基于隐马尔可夫模型的无线传感网络入侵检测系统

当无线传感网络受到不同攻击类型的入侵时,当前的无线传感网络入侵检测系统对于入侵节点的检测率和数据传输成功数量过低,因此基于隐马尔可夫模型(Hidden Markov Model, HMM)设计了一种无线传感网络入侵检测系统。首先,基于HMM建立检测流程,分析HMM结构;其次,将观测序列之间匹配的概率作为入侵检测的判断依据,并提取入侵攻击特征,包括节点的工作状态、活动情况、位置等信息;最后,优化入侵检测算法,将传感器节点和数据中心分离进行匹配计算,最大限度化简计算步骤,提升系统检测效率。系统性能测试结果表明,设计的系统在不同的攻击类型下,测试周期内入侵节点检测数量和成功接收的数据量均高于原有系统,验证了系统的高可靠性。

基于对比散度-受限玻尔兹曼机深度学习的产品评论情感分析

针对目前大部分情感分析技术需要人工标注建立情感词典提取情感特征的问题,提出一种基于对比散度-受限玻尔兹曼机(CD-RBM)深度学习的产品评论情感分析方法。该方法在对产品评论时进行数据预处理并利用词袋模型产生产品评论的向量表示,然后通过CD-RBM提取产品评论的情感特征,最后结合支持向量机(SVM)将提取出来的情感特征进行文本情感分类。CD-RBM无需人工标注情感词典,即可获得情感特征,且可以提高特征的情感语义关联性;同时,SVM可以保证产品评论情感分类的准确度。通过实验确定了RBM最优训练周期为10,在此训练周期下对RBM、SVM、PCA+SVM,以及RBM+SVM方法进行了比较。实验结果表明,RBM特征提取和SVM分类结合方法能够获得最好的准确率和F值,并获得较好的召回率。

基于大数据的社交网络数据分析研究

本文提出一种基于大数据的社交网络数据分析系统,对社交网络用户的行为数据进行分析,能够更有针对性地研究用户的圈子、影响力,分析、挖掘社交网络数据还能够做市场调研、事件预测、舆情监控及产品推荐,因此设计一个能够对多源异构社交网络数据分析的系统具有重要意义。

一种基于ANP的卷包设备健康状态模糊综合评价方法

鉴于卷包设备健康状态的模糊性,文章提出了一种结合层次网络分析法(ANP)与模糊C均值聚类法(FCM)评价卷包设备健康状态的模糊综合评价方法。该方法利用ANP来确定各评价指标的权重,利用FCM计算各评价指标的隶属度,并合成计算得到最终的评价结果。最后,实例分析验证了评价方法的有效性。

基于数据挖掘的异常网络流量分析与检测研究

异常网络流量是指会对正常的网络应用造成不良影响的流量模式,早期网络规模小,数据量小,网络管理员就可分析出网络中的异常流量。随着网络规模的不断扩大,必须应用自动化、智能化技术处理网络异常流量,才能满足网络用户对网络应用安全的需求,在这种背景下出现了异常网络流量检测技术。文章提出一种基于数据挖掘技术的异常网络流量检测系统,给出系统的主要组成模块及主要设计流程,详细说明了数据挖掘模块,通过神经网络技术的应用提高了异常网络流量检测的效率及效果。

数据挖掘技术在股票数据分析中的应用研究

本文分析了股票数据分析预测的特点,阐述了数据挖掘的基本流程,指出在股票数据分析过程中应用数据挖掘技术是可行的、必要的,并提出了股票数据分析应用数据挖掘的关键技术,即先利用关联规则算法挖掘出影响股票涨跌值的指标,再利用决策树算法找出最具有投资价值的股票池,最后应用神经网络算法预测股票价格的变化,后续还需要进一步改进,以提高预测精度。