九十年代以来,软计算的概念和方法引起了人们的广泛关注。软计算不是技术和概念的同类体,而是一个方法的集合,这个集合的主要成员包括模糊逻辑(FL)、神经计算(NC)、概率推理(PR),还有后来包括进来的进化计算(EC)、混沌系统(CS)、信任网络(BN)以及部分学习理论(LT)等。软计算的本质和硬计算不同,其目的在于适应现实世界中普遍存在的不精确性。因此,软计算的指导原则是开拓对不精确性、不确定性和部分真实的容忍,以达到可处理性、鲁棒性、低成本求解。强调严格和精确是经典计算的特点,但过分追求严格和精确,有时并非易事,甚至会弄巧成拙,造成极度不合理,甚至是严重错误。而对于软计算来说,虽然克服了经典计算的弊端,开辟了对现实世界更加合理、更加自然的刻画和描述之路,但同样重要的是,“软”的把握关系着问题的有效解决,在“硬”和“软”之间应该有一个“度”的问题,过分的“硬”不行,过分的“软”同样不可取。本文以模糊理论为切入点,主要研究了以下两个方面的问题： (1)软计算中把握软硬度的原则在深入研究和分析模糊匹配和模糊排序问题的基础上,提炼出软计算应该遵循的四项基本原则：注意特殊情况的原则、注意边界问题的原则、主观判断与客观相结合的原则、以及符合实际情况的原则。这些原则不能代替具体的软计算,但会指导软计算产生正确的结果,避免得出错误或不恰当的结论,是软计算必须遵循的重要原则。这些原则不仅对模糊逻辑有效,而且对整个软计算具有普遍意义。它能帮助人们正确把握软计算中的“度”,从而保证软计算应有的科学性和合理性。 (2)根据软计算原则,提出并分析了一种新的基于平均隶属度的网络入侵检测方法在分析把握软计算“软度”的几条原则的过程中,我们根据符合实际情况的原则,提出一种新的基于平均隶属度的网络入侵检测方法-AMID。这种方法通过度量实时行为和正常行为的贴近程度来判断当前是否存在异常行为,理论基础夯实,判断过程简单易于实现。实验结果说明,该方法在降低系统误报率方面有较为明显的改进。