基于神经网络LMBP算法的入侵检测方法

阐述了基于神经网络LMBP算法的入侵检测方法,在对网络中的IP数据包进行分析处理以及特征提取的基础上,采用神经网络进行训练或判别,以达到对未知数据包进行检测的目的。由传统的BP算法与LMBP算法的分析与比较得到:LMBP算法解决了传统BP算法的收敛速度慢、易陷入局部最小的问题。实验结果表明,LMBP算法的学习速度快,收敛速度快,将这个算法应用于基于神经网络的入侵检测,效果良好,判别准确率高,为实现高效准确的入侵检测提供了一种有效的方法。

矩阵与前缀树方法挖掘频繁项集

传统频繁项集挖掘算法的执行效率较低。提出了一种基于矩阵与前缀树的频繁项集挖掘算法MPFI,能快速地挖掘事务数据库中的频繁项集。MPFI算法只需扫描事务数据库一次,构建垂直方向的二进制矩阵,应用二进制位向量表达频繁项集信息,利用前缀树压缩存储频繁项集的相关信息,不产生候选项集。理论分析与实验结果表明,MPFI算法能有效地提高频繁项集挖掘效率。

基于ACM的计算机程序设计类课程实验教学体系设计

根据计算机程序设计类实验课程当前的教学现状、课程特点,建立一种基于校园网络平台的实验教学新模式,提出了实验环节的考核评价新方法,设计了基于ACM的实验课程教学新体系,基于系统自动生成实验报告,智能考核评价系统能为日常教学提供良好的考查效率和质量监控,使学生从被动学习转变为主动学习。

一种智能分布式计算模型

移动Agent作为一种全新的分布式计算技术,它大大提高了分布式计算系统的整体性能。本文结合Agent技术,提出了一种基于移动Agent的分布式计算模型。在分布式安全性控制下,通过客户机Agent系统、目的主机Agent系统及Agent网络服务器的合作来实现分布式计算。文中还给出了一个此种模型的应用实例,体现了该模型的优越性。

基于MI与SVM的网络入侵检测方法研究

计算机网络的发展也带来了网络安全威胁问题,采用网络入侵检测的方法能有效防范网络攻击。提出了基于互信息MI与支持向量机SVM算法的入侵检测方法。MI算法对高维的数据集进行特征选择,实现数据降维,提高入侵检测效率;SVM算法实现网络连接行为的分类,判别攻击行为。理论分析与实验结果表明,基于MI与SVM的方法能有效地提高检测效率并获得较高的分类准确率。

金融系统风险预警方法研究——基于CNN的卷积神经网络模型

金融风险影响实体经济发展,甚至可能引发金融危机,加强我国金融系统风险预警研究具有重要意义。研究根据金融系统性原则设计了一套金融系统风险指标体系,并基于Convolutional Neural Networks(CNN)卷积神经网络构建了一种金融系统风险预警模型。实验结果表明,与K-Nearest Neighbor(KNN)、Extreme Gradient Boosting(XGBoost)、Back Propagation Neural Networks(BPNN)神经网络模型相比,CNN卷积神经网络模型预警准确率高、性能优,是一种更有效的金融系统风险预警方法。

校园网络安全贝叶斯攻击图等级保护测评方法

为了保障校园网信息安全,结合等级保护基本要求,对校园网络构建贝叶斯攻击图,提出一种适用于校园网信息安全等级保护测评模型。通过构建小型实验网络拓扑环境,对实际的网络进行贝叶斯攻击图的构建,得到对应的攻击路径和测评结果。本文提出的评测模型和自评系统可以自动化地评测校园网的信息安全等级,具有很好的网络安全防护效果。

基于ARMA与LSTM的CPI经济指标分析与预测方法研究

CPI是度量消费品和服务项目价格水平变动情况的经济指标,分析预测CPI指数变动对于把握宏观经济运行及政府制定经济政策具有重要现实意义。选取我国相应时间区间的CPI指数数据集CPIData进行时序序列平稳性检验,并采用ACF、PACF和D-W检验进行自相关性检验,验证了CPIData不具有自相关性;采用LSTM算法进一步对CPIData序列进行预测,预测结果与实际数据变化趋势相一致,训练损失小、预测结果更准确。

帧间SAMP算法在视频编码的应用

依据视频数据信号帧间的相关特性,帧间自适应压缩感知算法是视频压缩编码的十分有效的算法。自适应感知方法通过视频差值信号特点建立模型,自适应选择重构域、稀疏域帮助恢复压缩感知信号数据。当空域稀疏度清晰时,算法选择空域当作重构域及稀疏域;当空域稀疏度不清晰时,选择小波域当作重构域及稀疏域。我们通过实验表明,为了压缩效率、效果更好可以使用稀疏度自适应匹配追踪算法SAMP。