基于主成分分析的决策树构造方法

针对传统的ID3算法在选择分裂属性上对取值较多属性过分依赖的缺点,提出了基于主成分分析的决策树优化算法.该算法是通过主成分分析综合了信息增益和相关度系数来选择分裂属性.论文通过UCI提供的标准数据集,对优化算法进行测试,分析了优化算法的性能特点,验证了优化算法在分类正确率和执行效率上要优于ID3算法.

基于对偶树复小波变换与PCA方法结合的图像变化检测算法研究

图像变化检测是遥感图像处理领域重要方向,大多数变化检测算法都存在算法复杂度高、抗噪性弱等缺陷,利用对偶树复小波变换的平移不变性与能提高方向分辨率的优点,把对偶树复小波变换运用于变化检测中,可以提高图像细节变化的检测和算法抗噪性。首先用对偶树复小波变换对图像进行尺度分解,把图像在每个尺度上分解成一个低通子图和六个方向的高通子图。然后运用PCA(主向量分析法)提取每个尺度与方向上的特征并降维,然后运用k均值算法将图像像素分成为变化与不变化两类,最后通过多尺度融合,得到变化检测图像。

基于DT-CWT和PCA的唇部特征提取方法

针对单视觉唇读系统中唇部特征的提取问题,提出了基于双树复小波和PCA的唇部特征提取方法。利用双树复小波变换的近似平移不变性,通过将变换后的系数幅值重新排列,克服了感兴趣区域中唇部偏移的影响。与DCT相比,双树复小波变换既可反映输入信号的频域特性,又能反映其空间域特性,具有近似平移不变性,这些特性使得DT-CWT+PCA的方法优于DCT+PCA的特征提取方法。实验结果表明,该方法在识别率方面有较大的提高。

一种DT-CWT域内的图像零水印算法

为了实现数字图像的版权保护,基于双树复小波变换,提出了一种新的零水印算法。该算法由于不改变图像的任何信息,因此在兼具不可见性和鲁棒性的同时,还可以解决常规的冗余变换域水印算法的能量损失问题。该算法先借用实小波变换的零树结构思想,在变换后图像中选择重要的系数树,并利用主分量分析提取它们的第一主分量,然后经过量化编码构造零水印信息,再到认证中心注册后,即可作为用户的版权标志。实验结果表明,该算法不仅具有很好的鲁棒性,而且可以抵抗滤波、加噪、有损压缩等各种攻击。

基于DT及PCA的DNN入侵检测模型

当今入侵检测领域作为一个重要领域,虚警率高、检测率低、处理速度慢、特征维度高等问题正困扰着从事这一领域的专家学者。为了解决这些问题,提出基于决策树(DT)与深度神经网络(DNN)以及主成分分析(PCA)的入侵检测模型DT-PCA-DNN,在相对高的检测率和相对低的虚警率的基础上提高入侵检测系统(IDS)的处理速度。为缩小整体数据量达到加快处理速度的目的,首先利用DT对数据初步判别。将DT判别为入侵的数据,存入临时训练样本集以再训练优化DT以及DNN,而DT判别为正常的数据,删除所添加正常标签后用PCA降低数据维度并送入DNN进行二次判别以得出最终结果。DT使用浅层结构以防止过多正常数据被判定为入侵数据,导致后续DNN二次处理时不能有效提高整体准确率。DNN采用简化神经网络计算过程的ReLU激活函数以及收敛速度更快的adam优化算法以加快数据处理速度。经过在NSL-KDD数据集上的二分类及五分类实验验证,相比于其他的应用深度学习的入侵检测方法,所提出模型能够在实现相对高的检测率的同时具有更加迅速的检测速度,有效解决了入侵检测的实时性问题。