物联网中基于KNN和BP神经网络预测模型的研究

物联网中,无线传感器网络由于环境、资源等因素的变化和限制,会导致部分数据异常或丢失,使数据传输的可靠性降低。因此常用的BP神经网络方法在根据最终获取数据进一步处理时的准确性不高。提出K近邻算法和BP神经网络相结合的二阶段预测模型,先使用K近邻算法对BP神经网络输入数据中异常或缺失数据进行估值和替换预处理,同时进行初步预测,然后将预处理后的数据输入BP神经网络,综合BP神经网络和KNN的预测结果给出最终结论。实际环境中实验表明,所提出的模型能够有效地提高物联网环境中预测的准确度和稳定性。

一种文本数据集成方法的研究与实现

针对数据预处理中文本数据集成涉及文本比较和查找耗时问题,提出一种基于hash技术的方法.通过hash运算,将查找过程中文本比较转化为整数比较,并同时使用2种hash函数,解决hash冲突问题.建立hash表或者B-树索引,加快了查找速度.实验结果表明:hash算法与hash表的结合使用,相对于常规集成方法,极大地提高了数据预处理的速度,数据量较大时,优势尤其显著;而相对于B-树方法,hash表方法实现简单,并且比B-树处理速度快.

一种基于条件随机场的入侵检测误报滤除方法

在入侵检测领域,误报率已经成为衡量一个入侵检测系统好坏的重要指标。如何降低警报误报率一直是个研究热点。主要是通过引入条件随机场模型来进行降低误报率的研究工作,提出入侵检测误报滤除方法,对单警报特征模型和多警报特征模型进行测试,在消除率、误消除率和漏消除率三个指标下,验证所提方法的实际效果,并将该算法与基于隐马尔可夫的误报滤除算法效果进行比较。测试表明,基于条件随机场的入侵检测误报滤除方法具有较好的性能。

小小藻类造大害 无情赤潮伏危机

最近，珠江口发生了一次空前规模的赤潮，使粤港两地网箱中养殖的名贵鱼类大量死亡，损失惨重，引起有关部门的重视，不少群众也纷纷打听赤潮是怎么回事。