反向学习粒子群算法和多层分类器相融合的网络入侵检测

为了提高网络入侵检测率,提出一种反向学习粒子群算法和多层次分类器相融合的网络入侵检测模型。首先将反向学习粒子群算法优化最小二乘支持向量机,以提高分类性能;然后利用由粗到精策略构造多层的网络入侵分类器降低计算时间杂度复;最后采用KDD 99数据集进行仿真测试。仿真结果表明,相对于其他检测模型,该模型不仅提高了网络入侵检测率,降低了入侵检测误报率,同时加快了入侵检测速度,为网络安全提供了有效保证。

基于专家域的多层分类器融合

论文提出了一种基于专家域的多层分类器融合模型,专家指不同专长之单分类器。模型思想来自医院诊断流程,模型首先训练n个专家,之后将样本空间按专家专长划分专家域。对于待测样本,先将样本指派到合适的专家域,然后再由指定的专家对样本进行分类。用这种算法对UCI的标准数据集进行分类,实验结果显示,该算法得到比其他算法更低的分类误差,显著提高了分类器的性能。

改进多层分类策略的随机森林网络入侵检测方法

在当前网络入侵检测方法研究中,存在样本数据不平衡的问题,小样本数据(异常数据)过少是检测准确率低的重要原因,现有方法对小样本数据存在检测率低的问题.为了解决该问题,提出一种改进多层分类策略的随机森林网络入侵检测算法,该算法使用随机森林作为基本单元构建多层模型.首先,在不同层划分出不同的超类,在划分超类前,利用聚类质心技术对数据进行欠采样并用以平衡样本数据;其次,每一层使用不同的特征选择算法,使每一层的样本划分都能够匹配最适合的特征子集;最后,将超类划分后,递归地将超类继续划分为更小的类别,不断迭代直到所有小类别被划分完毕.在NSL-KDD数据集上的实验表明:该算法能够解决样本数据不平衡的问题,提升对小样本数据检测的准确率,是一种可行的算法.

高职艺术设计“多层分类”工作室制人才培养模式改革与实践——以苏州工艺美术职业技术学院为例

艺术设计在文化创意产业的发展中具有举足轻重的作用,高职院校是艺术设计高技术技能人才的重要来源,而人才培养模式又是高职院校人才培养质量和特色的突出体现。苏州工艺美术职业技术学院在近年的“双高计划”建设中,基于中法合作形成的工作室制人才培养模式,主动对接产业发展新需求,推进“多层分类”工作室制人才培养模式改革,通过对该模式的缘起、做法、创新特色和改革成效等方面的介绍,对艺术专业高技术技能人才的培养展开进一步思考。

多层分类器模型的相似人体活动识别

针对基于单传感器活动识别中相似活动易混淆的问题,本文提出了一种基于广义判别分析的多层分类器融合的相似人体活动识别算法.首先提取基于单加速度计的多类活动数据的时域特征、频域特征以及时频特征,对不同特征进行特征分析与重要性评估以确定有效的特征维度.使用随机森林(RF,Random forest)算法对活动特征进行第1层分类,然后根据分类混淆矩阵分析相似活动,由广义判别分析算法提取相似人体活动的映射特征,使用支持向量机(SVM,Support vector machine)算法对相似活动进行第2层分类,最后将相似活动的双层分类器识别概率加权融合得到最终识别结果.为了验证该识别算法,在公开的数据集SCUT-NAA上执行,识别算法对相似活动识别的正确率达到97.2%,提高了基于该数据集研究的正确率.

基于支持向量机的多层分类入侵检测系统研究

概述了入侵检测技术和入侵检测系统,研究了支持向量机的线性和非线性分类算法。在此基础上创建了基于支持向量机的多层分类入侵检测系统模型,然后通过计算机仿真实验进行验证测试。

一种新的基于SVM的多层分类方法

本文提出了一种新的基于SVM多类问题的策略Half-Against-Half,用该方法训练的基本思想是从多个类别中选择相近或相似的类别,相近的类别放在一个子集里,把多个类别分成两个子集,一直递归地使用这种思想,用类似决策树的思想构造,直到通过多个二分SVM分类器能把每个类别分开。从理论上看,该方法在训练时间、速度、训练集大小等方面比传统的方法OVA、OVO、DAG有一定的优势,并在实践方面得到了实验数据的支持。

