基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法

针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差,忽略了特征之间的相互关系等问题,该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系,完成数据的一次特征提取,在此基础上,定义一种基于注意力机制的特征重要性权重评估规则,依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重,完成数据的二次特征提取。最后,提出一种“先总分后细分”的设计思想构建网络流量异常检测模型,实现多分类网络流量的异常检测。实验结果表明,该文所提方法在性能上要优于传统单一的模型,并且具有良好的表征能力和泛化能力。

二次特征提取及其在说话人识别中的应用

传统的特征提取方法在处理小范围的说话人识别时尚可为之,但是在较大用户群的情况下,由于特征覆盖范围不够导致性能下降。鉴于此,本文提出了一种新的二次特征提取方法,它通过综合运用加权、微分、组合、筛选等方法,进一步挖掘说话人语音背后的隐性个性差异。在采用138人的YOHO数据库上进行的说话人识别测试中,其性能优于传统的特征提取方法。

基于DWT的二次特征提取脱机中文签名鉴定

提出了一种基于投影特征和离散小波变换(DWT)的脱机中文签名鉴定的新方案.该方案利用小波分解的高频系数具有较好时间分辨率的特点,对调整后的投影特征矢量选用各层高频系数进行单支重构提取二次特征,此二次特征在增强了签名者的个人特性的同时也增加了签名特征隶属于真签名的不确定性,由此引入模糊网络来表征这种不确定性进行鉴定.实验中对中文签名数据库取得了大约11%的平均错误率,较现有文献的实验结果减少了大约6%.

二次特征提取法用于茶叶产地的识别

利用傅里叶红外光谱和特征基理论,对茶叶的产地进行研究.采集新茶叶样品的光谱数据,通过选择合适样品建立光谱特征基,将新采集茶叶的光谱数据在反映茶叶产地特性的光谱特征基上投影,依据茶叶产地的地域特征不同,在主成分分析思想的基础上提出了二次特征提取方法,并对比分析得出利用二次特征提取方法处理红外光谱图的可行性,而且可以有效地识别不同产地茶叶的特征.

基于二次特征提取的表情识别

为解决非均匀光照下和训练库外个体表情识别率低的问题,提出自适应阈值LBP和二次特征提取的表情识别方法。采用自适应阈值LBP作为表情主要特征,Kirsch响应后的Canny特征作为辅助特征,剔除表情无关区域后,用两个深度信念网络(deep belief network,DBN)进行二次特征提取和表情分类,利用验证集确定两个DBN所占权重。在CK+表情库和自制表情库上与其它方法的对比实验结果表明,该方法对库外实验个体具有更强的泛化性。

ω-net:一种用于多种医学图像的二次特征提取方法

针对人为无法及时从医学图像发现病理特征,最终导致病情恶化的问题,提出一种二次特征提取方法(ω-net),用来对肺、肝脏、细胞及脑质瘤进行分割。首先,将全尺寸的Unet网络作为一次特征提取路径,再将上采样路径的第三层作为起始层,用来扩展二次特征提取路径,以加强特征提取能力。其次,为了建立长期的通道依赖关系以及增强特征的位置信息,在不同的阶段引入两种新型注意力机制进行针对性优化。最后,复现了10种经典网络,在医学图像领域与基准网络Unet对比,所提网络的常用指标平均交并比、敏感性、精确度和准确率最高分别提升了0.0787、0.1287、0.1216、0.0201。经过在4种数据集上的指标数值和可视化结果比较,ω-net的多项性能指标均优于其他网络,证明了该网络的有效性与优越性。

基于二次熵特征提取的燃气轮机气路诊断方法

针对现有燃气轮机气路故障预测诊断方法存在的问题,本文提出了一种基于二次熵特征提取的前向求解的新型气路诊断方法。通过案例分析表明,所提出的基于二次熵特征提取的气路诊断方法不依赖于故障样本集,也不受实际部件特性线的固有非线性形状变化的限制,具有良好的诊断适用性。燃气轮机气路可测参数基于香农熵与指数熵的二次特征提取后,在二维平面上有显著的类间分离度和类内聚合度,可使机组用户及运维人员简单方便的采用气路诊断策略来监测燃气轮机运行健康状况,便于全寿命周期健康管理。

基于分治排序策略的流量二次特征选择

网络业务流量的多样化高速化发展给流量识别技术带来了极大挑战,特征选择作为对数据降维处理的有效方法,具有重要的研究意义.本文描述了流量二次特征选择模型,并以此为基础提出了流量二次特征选择算法.算法将流量数据分为若干数据子集进行分治处理,对各数据子集提取出的特征进行汇总,以提出的影响度这一指标作为特征评估排序的依据,进行二次特征提取.实验表明,提出的算法在模型构建上性能更加优越,并且可以选取更少的特征实现对流量更准确的识别.

