基于流量行为特征的网络异常稳定识别仿真

异常行为识别是保证网络安全运行不可缺少的步骤,但异常行为识别过程易受噪声流量、网络性能、冗余信号的干扰。为了解决上述问题,提出基于流量行为特征的网络异常行为识别方法。采用提升小波变换法剔除网络流量中的噪声,避免识别过程受到噪声干扰,采用矢量量化技术与主题模型提取流量行为特征,将提取的特征输入到支持向量机模型中,利用支持向量机的二分类特性实现特征的分类,完成网络异常行为的识别。实验结果表明,所提方法的异常识别精度高,且AUC-PR数值比较稳定,说明其在识别过程中不受噪声数据的影响。

一种基于CART的决策树改进算法

针对分析CART算法的要求被选择的属性是连续且有序的,并且只能产生两个子节点的问题,依据CART算法理论,采用A-CART算法,弥补了CART方法的不足.是一种选用离散无序的属性作为决策树的分裂节点,分裂后可以产生多个子节点的方法,并为此方法设计了分裂函数,通过一个实例给出了具体的使用方法.

基于相变和似然性的多相图像分割方法

Sine-Sinc模型是一种基于材料科学中Modica-Mortola物理相变原理的多相图像分割方法.针对该模型分割结果不完全、易受噪声和亮度不均匀性影响的问题,提出了一个改进的Sine-Exp-Gauss多相图像分割模型.基于Sine-Sinc模型,Sine-Exp-Gauss模型用指数函数代替Sine-Sinc模型的Sinc函数,并从分段常数图像假设推广到高斯分布函数图像假设;模型偏微分方程的数值解采用凸函数分裂方法迭代,获得每个相的局部最优解,同时给出一种标准初始化方法使迭代过程易于收敛到理想局部极小值.与Sine-Sinc模型和偏差矫正模型相比,实验结果证明Sine-Exp-Gauss模型在噪声消除和自偏差矫正方面都更加鲁棒.

压缩感知和稀疏优化简介

介绍压缩感知和稀疏优化的基本概念、理论基础和算法概要,压缩感知利用原始信号的稀疏性,从远少于信号元素个数的测量出发,通过求解稀疏优化问题来恢复完整的原始稀疏信号,通过一个小例子展示这一过程,并以此说明压缩感知和稀疏优化的基本理念,接着简要介绍用以保证(?)_1凸优化恢复稀疏信号的零空间性质和RIP条件,最后介绍求解稀疏优化的几个经典算法。

氦原子1snd（n=4-11）组态下^1D-^3D谱项分裂值的计算

利用多体微扰理论(MBPT)计算了氦原子1snd(n=4—11)组态的1D—3D谱项分裂值.基于两种不同的模型分别计算Rayleigh-Shr dinger微扰展开式中仅含束缚态的部分和包含连续态的部分.对于束缚态,较严格地通过自洽迭代求解Hartree方程构造零级近似波函数,并利用积分处理方法对无穷项求和中的余项给出了近似算法.而对于连续态波函数,则采用简化的氢原子势模型.按照Rayleigh-Shr dinger微扰展开方法,将Rydberg态的微扰论修正计算至三级.计算表明,二级和三级微扰对谱项分裂的贡献主要来自于束缚态求和部分.单态-三重态精细结构分裂的计算结果与两组实验结果基本符合.

随机比例方程的波形松弛方法

将波形松弛方法应用到随机比例方程.在分裂函数满足单边Lipschitz条件和全局Lipschitz条件下,给出波形松弛方法的误差估计,该误差估计说明此方法是超线性收敛的.完成收敛速度的数值实验,验证了所得理论的正确性.

波形松弛方法的绝对稳定与压缩

波形松弛(WR)方法是求常微分方程近似解的数值方法,对它的研究多集中于收敛性,极少见到稳定性研究报告,而不稳定的数值方法是没有意义的.借鉴常微分方程数值方法绝对稳定的思想,提出了WR方法的绝对稳定定义.分析连续基本WR方法和基于Θ方法的离散基本WR方法的稳定性,给出了连续和离散WR方法的绝对稳定条件,以及离散WR方法的压缩条件.对于WR方法,分裂函数和数值方法(用于离散连续WR方法)的选择是两个基础问题.论文结论部分地揭示了WR方法的稳定性与分裂函数和数值方法的关系.

分数阶随机时滞微分方程的波形松弛方法

研究了分数阶随机时滞微分方程的波形松弛方法。在分裂函数满足Lipschitz条件下,给出波形松弛方法的误差估计,该误差估计说明此方法在均方意义上是收敛的。最后通过几个算例证明了波形松弛方法求解分数阶随机时滞微分方程的有效性,验证了收敛理论的正确性。