复杂式网络用户隐私数据多层分类存储仿真

为了确保复杂式网络用户隐私数据多层分类存储的完整性和有效性,针对当前方法数据存储的不完整和数据存储时间长的问题,提出基于贝叶斯的复杂式网络用户隐私数据多层分类存储方法。为了提升用户隐私数据多层分类存储的效果,通过对用户隐私数据权重的计算建立数据多层分类存储模型,在此基础上,分析用户隐私数据的特征向量和数据类别向量的联合分布情况,根据分布结果和概率分类器计算用户隐私数据的条件概率分布,并分析数据的对数似然概率,得到用户隐私的训练数据和测试数据,对数据类别展开预测,完成用户隐私数据的多层分类,利用数据文件的分块数、副本系数以及用户隐私数据最小的副本系数目标函数与数据分类结果相结合,最终实现用户隐私数据多层分类存储。实验结果表明,提出方法能够完整存储用户隐私数据,并且数据存储时间较短,降低了用户隐私数据多层分类存储能耗,验证了提出方法的有效性。

一种基于SVM的多层分类策略

提出了一种新的基于反例文档选择的多层分类策略1-vs-brothers。与原策略相比,该策略在训练阶段仅仅选择兄弟节点包含的样例文档作为反例,从而减少了较深层次节点需要学习的文档。实验结果表明,在该文的实验条件下,基于该策略的算法使得训练效率提高了60%,而分类精度却基本上保持不变。该策略还可以用在1-vs-1之上形成1-vs-brother策略,用来减少多层分类情况下节点训练时需要对比学习的节点数目。

结合HOG/HOF级联特征和多层分类器的人体行为识别

提出一种人体行为识别方法,结合HOG/HOF级联特征和多层分类器提高人体行为的识别率。采用VIBE方法提取视频中的前景区域;在前景区域上分别提取方向梯度直方图(HOG)特征和光流方向直方图(HOF)特征,组成HOG/HOF级联特征,将视频片段中所有前景区域的HOG/HOF级联特征构建成一个特征向量集合;构建包含两层自组织映射网络和一层有监督神经网络的多层分类器,对视频片段的特征向量集合进行分类,得到行为识别结果。仿真结果表明,该方法的行为识别率高,对不同人体行为的分类混淆率低。

多层分类算法在维修信息挖掘中的应用

提出对装备维修案例进行收集整理加工,利用多层分类算法,对维修案例进行分类,方便查询与检索,并为故障推理提供规则挖掘的来源。

基于粗集的多层分类器的设计与实现

文章提出在多层分类器中使用粗集理论来进行网络的设计,由于粗集理论有强大的数值分析能力,而多层分类器具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的新型多层分类器模型。首先利用粗集理论来提取原始的领域知识,然后通过计算决策表的相对约简来产生规则,这些规则的依赖性因子被设为多层分类器的初始连接权值,这些权值在训练学习中得到改进。文章最后给出了一个决策表的实例来进一步验证了该方法的高效性和正确性。

基于欠采样和多层集成学习的恶意网页识别

现实中恶意网页与良性网页比重严重失衡,传统的机器学习分类模型不能很好的应用,为此提出一种基于欠采样和多层集成学习的恶意网页检测模型。通过欠采样达到局部数据平衡;通过第一层基于权重和阈值的集成学习确保模型的准确度;通过第二层基于投票的集成学习保证全局信息的完整性。实验结果表明,所提模型在不平衡数据集上的恶意网页识别性能优于传统机器学习模型。

社区和学校建成环境对儿童积极通学的影响——基于交叉分类多层模型的西安实证

积极通学是儿童体力活动的重要来源,对儿童身心健康具有重要作用。建成环境对儿童积极通学的影响受到地理学、城市规划、公共健康等多个领域学者的广泛关注,但现有研究对社区和学校建成环境的共同作用和影响差异考虑不足。该研究以西安市为案例地,运用交叉分类多层模型,探究了儿童居住社区和就读学校建成环境对其积极通学的影响。研究发现,①社区建成环境对儿童积极通学的影响大于学校建成环境;②影响儿童积极通学的社区与学校建成环境因素不同,社区绿色度的增加能显著促进积极通学,学校餐饮店数量、土地混合使用、十字路口数量均对积极通学产生负效应,但学校公共交通站点数量的提高能促进儿童积极通学;③建成环境能够调节通学距离对积极通学的影响效应,社区商店数量的增多会加剧通学距离对积极通学的负效应,社区人口密度、公共交通站点数量和学校绿色度可以削弱通学距离的负效应,从而促进儿童积极通学。研究结论可为促进儿童积极通学的相关公共政策干预和空间调整策略提供参考。