基于视频的车型特征提取及识别方法研究

基于模式识别方法进行车辆识别的关键是车型特征的提取以及分类器的设计。针对车辆的轮廓、车长、车高、面积和轴距等几何特征较难精确获得问题,设计了将含有较多有效信息的车辆图像灰度矩阵作为车辆描述特征,并通过基于PCA-LDA相结合的二次特征提取方法进行车辆识别特征的优化;分类器设计采用支持向量分类方法,根据"一对一"策略构造了三类车型分类器,并采用KNN方法进一步提高了SVM子分类器的分类准确率。最后对设计的方法进行了实验分析,结果表明本方法具有较好的识别效率。

语音信号处理中特征提取方法研究

语音特征提取的常用方法有LPCC、MFCC、PLP等,这些方法都是基于语音信号短时平稳的特性。利用二次特征提取可以通过对原始特征实施加权、微分、组合、筛选进一步提高识别率。本文介绍了语音识别和说话人识别中特征提取的常用方法以及最新发展,最后介绍了Hilbert-Huang这一新兴理论成果以及在特征提取中的应用。

语音特征参数在说话人识别中的应用

在噪声环境下,用传统特征参数如LPCC、MFCC说话人识别往往达不到很好的识别效果。用加权、差分和组合的方法对原始特征参数进行二次处理,并对处理的结果进行PCANN变换,可得到一种新的说话人特征参数。新特征实现了对原特征的降维和去冗余,丢弃了分布在高维的噪声信息,实验表明,新特征增强了说话人识别系统的鲁棒性,提高了系统的识别性能。

基于主题的Web文档聚类研究

网络资源的不断膨胀和新旧信息的迅速更迭 ,使传统的手工分检的方法难以适应对海量电子数据的管理需要。Web文档聚类可以快速地将文档进行自动归类 ,并能够发现新的信息资源。针对Web文档数据的复杂性 ,本文提出了通过二次特征提取和聚类的方法 ,将Web文档按照主题进行自动聚类。在主题特征被有效提取的同时 ,实现了较高质量的Web文档聚类。

快速的文本倾向性分类方法(英文)

提出了一种快速的文本倾向性分类方法,即采用类别空间模型描述词语对类别的倾向性,基于词的统计特征实现分类;针对倾向性分类的复杂性,在综合考虑词频、词的文本频、词的分布三种统计特征的基础上,提出一种新的二次特征提取方法:第一次特征提取,采用组合特征提取方法,除去低频词以及在各类中均匀分布的噪音词;第二次特征提取,去除类别倾向性不明显的词。实验表明该分类方法不仅具有较高的分类性能,而且运行速度快,在信息检索、信息过滤、内容安全管理等方面具有一定的实用价值。

四川口音普通话的声学建模

考虑到对因受地方口音导致的相近、相似、模糊发音的语音的识别困难,本文以易受四川口音(含有特定的声母zh-z/ch-c/sh-s)孤立词语音为识别语音,对其进行声学建模。通过对初始的49维特征参数分三个步骤进行二次特征提取,得到对特定四川口音敏感的特征参数。最后采用矢量量化技术对初始特征参数和通过二次特征提取得到的特征参数进行对比实验。实验表明,经过二次特征提取得到的特征参数有效地改进了易受四川口音(含有特定的声母zh-z/ch-c/sh-s)影响的语音的识别效果,提高了识别率。

一种基于朴素贝叶斯的微博情感分类

本文基于二次情感特征提取算法,利用句法依存关系进行一次文本情感特征提取,在此基础上,利用情感词典,进行二次情感特征提取。构建朴素贝叶斯分类器,对采集的热门话题微博和酒店评论进行文本情感倾向性分类。主要比较了表情符号、标点符号,基于情感词典的特征提取和基于二次情感特征提取方法,在不同的组合下的分类性能,寻找更佳的微博文本情感分类预处理方法。并与酒店评论情感分类结果对比、分析,发现影响微博情感分类性能的原因。实验结果表明,二次特征提取方法在分类上取得更高的F1。实验最佳的分类预处理方式是"表情符号+标点符号+二次情感特征提取+BOOL值"。同时发现,朴素贝叶斯在酒店评论情感分类取得更高的分类性能,主要是微博评价对象多样化造成的。