基于压缩感知的无标签行为数据标记方法

针对传统无标签行为数据标记方法需要事先计算行为类别数目的不足,提出一种基于压缩感知的无标签行为数据标记方法。按照无标签数据最大可能类别数目进行聚类,从各聚类簇中选择高可信数据,使用压缩感知的冗余字典矩阵对高可信数据进行识别,通过动态匹配得到数据类别标签。实验结果表明,该方法对6种人体行为无标签数据的平均标记准确率达到96.80%,能够实现不计算行为类别数目进行数据标记。

污染源自动监控数据标记功能的实现与应用

本文分析了河北省污染源自动监控数据应用过程中存在的问题,分析了自动监控数据未能有效标记的原因,并结合相关标准规范及河北省污染源自动监控超标(异常)数据处置操作规程,给出了污染源自动监控非真实数据有效实施标记的平台化工作机制及建议。

基于SRAP分子标记构建云南旱冬瓜核心种质

【目的】通过对比不同抽样比例构建的旱冬瓜种质子集的有效性和代表性,筛选出旱冬瓜核心种质适宜的构建策略。【方法】以旱冬瓜优树同胞子代为试材,设10%、15%、25%、35%、45%和55%共6个抽样比例,采用Nei’s遗传距离和改进的最小距离逐步取样法取样,采用4个遗传多样性指数分析种质子集对原种质的代表性,通过均值t检验和方差F检验分析种质子集与原种质集变异是否同质,利用相关系数分析种质子集与原种质集的相关性,通过遗传距离比较和聚类分析确认核心种质。【结果】25%抽样比例构建的种质子集的多态位点数、多态位点百分率、观测等位基因数和等位基因保留率与原种质集一致,其余4个评价指数皆显著大于原种质集,均值和方差与原种质的相关系数均接近或者等于1,平均遗传距离较原种质提高16.82%,因此认为在25%抽样比例构建的种质子集能很好地代表原种质。【结论】综合考虑核心种质的有效性、实用性、费用和工作量等,认为25%抽样比例构建的旱冬瓜核心种质能充分代表原种质的遗传多样性。

基于保洁机器人垃圾分类任务的数据重标记算法

现实垃圾数据集通常呈现严重的类别不平衡的长尾分布现象,导致传统深度学习模型在进行垃圾分类和识别任务时存在泛化性不高的问题。为此,提出一种新的数据重标记算法与框架以提升保洁机器人识别、分类垃圾的泛化程度与精确度。该算法包含特征提取、特征聚类、标签映射模块,在训练常用的分类模型时,通过分析数据集的数据分布情况,将特征提取模块的特征向量输入特征聚类模块后为每个类别生成几个子类,并为之分配一个相应的伪标签,以缓解标签层面的数据不平衡问题。同时,在预测时通过标签映射模块,将伪标签转换为真实标签。实验表明,所提算法能在不损失头部类性能的前提下,显著提升垃圾长尾数据集中尾部类的性能,重标记算法能显著提升baseline中不同类别不平衡学习方法在长尾垃圾数据集上的分类精度。

通过自适应随机数据包标记实现实时IP回溯(英文)

随机数据包标记(PPM)是对拒绝服务攻击进行IP回溯的一种实用而有效的方法.提供了一种自适应的PPM算法:一个路由器按一个与路过的数据包已传输距离自适应的概率标记该数据包,从而被攻击者可以以 最短的收敛时间重构一个攻击路径.通过一个新的称为标注片段编码的IP重载方案,实现了实时的重构,从而能同时回溯数千条路径.与以前的PPM方案相比,收敛时间减少了50%,同时大大减少了重构计算量和伪证性.

区分服务中一种TCP友好的公平数据包标记算法

在DiffServ网络中,存在一些对带宽利用的不公平性。为了解决这些不公平性,该文提出了一种基于TSW的标记算法,称之为TCP友好的公平数据包标记算法,它能以一种近似按比例的方式在各个汇聚流之间公平地分配网络中的剩余带宽,同时还能在汇聚流内部对TCP流和UDP流进行公平的带宽分配。通过仿真试验对算法进行了验证,并与其它几种标记算法进行比较,结果证实本算法比其它几种算法具有更好的公平性。

基于数据包标记的伪造IP DDoS攻击防御

提出一种基于数据包标记的伪造IP DDoS攻击防御方案,该方案在IP数据包中嵌入一个路径相关的16位标识,通过检测标识计数器临界值判断是否发生了DDoS攻击,对伪造地址的IP数据包进行过滤,达到对DDoS攻击进行有效防御的目的。仿真实验表明,该方案对于伪造的IP数据包具有较高的识别率。

一种处理部分标记数据的粗糙集属性约简算法

属性约简是粗糙集理论中重要的研究内容之一,是数据挖掘中知识获取的关键步骤。Pawlak粗糙集约简的对象一般是有标记的决策表或者是无标记的信息表。而在很多现实问题中有标记数据很有限,更多的是无标记数据,即半监督数据。为此,结合半监督协同学习理论,提出了处理半监督数据的属性约简算法。该算法首先在有标记数据上构造两个差异性较大的约简来构造基分类器;然后在无标记数据上交互协同学习,扩大有标记数据集,获得质量更好的约简,构造性能更好的分类器,该过程迭代进行,从而实现利用无标记数据提高有标记数据的约简质量,最终获得质量较好的属性约简。UCI数据集上的实验分析表明,该算法是有效且可行的。

