一种入侵检测的分类方法研究

针对传统的入侵检测算法精度低,结果稳定性差的问题,提出了一种基于构造性核函数覆盖聚类和最大化最小概率机器回归方法的入侵检测算法。首先,利用核函数覆盖将原空间的待分类样本映射到一个高维的特征空间中,使得样本变得线性可分;然后通过控制错分率实现分类的最大化,并利用最大最小概率机的高维映射泛化特性,实现了不同核函数下的数据多维分类问题。实验结果证明,该算法具有分类准确率高、稳定性好的特点。

番茄不同病害类型的图像特征精准识别仿真

番茄不同病害特征具有一定相似性,为准确获取病害类型,提出基于构造性核覆盖算法的番茄病害图像识别方法。使用均值滤波算法计算像素点加权平均值过滤噪声;经过开、闭运算,去除孤立点,改善边界模糊现象;采用最大类间方差法获取目标、背景的阈值,分割图像;利用RGB空间模型得到图像颜色特征,分别通过Hough变换与灰度级共生矩阵,获得图像边界与纹理细节,提取病害特征;选取输入图像集合与核函数,经过空间平面变换,将图像映射在核空间内确定覆盖中心,构建覆盖领域,完成图像识别。仿真结果表明,所提方法能够提高图像信噪比,针对不同病害类型,均有较高的识别精度。