一种基于有监督局部决策分层支持向量机的异常检测方法

该文针对包含多种攻击模式的高维特征空间中的异常检测问题,提出了一种基于有监督局部决策的分层支持向量机(HSVM)异常检测方法。通过HSVM的二叉树结构实现复杂异常检测问题的分而治之,即在每个中间节点上,通过信息增益准则构建有监督学习所需的训练信号,监督局部决策;在每个嵌入中间节点的二分类支持向量机(SVM)的训练过程中,以局部决策边界对特征的敏感度为依据,选择入侵检测的局部最优特征子集。实验结果表明,该文提出的异常检测方法能够在训练信号的局部决策监督下构建具有良好稳定性的检测学习模型,并能以更精简的特征信息实现检测精确率和检测效率的提高。

一种音频情感区间划分方法

该文提出一种音频情感区间划分方法。该方法以提取音频情感语义方面为目的,可以有效地划分出视频流中音频通道的情感区间。首先,事先选定若干种音频中层情感认知类型,并采用基于分层二叉树SVM分类算法对每个音频段进行中层情感认知初分类,然后提出一种基于规则的分类结果平滑策略对初分类结果进行平滑。最后,利用从中层认知到高层情感感知的映射机制,将中层认知映射到高层情感感知以识别高层情感语义,最终完成音频情感区间划分。实验证明,该方法对音频情感区间划分具有良好的效果。