基于AdaBoost特征约减的入侵检测分类方法

提出一种基于AdaBoost的入侵特征约减算法,利用该算法约减入侵特征中的冗余特征,构造Ada-加权和Ada-域值分类器,并与支持向量机分类器进行对比。设计并实现Linux实时入侵检测实验平台,并将特征约减算法和3种分类方法应用于该平台。实验结果表明,由特征约减算法挑选出来的入侵特征集较优,Ada-加权和Ada-域值分类器的分类效果优于支持向量机分类器,且Ada-域值分类器在测试集上的检测性能最佳。

基于支持向量机递归特征约减算法的痢疾疫情预测研究

目的探讨应用支持向量机递归特征约减算法(support vector machine with recursive feature elimination algorithm,SVM-RFE)进行痢疾疫情预测的可行性。方法收集辽宁省葫芦岛市2004-2011年的逐月痢疾疫情资料和相应时段的气象资料,首先利用描述统计分析痢疾季节性发病规律,使用Spearman等级相关分析疫情同气象因素的关系;使用标准化气象指标作为自变量,随机将2/3数据用于训练,1/3数据用于检验,设置交叉验证次数为100次,根据径向基核函数的SVM-RFE确定最优候选变量子集并据此进行预测,利用R2.90完成上述统计过程。结果 SVM-RFE在17项气象指标中按重要程度由高至低排序,居前5位分别为平均气温、平均最高气温、降水距平百分率、平均风速、平均最低气温。随着自变量的增加,训练集的决定系数R2由0.702增加到0.945,检验集在取前两个自变量时决定系数最大,R2为0.653,均高于传统对数线性模型。结论 SVM可较好地模拟痢疾疫情在时间序列上的变动趋势,RFE算法在筛选变量方面有较好的应用前景。

基于粗糙集特征约减的网络异常检测方法

讨论了基于粗糙集特征约简的SVM(支持向量机)异常检测方法,对源自KDD99的实验数据集分别采用SVM和特征约减后SVM进行仿真实验,依据实验结果的比较,说明在网络异常检测中基于特征约减后的SVM和直接采用SVM相比,在保持检测精度不显著降低的同时,前者能够有效的缩短训练时间.

基于纹理特征融合约减的虹膜识别研究

为了获得更完整的虹膜特征,通过空域和频域两个角度提取纹理特征,以变化分数维和小波特征值共同构成虹膜的初始特征序列·然后使用多目标遗传算法对所抽取的特征序列进行优化约减,最后以优化好的特征序列来训练虹膜分类器对虹膜进行识别·并针对虹膜认证实际应用中变化的安全性要求,使用了非对称的支持向量机·实验结果表明,结合时域和频域的特征序列较好地反映了虹膜的纹理变化特性,提高了虹膜识别的正确率·

广东科技金融绩效评价——基于NonICA特征约简的DEA方法研究

以非负独立成分分析(NonICA)进行特征约简,在约简后的数据集上用DEA方法,针对广东省科技金融投入进行效益评价。研究结果表明,广东省2000—2007年的金融投入重数量、轻质量,重速度、轻基础,呈现DEA无效状态。后有所改变,但欠显著。基于此,广东省科技金融应该从粗放投入到集约发展转变。

基于PCA和禁忌搜索的网络流量特征选择算法

针对网络流量特征属性选择的寻优和效率问题,提出了一种PCA结合禁忌搜索的网络流量特征选择方法。该方法通过PCA对高维特征属性空间进行特征约减,并利用禁忌搜索得到全局最优特征子集。实验证明,相比流行的遗传算法(GA)和粒子群寻优算法(PSO-SVM),PCA和禁忌搜索方法具有更好的处理效率和特征选择精度。

基于小波特征点的图像检索算法

点匹配技术在基于内容的图像检索中已被广泛使用。提出了一种新的基于小波变换和Barnard算子的彩色特征点检测算法。首先,将彩色图像分解为3个通道并分别对每个通道作小波变换;其次,对一给定的小波系数,通过模极大值可以在高分辨率子图像中找到与之最相关的一个系数,对于第1层小波系数,通过Barnard算子在原始图像数据中查找潜在特征点;最后,通过自适应门限和连续点集约减算法得到最终的特征点。实验表明,该方法提取的特征点具有很强的鲁棒性并能对图像进行有效的表示,可以有效提高图像检所的准确率。

基于细节层次与最小生成树的三维地形识别与检索

图像、视频、音频和图形等均是多媒体数据流中的信息载体,对上述数据所蕴涵的内容进行分析,可以极大地方便人们对它们的使用与管理.基于内容的图像(视频)和音频检索已经取得了不少进展,但是对于图形,特别是3D图形进行识别与检索的有效方法还很少见.提出了对相似3D物体识别与检索的算法,在这个算法中,首先使用细节层次模型对3D物体进行三角面片约减,然后提取3D物体的特征.由于所提取的特征维数很大,最小生成树(minimum spanning tree,简称MST)被用来对每一个3D物体的特征进行约减,基于约减后的特征,实现了基于支持向量机的3D物体识别与检索方法.这个算法被使用到3D丘陵与山地的地形识别中,取得了良好效果.

基于分形布朗运动和Ada Boosting的多类音频例子识别

提出了一种基于分形布朗运动的音频特征提取和识别方法 这种方法使用分形布朗运动模型计算出音频例子的分形维数 ,并作为其分形特征 针对音频分形特征符合高斯分布的特点 ,使用AdaBoosting算法进行特征约减 然后分别使用Ada 加权高斯分类器和支持向量机对约减特征后的音频分类 ,并在两类分类的基础上构造多类分类的模型 实验表明 。

朴素贝叶斯分类器在地形评估中的应用方法

针对目前流行的评估方法的缺点以及实际问题的具体情况,提出将朴素贝叶斯分类器应用在地形评估中。具体方法是从用专家函数评估的数据库中提取训练样本,通过基于分布熵最小原则进行特征约减,再基于最优性条件进行属性离散化,最后基于共轭分布进行参数学习得到一个的分类器。待分类样本可以直接由贝叶斯分类器得出分类结果,并且根据增量学习理论,将分类结果作为训练新的分类器的训练样本,可以进一步提高分类精度。试验表明该方法的应用减少了评估时间,并且分类精度也令人满意。

利用MISA多目标优化的置信规则库分类算法

现有基于置信规则库的分类系统的分类准确率和效率受到系统参数设置以及规则库结构合理性的影响。为了寻找到最佳的参数值和最优的规则库结构,本文结合多目标免疫系统算法(multiobjective immune systemalgorithm,MISA)提出利用MISA多目标优化的置信规则库分类算法。该方法融合特征属性约简思想和差分进化算法思想建立训练模型,采用多目标免疫系统算法对系统复杂度和分类准确率进行多目标优化,从而寻找到分类模型的最优解。在实验分析中,首先将本文提出的置信规则库多目标分类系统MISA-BRM和置信规则库分类系统的实验结果进行对比,从复杂度和准确率两个维度说明本文方法的有效性。同时还将本文方法与现有的其他分类方法进行比较,验证本文方法的可行性和有效性。实验结果表明,本文方法能够有效地对基于置信规则库的分类系统的准确率和复杂度进行多目标优化。