基于深度学习的交通流量预测研究

交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点,因此交通流量预测是一项困难的任务。针对交通流量序列的预测问题,设计了一种基于深度学习的交通流量预测模型。模型融合了卷积神经网络和长短时记忆神经网络两种网络结构,卷积神经网络用于提取特征分量,长短时记忆神经网络综合提取出来的特征分量做序列预测。通过在贵州省高速公路车流量数据集上的验证,模型比传统的预测方法具有更高的精确度和实时性,在不同数据集上的泛化性能良好。

基于DAE-BP神经网络的股票预测研究

股票指标数据种类多、维度高,且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格,首先构建了基于受限布尔兹曼机的深度自编码器,实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明,深度自编码器提取特征的能力优于主成分分析法和因子分析法;相比较使用降维前的数据,使用编码后的数据用预测股票价格,模型可以减少计算开销,并且获得更高的预测精度。

深度稀疏修正神经网络在股票预测中的应用

传统的股票预测基于统计学的方法,虽然在股票的趋势预测中有效,但是价格预测的准确度不够令人满意。因此,文中利用神经网络研究股票价格的预测问题。神经网络具有很强的非线性拟合能力,适用于股票等非线性系统建模。文中采集了股票交易的历史数据作为数据集,对数据使用了归一化和主成分分析方法进行预处理,降低了数据维度,有利于简化模型和降低计算复杂度。针对模型的构建,设计了一种深度稀疏修正神经网络模型(deep sparse rectifier neural netw orks,DSRNN)。DSRNN具有多层网络结构,基于带动量项的BP学习算法训练参数,利用了激活函数ReLU (rectified linear units)和提出的权值初始化方法。并将其与其他三种基于传统方法建立的模型进行了比较,结果表明DSRNN在健壮性、精确度方面都有更好的表现。

基于卷积神经网络的JavaScript恶意代码检测方法

机器学习的JavaScript恶意代码检测方法在提取特征过程中耗费时间和人力,以及这些频繁使用的机器学习方法已经无法满足当今信息大爆炸的实际需要。提出了一种基于卷积神经网络的JavaScript恶意代码检测方法。采用爬虫工具收集良性和恶意的JavaScript脚本代码获得样本数据;将JavaScript样本转换为相对应的灰阶图像,得到图像数据集;通过构建卷积神经网络模型对图像数据集进行训练,使得模型具有检测JavaScript恶意代码的能力。实验结果表明,相对于机器学习,该方法对收集到的5 800条JavaScript代码样本,检测准确率达到98.9%。

改进的HS算法优化BP神经网络的入侵检测研究

基于传统BP神经网络的入侵检测中,BP神经网络算法模型存在着易陷入局部最优且初始值随机性较大的缺陷。初始值的选择直接影响到BP神经网络的训练效果,较好的初始值有利于BP神经网络跳过局部最优,从而提高训练效率。针对BP神经网络的缺陷,提出了用改进的和声搜索算法对BP神经网络的初始值进行优化,使得BP神经网络得到一组较优的初值的方法。实验结果显示,改进的和声搜索算法具有更高的适应度函数值,将该算法优化的BP神经网络用在入侵检测中,能够显著提高算法检测率和收敛速率。

一种基于序列最小优化算法的跨站脚本漏洞检测技术

当攻击者使用Web应用程序将恶意代码注入不同的终端用户时,就会发生跨站脚本攻击。文章针对Web应用程序使用用户输入的数据,而不对其进行验证或编码的现象,提出一种基于正则表达式匹配算法和序列最小优化算法的递归特征消除算法(SMO-RFE)。首先对数据进行预处理,采用正则表达式匹配算法,为训练集选择有代表性的特征数据集;其次利用SMO-RFE特征选择算法选择出最优特征;再次对具有攻击性的关键词进行特征排序和组合;最后总结特征关键字的出现频率以及特征值权重比例。攻击关键字出现的频率越高,漏洞存在的可能性就越大。实验验证发现,数据集通过SMO-RFE算法选择之后,SVM特征向量被检测的准确率更高,充分说明该算法能够有效地检测跨站脚本漏洞。

基于兴趣度度量的正负关联规则挖掘方法研究

传统的Apriori算法通过支持度阈值和置信度阈值的筛选来挖掘强关联规则,所挖掘出来的强关联规则并不都是有趣的,也忽略了负关联规则的挖掘,失去了负关联规则在决策分析中的重要作用。为了过滤强关联规则中的无趣规则,挖掘有趣的正负关联规则,引入了兴趣度的概念,对现有的几种兴趣度度量进行了研究,利用兴趣度度量的相关性质,提出了一种新的兴趣度度量。根据支持度、置信度、兴趣度的相关性质提出了相关定理并进行证明,用以挖掘有趣的正负关联规则。在新的兴趣度度量的基础上进行了算法设计,并采用真实数据集进行算法验证。结果显示,以提出的兴趣度度量为基础进行正负关联规则的挖掘是可行的,其结果比经典的Apriori算法挖掘方法更实用更有效。

铜矿库无人天车系统的研究与应用

铜冶炼行业中原材料的转运大多依靠天车进行,但是铜矿库粉尘多、物料转运频繁、作业模式单一,急需借助智能化手段优化原有作业模式,使操作人员从重复性的体力劳动中解放出来,提高生产效率,改善工作环境。针对以上问题设计并开发了无人天车系统,首先对系统的整体架构进行了规划,将系统分为四大模块,仓储管理系统和天车作业管理系统面向用户,地面站控制系统和天车控制系统面向硬件设备;然后研究了无人天车系统中的关键技术,最后使用这些技术在铜矿库进行了无人天车系统的实施。