基于信息量和多层感知机分类器模型耦合的平果市斜坡类地质灾害易发性评价

广西平果市频发的地质灾害严重制约着市区的工程建设和生命财产安全。在充分收集和整理区域地质资料的基础上,通过遥感解译和现场调查,确定了平果市共发育251处斜坡类地质灾害,其中崩塌189处、滑坡62处。选择高程、坡度、坡向、曲率、工程地质岩组、距断层距离、土层厚度、距河流距离和降雨共9个因子作为评价因子,结合信息量和多层感知机分类器的优势,采用信息量和多层感知机分类器耦合模型对平果市斜坡类地质灾害进行易发性评价。斜坡类地质灾害易发性制图表明极高易发区占平果市面积的25.39%,主要分布于平果市的北部、中部和南部山区。通过ROC曲线对模型预测能力进行检验获得AUC=0.809,表明模型评价结果能够很好地预测研究区斜坡类地质灾害的发生。研究结果可为研究区的崩滑灾害风险评价和灾害防治提供科学依据。

混合多层分类和朴素贝叶斯模型的垂直搜索引擎分类器设计

研究Web上计算机教育资源的分布特点,融合主题词和文档形式,设计多层分类器来完成主题搜索过程中的正确分类,继而应用朴素贝叶斯模型对主题资源信息进行自动类别划分,完成资源的物理存储。实验中主题分类的平均正确率约78%,主题的平均召回率约61%,而资源解析的平均正确率约81.5%,测试结果能够验证本文设计思想的可行性。

基于类别层次结构的多层文本分类样本扩展策略

针对大规模多层文本分类训练样本获取代价高、类别分布不均衡等问题,提出并比较几种基于类别层次结构的大规模多层文本分类样本扩展策略,即利用类别层次体系中蕴含的类别名称、描述以及类别间的层次结构关系,从内涵和外延两方面入手构造或扩展类别训练样本。在首次大规模中文新闻信息多层分类评测数据集上,基于外延的局部样本扩展策略取得较好的性能。参测系统在第一级类别和第二级类别上宏平均F1分别为0.8413和0.7139,在10个参赛系统中位列第二。

多层组合分类器研究

为了提高监督分类的精度,本文从组合分类器的结构出发,提出一种横向多层组合模型,并对这种模型的运行方式与组合特性进行分析。该模型每层含有一个分类器,每个分类器的输入和输出一起作为其后面一层的输入。我们将简单贝叶斯法与BP神经网络组合成两层分类器。实验结果表明,这种组合方式有效地提高了单个方法的分类精度。

一种基于多层决策树分类的入侵检测方法

分类技术在应用于入侵检测时,会因为待识别的用户行为类型的增加,造成分类性能的下降,从而影响检测的准确率。针对这一问题,本文研究了数据记录类型所存在的层次性现象,并据此提出了一种多层分类方法,以减少分类算法所需要识别的记录类型。以决策树为分类算法,使用该方法对KDD_Cup_99数据集训练多层分类模型,取得了良好的分类性能,特别是明显改善了小比例样本的识别性能。

基于类FP-tree的多层关联分类器

针对传统多层关联分类挖掘产生大量冗余规则而影响分类效率的问题,提出了一种基于类FP-tree的多层关联分类器MACCF(Multi-level Associative Classifier based on Class FP-tree)。该分类器依据事务的类标号划分训练集,采用闭频繁模式(CLOSET+)产生完全候选项目集,通过设计适当的类内规则剪枝策略和类间规则剪枝策略,减少了大量冗余的分类规则,提高了分类的准确率;采用交叉关联规则方法,解决了交叉层数据的分类问题,实验结果表明了算法的高效性。