等，每个实例有41个特征。实验选取了从KDD99数据集中随机挑选的600个包含DoS攻击和正常行为的训练实例。

使用MATLAB（R2010b）软件进行模拟，借助MATLAB中的模糊逻辑工具箱进行基于模糊规则的异常检测，具体设置如下：
- 输入变量的两个模糊集：Dist和Out
- 输出变量的一个模糊集：Output
- 模糊隶属函数：参考图2
- 模糊规则：见表1
- 推理：Mamdani模糊推理，“或”运算取最大值，“与”运算取最小值
- 去模糊化器：质心

采用检测率（DR）、精度和F - 测度这几个标准来评估所提出的异常检测方法的性能和效率，计算公式如下：
[DR = \frac{TruePositive}{TruePositive + FalseNegative}]
[Precision = \frac{TruePositive}{TruePositive + FalsePositive}]
[F - measure = \frac{2 \times Precision \times DR}{Precision + DR}]

其中，TruePositive表示系统正确预测交通状态为正常且实际也为正常的情况；FalsePositive表示正常交通被预测为攻击；FalseNegativ