基于逻辑斯蒂回归的恶意请求分类识别模型

为了解决针对Web应用层的攻击,有效分类识别恶意请求,深入研究有监督的学习方法,针对请求文本内容不足、特征稀疏的缺陷,提出了一种基于非重复多N-Gram的TF-IDF分词策略和逻辑斯蒂回归方法构建的恶意请求分类模型。通过从Secrepo安全数据样本库等来源采集到的大量样本数据进行特征提取后对模型进行训练,以最大似然估计作为模型的优化目标,利用梯度下降的方法得到最优分类模型,并在测试集上验证模型的可靠性。实验结果表明,短文本、低语义的请求内容通过字母形式在多N-Gram的分词下构造的分类模型,相对于单词和单倍N-Gram分词的分类模型具有较高的分类准确率和得分,并且训练模型所耗时间相差不大。该方法训练出的最终模型在测试集上的准确率、召回率和F1值都达到了99%以上。

基于逻辑斯蒂回归的智能机器人语音指令识别方法

为了提高智能机器人语音指令识别精度,本文提出了基于逻辑斯蒂回归的智能机器人语音指令识别方法。采用多维语音传感器,对语音指令信号进行了采集,利用子空间降噪方法对语音指令信号进行了降噪处理。通过频谱特征参数估计方法进行了特征参数估计,构建了智能机器人语音指令的协方差融合模型,融合语音指令参数。采用逻辑斯蒂回归分析方法,结合稀疏性估计,实现了智能机器人语音指令识别。仿真结果表明,本文所提出方法的智能机器人语音指令识别精度较高,能够有效提升智能机器人的控制能力。

基于非线性降维多项式逻辑斯蒂回归的图像/非图像数据的分类与识别(英文)

在面向大规模复杂数据的模式分类和识别问题中,绝大多数的分类器都遇到了维数灾难这一棘手的问题.在进行高维数据分类之前,基于监督流形学习的非线性降维方法可提供一种有效的解决方法.利用多项式逻辑斯蒂回归方法进行分类预测,并结合基于非线性降维的非监督流形学习方法解决图像以及非图像数据的分类问题,因而形成了一种新的分类识别方法.大量的实验测试和比较分析验证了本文所提方法的优越性.

比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性

林火预测预报是科学有效进行林火管理的前提,是林业管理部门和科研工作者的广泛关注的领域。逻辑斯蒂回归(Logistic Regression,LR)是目前国内外广泛应用于森林火灾预测的模型方法,然而近年来有学者发现该方法没有充分考虑林火影响因子的空间相关性和异质性,从而导致模型拟合结果偏差。地理加权逻辑斯蒂回归(Geographically weighted logistic regression,GWR)模型考虑到了模型变量之间的空间相关性,有效提高的模型的拟合能力。为探讨GWLR模型在福建林火预测上的适用性,本研究应用LR和GWLR两种方法分别建立福建省森林火灾与气象因子的预测模型,通过模型拟合能力对比,判断在GWLR的适用性。研究以2000—2005年福建地区森林火灾卫星火点数据和每日气象因子为基础,将全样本分为60%的建模数据和40%的校验数据,并重复5次,建立5个样本组。选择在5个样本组中3个及以上表现显著的变量进入最终模型。研究结果表明GWLR在模型拟合度、模型残差、空间自相关性以及预测准确率等方面均优于LR模型,说明充分考虑模型变量的空间异质性有助于提高模型的预测精度,同时也验证了GWLR在福建地区林火预测上的适应性。此外,模型参数结果显示,"日最高地表气温"、"日最低地表气温"、"日平均风速"、"24小时降水量"、"日最高本站气压"、"日照时数"、"日最高气温"和"日最小相对湿度"8个因子对福建省林火发生有显著影响,研究结论为福建地区林火预测预报提供了新的方法。

基于逻辑斯蒂回归模型的鹭科水鸟栖息地适宜性评价

近年来湿地生态系统遭到不同程度破坏,湿地水鸟及其生存空间日益受到威胁。以香港米埔-后海湾湿地为例,收集2003年1月份与鹭科水鸟密切相关的15个自变量和鹭科水鸟实测数据作为因变量构建逻辑斯蒂回归模型,通过筛选获取9个变量因子,分别为土地利用,NDVI,坡度,降雨,TM4纹理,TM3纹理,道路密度,道路距离,人居密度。经Nagelkerke R2检验模型精度达到0.743,拟合度较高。利用模型结果快速聚类,对栖息地进行适宜性分级,分级结果与同期鹭科水鸟实测数据做拟合,精度达到77.4%。最后采集2009年1月份各变量因子数据对回归方程进行时间尺度检验,与同期实测鹭科水鸟数据拟合精度同样达到75.8%,模型具有较好的通用性。

