一种提高云计算环境下检测入侵者速度和正确率的新方法

云计算环境要求入侵检测系统(IDS)极其快速和准确,用于云计算的智能型IDS——反向传播神经元网络(BPNN)经常出现“泛化问题”,即BPNN无解或总误差函数不能收敛于全局最小值。泛化问题降低了BPNN的识别速度和正确率。为了解决该问题,提出两种解决方法。第一种是剔除相关性大的那些特征,保留相关性较小或互相独立的重要特征,以便减少特征数量。第二种是综合利用遗传算法(GA)和最速下降法(梯度法)的优点,降低BPNN的泛化性。用GA求出BPNN全局最优解的近似值,把该近似值作为最速下降法的初始值,进行迭代,最终求得BPNN全局最优解的精确值。仿真实验表明给出的方法是有效的且能够解决BPNN的“泛化问题”,同时能够提高BPNN识别入侵者的速度和正确率。

基于支持向量机的煤矿井水害水源自动识别方法研究

为了提高识别煤矿井水害水源的正确率,针对一些小样本的水害水源分类识别问题,提出利用支持向量机(SVM)分类识别。潞安集团所属煤矿区是同一成煤时期形成的,具有相似的特点,SVM训练集的样品取自潞安集团所属各煤矿,训练好SVM后,对潞安集团所属的高河能源有限公司煤矿井水害水源进行了分类识别。实验和生产实践证明该方法分类识别煤矿井水害水源的效果较好。

基于小波变换域的煤矿数字图件安全传输方法研究

为了通过网络安全的传输煤矿数字图件,提出了把煤矿数字图件隐藏在一幅图像(风景图或不重要的煤矿图像)中,但又不明显的改变原图像的质量和视觉效果,这种改变很小,以致于在人类的视觉上,感觉不到这些改变。在具体实现方面,首先用小波变换把载体图像分解,然后把煤矿数字图件信息隐藏在载体图像的中频部分,嵌入的能量用基因算法自动控制,以便在煤矿数字图像的隐藏性(不易被察觉)与鲁棒性(当被保护的信息经过某种改动后,不容易被破坏)之间达到平衡。实验证明该方法安全的传输煤矿数字图件的效果较好。