一种个人地理标记数据的可视化方法

个人地理标记数据是个人通过笔记本、平板电脑或者手机等设备发布的包含地理位置且与个人相关的文本、照片和视频等信息。本文针对个人地理标记数据的特点,提出了一种适用于地理标签数据的可视化方法——个人地理标记数据拓扑图,并设计和实现了核心算法。为了比较和评估该方法的效能,对"文本列表""普通地图"和"标记拓扑图"3种用户界面进行了可用性测试,并对测试数据进行了方差分析。测试结论表明,3种不同用户界面在查找个人地理标记数据的效率方面存在显著性差异,其中文本列表和标记拓扑图均优于普通地图,文本列表和标记拓扑图在查找时间上的差异并不显著,标记拓扑图在查找时间均值上略优于文本列表。

IP返回跟踪DoS攻击的三种数据包标记算法

阐述了一种以数据包标记为基础的IP返回跟踪机制,并根据该机制给出了对付DoS(拒绝服务)攻击的三种数据包标记算法。

基于改进粒子群优化的无标记数据鲁棒聚类算法

已有的聚类算法大多仅考虑单一的目标,导致对某些形状的数据集性能较弱,为此提出一种基于改进粒子群优化的无标记数据鲁棒聚类算法。优化阶段:首先采用多目标粒子群优化的经典形式生成聚类解集合;然后使用K-means算法生成随机分布的初始化种群,并为其分配随机初始化的速度;最终,采用maximin策略确定帕累托最优解。决策阶段:测量帕累托解集与理想解的距离,将距离最短的帕累托解作为最终聚类解。对比实验结果表明,本算法对不同形状的数据集均可获得较优的类簇数量,对目标问题的复杂度具有较好的鲁棒性。

确保服务中一种基于动态阈值的数据包标记算法

确保转发过程中带宽享用的公平性问题一直是区分服务网络研究的热点 影响这种公平性的因素包括回路响应时间RTT、数据包大小、目标速率及聚流中包含的单流数量等 确保服务的实现依赖于在边界路由器执行的数据包标记策略和在核心路由器执行的队列管理策略 基于动态阈值的数据包标记策略DTBM的目的就是处理异质的TCP流之间带宽享用的公平性问题 DTBM通过测量局部吞吐量来调整标记算法中的阈值 ,以改变不同颜色的标记概率从而达到公平带宽享用的目的 DTBM的主要优点在于其实现简单、对参数不是很敏感并且对端结点主机是“透明”的 仿真实验表明 ,和其他几种标记算法相比 ,DTBM能有效地消除上述因素的影响 。

基于无标记Web数据的层次式文本分类

传统的文本分类方法需要标注好的语料来训练分类器,然而人工标记语料代价高昂并且耗时。对此,通过无类别标记的Web数据来训练文本分类器,提出一种基于无标记Web数据的层次式文本分类方法,该方法结合类别知识和主题层次信息来构造Web查询,从多种Web数据中搜索相关文档并抽取学习样本,为监督学习找到分类依据,并结合层次式支持向量机进行分类器的学习。实验结果表明,该方法能够利用无标记Web数据学习分类器,并取得了较好的分类效果,其性能接近于有标记训练样本的监督分类方法。

基于标记替换的数据使用与打印方法研究

本文以防雷装置检测报告的生成为例，采用标记替换的机制，应用数据库与XML文档之间的数据交换技术，研究实现各类报告、报表、清单等对数据库数据的使用及打印方法。

基于数据包抽样标记的IP追踪技术的研究及改进

数据包抽样标记技术是为了应对分布式拒绝服务攻击而提出的一种IP追踪技术。这里对其原理及实现方案进行了研究。并针对其安全性进行了分析,在原有技术基础上,提出了可鉴别的改进方案,提高了整个方案的安全性。

半监督学习中非标记数据的利用

同时利用半监督学习中的标记数据与非标记数据,可以提高机器学习的能力.为了利用非标记数据,我们将非标记数据所在的样本空间映射到标记样本空间.讨论如何利用非标记数据构造学习算法,并证明所构造算法的收敛性.

基于事务的概率标记数据包的IP回溯

针对Dos攻击,提出了一种改进的IP溯源技术PTPM(Probabilistic Transaction Packet Marking),利用事务把一个路由器的标记信息经由中间路由器传播到目的主机,最后根据收到的数据包重构攻击路径.这种方案大大减少了回溯数据包的个数.

基于成对约束的偏标记数据消歧算法

偏标记数据消歧是利用偏标记数据进行机器学习的基础.针对偏标记数据中广泛存在的数据不平衡问题,以及现有消歧算法对样本间约束信息利用不足的问题,本文提出一种基于成对约束的偏标记数据消歧算法.首先,基于低秩表示,推导出数据不平衡条件下样本低秩表示系数和样本相似度之间的关系;其次,基于推导结果,分别构建基于样本间正约束和负约束的图模型,通过最小化图模型的能量函数求解偏标记数据的标签.在5个公开数据集上的实验结果表明本文方法相对基准算法在消歧准确率上平均提高了2.9%~14.9%.

基于DoS攻击的随机数据包标记源跟踪算法

针对互联网上日益猖獗的拒绝服务攻击(DoS),对传统的随机数据包标记源跟踪算法原理及其实现过程进行了深入研究。通过分析该算法性能缺陷,运用散列消息鉴别码机制和一次性口令机制,提出一种新的攻击源返回跟踪算法HPPM。通过测试其性能指标,说明该算法改进了传统随机数据包算法的性能,提高了返回跟踪DoS攻击的效率和准确性。

针对弱标记的多标记数据集成学习分类方法

提出一种针对弱标记的多标记数据集成学习分类方法,它通过采用基于相似性成对约束投影的方法来处理数据,更好地利用了弱标记样本的特征,从而提高了分类性能。