基于K均值聚类的视频关键帧提取技术研究

文章提出了一种基于k均值聚类的视频关键帧提取算法。该算法在视频的镜头分割算法之上,通过层次聚类对视频内容进行初步划分,之后结合k均值聚类算法对初步提取的关键帧进行直方图特征对比去掉冗余帧,最终确定视频的关键帧序列。经过大量的实验数据证明,该算法能够提取出冗余度较低、代表性较强的关键帧,一定程度上为视频关键帧提取提供了有效的方法。

基于自监督图注意力网络的物联网入侵检测

针对当前物联网入侵检测领域中流量数据不平衡且模型训练过度依赖标签的问题,提出了一种基于自监督图注意力网络的入侵检测方法。采用掩码自编码方式,提高模型对图结构数据的学习表征能力,从无标签数据中挖掘有用信息;改进图注意力网络,实现对节点和边特征的自适应学习,使模型更好地提取样本特征;利用多层感知器完成对攻击样本的多分类任务。在UNSW-NB15和To N-IoT数据集上的实验结果显示,该方法在所有类别上的平均F1分数分别达到了99.04%和99.76%,能够有效完成入侵检测任务,且具有较高的稳健性。