基于关联分析的异常信息属性特征提取仿真

针对现阶段异常信息属性特征提取方法无法及时对数据库更新的数据进行处理的缺陷,研究并提出一种基于关联分析的异常信息属性特征提取方法。组建无向的频繁模式网络模型,分析模型特点,获得项目关联矩阵;通过自适应盲源分离方法,对信息的相关特征进行融合以及挖掘,得到不同特征值之间的关系,通过特征的分布情况,使用关联规则信息融合方法对项目关联矩阵进行聚类处理,在整个数据的聚类中心,通过计算得到判决阈值,将其与自适应回归方法对异常信息属性特征进行特征挖掘,通过信息融合方法实现异常信息属性特征提取。仿真结果表明,与传统提取方法相比所提方法能够快速、准确提取异常信息属性特征。

改进的随机森林分类器网络入侵检测方法

目前网络入侵检测方法大多基于改进的机器学习算法,但是机器学习算法会出现过拟合情况,导致入侵检测准确率降低。为解决该问题,提出一种改进的随机森林分类器网络入侵检测方法,通过高斯混合模型聚类算法将数据分成不同的簇,为每一个簇训练不同的随机森林分类器,通过这些训练好的随机森林分类器进行网络入侵检测。训练和实验数据采用NSL-KDD网络入侵数据集,实施中首先根据属性比率数据特征提取方法进行数据处理,然后进行高斯混合聚类,最后使用随机森林分类器对聚类结果进行训练。实验结果表明,该方法相比其它机器学习算法具有更高的入侵检测准确率。

智能检索技术在电网调度本体知识库中的应用

构建电网调度本体知识库,提高电网信息的智能检索能力和调度能力,提出基于语义本体特征融合和关联映射的电网调度本体知识库构建方法,采用电网资源分布信息重组方法构建电网调度的数据库模型,根据电网资源信息分布的数据结构形式进行语义信息融合,提取电网资源信息的关联规则特征。采用模糊概念集匹配方法进行电网资源调度的本体知识库重构,实现电网资源调度的本体特征自适应优化分配,提高电网调度的均衡性和连通性。在本体知识库中提取电网资源信息分布的属性特征,根据特征提取结果进行模糊聚类,在聚类中心实现电网资源信息准确检索。仿真结果表明,采用该方法进行电网资源调度和检索的查准性较好,信息检索的时间效率较高。

智能检索技术在电网调度本体知识库中的应用

构建电网调度本体知识库,提高电网信息的智能检索能力和调度能力,提出基于语义本体特征融合和关联映射的电网调度本体知识库构建方法,采用电网资源分布信息重组方法构建电网调度的数据库模型,根据电网资源信息分布的数据结构形式进行语义信息融合,提取电网资源信息的关联规则特征。采用模糊概念集匹配方法进行电网资源调度的本体知识库重构,实现电网资源调度的本体特征自适应优化分配,提高电网调度的均衡性和连通性。在本体知识库中提取电网资源信息分布的属性特征,根据特征提取结果进行模糊聚类,在聚类中心实现电网资源信息准确检索。仿真结果表明,采用该方法进行电网资源调度和检索的查准性较好,信息检索的时间效率较高。

一种新的MSTAR SAR图像分割方法

提出了一种新的MSTAR SAR图像分割方法。该方法首先根据地物的散射机制进行属性散射中心(attributed scattering centers,ASC)特征提取,构造属性散射中心特征向量;然后使用马尔科夫随机场(Markov random field,MRF)结合属性散射中心特征对MSTAR SAR图像进行空间邻域关系描述;最后运用标号代价能量优化算法得到最终的分割结果。MSTAR SAR数据上的实验结果证明了其有效性。