一种基于顺序特性的子空间聚类方法

受到Tierney的序列稀疏子空间聚类方法的启发,提出了一种新的基于顺序特性的子空间聚类方法。该方法先通过提升小波变换处理得到信号的低频信息;然后通过强调相邻样本之间的连续性来设置特殊的惩罚项,并根据噪声的大小自动调节惩罚因子;最后过滤系数矩阵中一些小的干扰系数。在人工合成和实际应用的数据集上的实验结果表明,与当前最具代表性的几种稀疏子空间聚类方法相比,所提方法具有较好的实验效果。

基于MSNN模型的网络安全入侵检测

为解决网络系统入侵行为升级快,隐蔽性强和随机性高等严重安全问题,结合入侵检测系统信息的特点,提出一种基于MSNN模型的入侵检测算法。首先提取系统调用顺序特性和频度特性,然后利用多级Sigmoid神经网络中的Sigmoid神经元具有微调网络的作用,且能让神经元产生多元反应进行多类分类,构建类似于大脑神经突触网络信息处理的MSNN模型,实现网络安全入侵检测。实验结果表明,该算法的检测精度高、抗干扰能力强,具有良好的检测效果和较高的应用价值。