引入交叉确认机制的安全态势评估模型

针对当前网络安全态势评估数据源较单一,评估结果欠准确等问题,提出了基于交叉确认机制的安全态势评估模型。该模型根据网络安全事件间的关联性以及告警信息的不确定性,提出多源告警信息交叉确认机制,利用模糊推理将海量的告警信息进行交叉确认,提取出可靠的评估信息,并结合静态评估数据进行安全态势评估。利用实例网络数据,对该模型进行了验证,实验结果表明该模型评估结果的全面性和准确性有很大程度的提高。

一种红外图像对比度增强的小波变换法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法 .对红外图像进行离散平稳小波变换后 ,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪 ;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强 ;并给出一种评价增强图象质量的准则 .实验结果表明 ,本文提出的方法在有效的增强红外图像对比度的同时 ,又能很好的抑制红外图像中相关噪声。

基于支持向量机的信用评估模型及风险评价

运用基于支持向量机理来建立一个新的个人信用评估预测模型,以期取得更好的预测分类能力.并对SVM分类结果与三层全连接BPN分类结果进行了比较.结果表明,在判别潜在的贷款申请者中支持向量的判别结果比神经网络的要好.为了减小训练集偏差及为了验证两种方法的鲁棒性,基于两种策略(平衡样本与非平衡样本)交叉验证来进一步评价SVM分类准确性,并对两种方法基于两种策略的误分类作了风险代价分析.

图像对比度增强的小波变换法

对图像进行离散小波变换,对分辨率较好的高频子带直接用所提出的去噪算法去噪;对分辨率较差的高频子带用非线性增益法结合去噪法增强;给出一种评价图象质量的准则。实验表明,新算法在有效增强图像对比度的同时,又能很好的抑制图像中白噪声。

一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。

一种抗噪的红外图像对比度增强方法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法。对红外图像进行离散平稳小波变换后,利用所提出的去噪方法对分辨率较好的各高频子带直接去噪;并利用所提出的非线性增益法结合文中的去噪法对分辨率较差的各高频子带进行增强。实验结果表明,提出的方法在有效地增强红外图像对比度的同时,又能很好地抑制相关噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。

基于网格搜索-支持向量机的采场顶板稳定性预测

为准确、快速地预测采场顶板稳定性(SRS),建立基于支持向量机(SVM)理论的SRS评价法。考虑煤-岩石介质与环境条件和工程因素,研究岩石单轴抗压强度、岩石质量指标(RQD)、煤体抗压强度、顶板水文状况和工作面月推进速度对SRS的影响。建立SRS识别的SVM模型。为提高预测模型的泛化能力和预测精度,利用网格搜索法(GSM)及10折交叉确认寻优方法对SVM模型的参数进行优化。用该模型对5组待判工程实例进行判别。研究结果表明,模型训练样本10折交叉确认准确率达91.3%,对测试样本识别正确率为80%,识别结果与实际较吻合。

基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。

基于离散正交小波变换的红外图像去噪方法

提出红外图像去噪方法,将小波变换与广义交叉确认原理相结合,在噪声方差未知的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散正交小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,该方法在有效地去除噪声的同时,能较好地保持红外图像的细节信息。算法在性能指标和视觉质量上均优于Donoho提出的小波阈值去噪方法、Johnstone提出经过调整的小波阈值法和传统的中值滤波法。

基于out-of-bag样本的随机森林算法的超参数估计

随机森林是一种有效的分类树集成算法,但为了使它具有较高的预测精度,要采用某种方法确定其超参数的最优值.在不额外增加计算复杂性的前提下,提出了一种基于out-of-bag样本估计其超参数取值的方法.仿真试验的结果表明,利用文中提出的方法所选取的超参数在多数情况下都能使随机森林算法的分类效果达到最优.

基于正交离散小波的超分辨力图像复原算法

利用正交离散小波变换,通过最小化广义交叉确认函数求取小波变换渐近最优阈值,与L-R超分辨力图像复原算法结合,提出了基于正交离散小波变换的L-R法(WL-R)和单次运算小波变换的L-R法(SWL-R).算法能够较好地复原信噪比较低的图像细节,SWL-R只需1次处理过程,在保证复原处理快速有效的基础上,减少了L-R算法的大量迭代运行时间,适合于实时化的超分辨力图像处理,具有广泛的应用前景.

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法 .用节点数为 n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练 ,使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系 .并利用同样的训练数据 ,应用 GCV方法对神经网络模型的误差进行估计 .对于节点数为 n的其它网络系统 ,只要将有关数据输入获得的神经网络 ,就可得到该网络可靠度的估计值 .

基于小波变换的图像去噪优化算法

提出了一种基于小波变换的图像去噪优化算法。先通过小波边缘检测法求出有噪图像的边缘图像;再利用广义交叉确认原理求出的阈值对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像。该算法能在有效去噪的同时保留图像的细节信息,提高了信噪比。

Out-of-bag样本的应用研究

Bagging集成通过组合不稳定的基分类器在很大程度上降低"弱"学习算法的分类误差,Out-of-bag样本是Bagging集成的自然产物。目前,Out-of-bag样本在估计Bagging集成的泛化误差、构建相关集成分类器等方面得到了广泛应用。文章对Out-of-bag样本的应用进行了综述,阐述了对其进行研究的主要内容和特点,并对它在将来可能的研究方向进行了讨论。

基于神经网络的软件关键模块的识别方法

研究了如何利用神经网络解决软件关键模块的识别问题。首先利用交叉确认改进了级联相关算法,设计了多层前馈神经网络作为模式分类器,以软件模块的复杂性度量作为特征向量识别软件中的关键模块。最后以自行开发的维修性分配与预计(MAP)软件为例说明了采用改进的级联相关算法确定软件关键模块的优势。

时空地理加权回归模型及其拟合

基于加权最小二乘原理,给出了时空地理加权回归模型的拟合方法,以及与之相关的权函数选取原则和确定窗宽参数的交叉确认法.

图像对比度增强的小波变换法

提出一种基于离散正交小波变换和非线性增益的图像对比度增强方法。对图像进行离散正交小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强。实验结果表明,论文提出的方法在有效地增强图像对比度的同时,又能很好地抑制图像中的白噪声。算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法。

时空加权回归模型的变窗宽局部估计

基于合变系数模型的局部线性估计方法与时空加权回归(GTWR)拟合方法,给出了时空加权回归模型的局部估计方法,并在其中嵌入一个变窗宽以提高其估计精度.

基于GCV小波阈值去噪的红外弱小目标检测

针对红外图像弱小目标检测,提出了一种基于GCV小波阈值去噪的检测方法。先将图像进行小波多尺度分解以抑制杂波;然后利用GCV准则,对各个小波系数的子带图像分别进行阈值分割来抑制噪声;最后对降噪后的小波系数进行离散小波反变换,对重构后的图像进行二值分割从而得到最终检测结果。实验结果表明,与传统方法相比,该算法能够很好地抑制背景和噪声,并且对于重建图像能够更加准确地进行目标提取和分割。

利用改进的级联相关算法确定软件关键模块

利用交叉确认改进了级联相关算法,随后利用改进的级联相关算法,设计了多层前馈网络作为分类器,以软件模块的复杂性度量作为特征向量确定软件中的关键模块。最后以自行开发的维修性分配与预计(MAP)软件为例说明了采用改进的级联相关算法确定软件中的关键模块的优势。