基于逻辑斯蒂回归的变压器涌流识别

变压器涌流是造成变压器差动保护误动的主要原因之一。本文从变压器不同运行工况下记录的差动电流波形出发,结合小波分析和机器学习智能技术,提出了一种基于逻辑斯蒂回归的涌流识别方法。首先,通过仿真手段批量获取变压器涌流和内部故障波形样本。然后,借助小波理论从中抽取反映波形组成成分复杂度的特征指标,并在此基础上,详细阐述了逻辑斯蒂回归分类器从构建优化到性能评估的完整过程。最后,将分类器应用于仿真实验和现场录波数据,通过与现有文献中的检测方法相比,验证了本文方法的正确性和有效性。本文方法原理简单,计算量小,既可以对当前现场配置保护作动作特性分析,也可以为智能保护的研究提供参考。

基于逻辑斯蒂模型的遥感图像分类

逻辑斯蒂法是一种非线性的回归分析方法 ,因采用逻辑斯蒂模型而得名[1] ,可用来进行未知单元类别属性的预测和判定。不同于一般的分类方法 ,它可分别给出某一单元属于各已知类别的概率 ,进而对研究的未知区中所有单元进行分类和预测。本文首先阐述了该方法的基本原理 ,而后利用它对内蒙古自治区两个研究区的两种图像数据进行了分类 。

核典型关联性分析相关特征提取与核逻辑斯蒂回归域自适应学习

本文提出了一种利用核典型关联性分析提取源域目标域最大相关特征,使用核逻辑斯蒂回归模型进行域自适应学习的算法,该算法称为KCCA-DAML(Kernel Canonical Correlation Analysis for Domain Adaptation Learning).该算法基于特征集关联性分析,有效的减小源域和目标域的概率分布差异性,利用提取的最大相关特征通过核逻辑斯蒂回归模型实现源域到目标域的跨域学习.实验比较源域数据上核逻辑斯蒂学习模型、目标域上核逻辑斯蒂学习模型、源域和目标域上核逻辑斯蒂学习模型和KCCA-DAML模型,结果显示KCCA-DAML在真实数据集上成功的实现了跨域学习.

应用地理加权逻辑斯蒂回归模型分析浙江区域野火的相关因子

野火是森林生态系统重要干扰因子,维持生物多样性和生态系统结构关键因子,也是对森林资源、大气环境和人类生命财产安全造成威胁主要因子。以2001—2018年浙江区域MODIS野火数据为研究基础,运用地理加权逻辑斯蒂回归方法,结合气象、植被和地形等自然因素,分析浙江野火时间变化特征及相关因子。结果表明:浙江区域野火时间变化不均匀,导致防火期提前,当年10月至次年4月野火发生占全年总火点的95.28%,其它月份仅占4.72%。防火期对野火的发生影响显著的因子主要有日最高地表气温、日平均风速、日降水量、日平均气压、日最低温度、日最小相对湿度、年平均降水量、海拔、坡度和植被覆盖度;非防火期对野火发生影响显著的因子主要有日最高地表气温、日降水量、日照时间、年平均降水量、年平均气温、海拔、坡向指数和前一年植被覆盖度。防火期和非防火期的高火险区域主要集中在温州中部和东部、温州与丽水市交汇区域、绍兴市与宁波市交汇区域,说明不同时期、不同区域可以采取不同的野火管理政策。

价格、折扣和评分对在线酒店销售成功率的影响研究——基于两分逻辑斯蒂模型的回归分析

价格和口碑是影响在线酒店销售的两个关键因素。本研究收集了6188件在线酒店产品的相关数据,采用两分逻辑斯蒂回归的研究方法,从总体和消费层次两个维度,分析了价格、降价幅度和评分对销售成功率的有用性和作用程度。结果显示,对于全部产品,这三个因子对提高销售成功率有确定的作用,其中最重要的是价格,其次是评分和降价幅度。然而,不同层次产品(经济型、中档型、舒适型、高档型和豪华型)的影响因子在构成及其重要性上存在明显差异。研究结论刻画出价格、折扣和评分对在线酒店产品销售成功率的影响特点,有利于酒店提高其产品的销售成功率。

连续比例逻辑斯蒂回归模型在半参数ROC曲面估计上的应用

针对诊断试验中有3种或3种以上诊断结果的情形,常采用ROC曲面来代替ROC曲线进行试验准确度的判断。回顾以往有关ROC曲面估计问题的文献,可以发现学者们大多使用的是参数方法和非参数方法,而利用半参数方法所得到的结果也很优良,结合连续比例逻辑斯蒂回归模型和bootstrap方法,所得到的ROC曲面和非参数方法相比更加平滑,也更加精确,在计算半参数最大似然估计时,半参数方法可以借助许多统计软件中的逻辑斯蒂程序来代替传统的牛顿迭代法之类的数值计算方法,能很快得到结果。因此在ROC曲面估计问题上半参数方法明显优于非参数方法。

混合效应逻辑斯蒂回归模型的原理及其应用

近年来,混合效应逻辑斯蒂回归模型(mixed-effects logistic regression model)在社会语言学、心理语言学、语料库语言学和认知语言学等领域中得到广泛应用。本文旨在介绍混合效应逻辑斯蒂回归建模的原理,并以英语与格交替研究作为案例,展示混合效应逻辑斯蒂回归模型在语言研究中的具体应用。

