基于GA参数优化的t-SVR网络安全风险评估方法

为了提高网络安全风险评估的准确性和实时性,提出一种t时延参数优化支持向量回归机的网络安全风险评估模型(t-SVR)。利用遗传算法(GA)的全局搜索性,对t-SVR模型中的关键参数进行组合寻优。通过对网络安全风险数据集进行仿真,结果表明,基于GA参数优化的t-SVR评估模型已经解决了SVR存在的不足,提高了网络安全风险评估的准确率,缩短了评估时间,评估性能更加稳定。

基于K-近邻隶属度模糊支持向量机的再造抽油杆损伤等级磁记忆定量识别

针对磁记忆技术在再造抽油杆损伤等级定量评价中小样本和分散性的难题,从再造抽油杆疲劳损伤实验出发,通过获取损伤演化过程的磁记忆特征规律,提取五维磁记忆特征向量,首次引入基于K-近邻隶属度的模糊支持向量机多分类算法,结合参数组合寻优方法,建立再造抽油杆损伤等级的多分类磁记忆定量识别模型。结果表明:利用K-近邻隶属度将分散性和模糊性加以量化,结合支持向量机的小样本优势,构造的K-近邻隶属度模糊支持向量机多分类磁记忆模型,可以进行再造抽油杆损伤等级的磁记忆定量识别,并进一步进行参数组合寻优,避免了盲目选择固定参数导致模型精度过低,具有较好的抗噪性和鲁棒性,为再造抽油杆损伤等级定量评价提供了一种新的方法。