权核Logistic回归模型的分类和特征选择算法

监督学习情况下,经常遇到样例的维数远远大于样本个数的学习情况。此时,样例中存在许多与样例类标签无关的特征,研究如何同时实现稀疏特征选择并具有更好的分类性能的算法具有优势。提出了基于权核逻辑斯蒂非线性回归模型的分类和特征选择算法。权对角矩阵的对角元素在0到1之间取值,对角元素的取值作为学习参数由最优化过程确定,讨论了提出的快速轮转优化算法。提出的算法在十个实际数据集上进行了测试,实验结果显示,提出的分类算法与L1,L2,Lp正则化逻辑斯蒂模型分类算法比较具有优势。

基于有序多分类logistic的物流成本控制绩效评价

为了较好地评价物流企业的绩效,从其作业成本控制角度考虑,建立绩效评价指标体系。然后,采用有序多分类逻辑回归分析方法,构建物流企业绩效评价模型,对物流企业在成本控制整体状况条件下绩效进行有效评价。模型结果表明:作业成本、作业时间、作业效率与作业质量四个一级指标对绩效评价的影响均为显著。

汉语变体中分析型致使构式变异研究——多分类逻辑斯蒂回归建模

以往对于汉语分析型致使构式的研究较少关注其在语言变体维度上的变异。本研究在认知社会语言学的框架下,基于跨变体语料库,使用多分类逻辑斯蒂回归考察了影响致使词“使”、“令”、“让”选择的句法、语义、语言变体等因素。研究发现:1)“令”构式用于关系从句的概率显著高于其他小句类型,其结果谓词倾向于使用形容词,被使者常充当感事。2)相较于“令”,“使”和“让”都更偏好及物动词作为结果谓词、排斥充当感事的被使者。3)当被使者为定指或充当受事时“使”的概率显著提高;而“让”更倾向于充当施事的被使者,当被使者为客体时“让”的概率显著降低。4)“语言变体”与“小句类型”之间存在显著的交互效应:中国大陆地区汉语中“使”和“让”在不同小句类型中的概率差异更大;中国台湾地区汉语和新加坡汉语中“小句类型”对“使”和“让”概率的影响较小,且“让”的概率总是高于“使”;而三个变体在“令”的用法上未表现出显著差异。本文展示了认知社会语言学将语言内部和外部因素整合在同一框架内进行考察的优势,并在更多数据和参项的基础上丰富了汉语分析型致使构式与汉语变体变异的研究。

基于流统计特性的网络流量分类算法

针对传统基于单个流统计特性的网络流量分类算法识别率低、分类算法复杂的问题,在分析各类应用协议的基础上,发现了一组易于获取、可有效区分不同业务的网络流量特征.将这一组特征应用于网络流量分类,可以有效解决以往对等网络(P2P)业务识别率低下的问题;同时利用该组特征仅需采用多项逻辑斯谛回归算法即可实现网络流量的分类,较传统流量分类算法有较低的复杂度.实验结果表明,该组特征用于分类还具有较好的泛化特性,只需较少量训练样本即可在较长时间内保持较高的识别率.

基于贝叶斯模型平均法的森林火灾预测模型构建研究--以云南省大理州为例

【目的】本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。【方法】利用2000-2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。【结果】通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。【结论】在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。

地理加权回归模型方法与研究新进展

地理加权回归模型是现代空间计量经济学中局部分析的一种重要方法。本文基于文献述评的方式,从空间权重矩阵的设定、参数估计、多重共线性的识别与消除、参数在时空上一致性的假设检验、模型稳健性分析与预测等方面阐释了地理加权回归模型的基本建模范式;并从解释变量及其参数调整、被解释变量的不同数据特征、空间权重的不同设定、参数估计及模型选择方法调整等四个维度对地理加权回归模型方法的研究新进展进行了系统的梳理和解析;还从时空地理加权回归模型的创新推进、地理加权回归模型族的一般化检验与优选、地理加权回归模型与空间计量全局模型的融合建模、基于MATLAB的代码标准化平台化建设等方面指出了地理加权回归模型方法的发展方向。

基于Logistic回归的计算机应用基础课程统考成绩分析

本文针对学生《计算机应用基础》课程统考成绩的影响因素进行基于Logistic回归的多元分析。采用Logistic回归方程对《计算机应用基础》课程统考成绩作为目标变量进行建模分析,结果表明:年级、学习专业、学习中心对《计算应用基础》课程统考成绩影响最重要。

基于级联分类器的红外弱小目标快速检测

为克服弱小目标检测在大尺寸图像上存在时间开销大的问题，提出了一种多级处理的检测算法。首先在整幅图像上搜索局部灰度极值作为候选目标位置，随后对候选目标位置的邻域进行特征提取，最后在特征空间中进行分类。针对小目标特性，提出了一种灰度分布特征，以此特征对候选目标位置进行特征提取，进而提出了一种加权逻辑斯蒂回归算法，用其在特征空间建立分类器，将检测问题转化为二分类问题。实验结果表明，该算法对低信噪比图像可以达到较高的检测率和较低的虚警率，并具有较好的实时性。