一种基于FCBF的流信息抽样测量框架及算法

基于FCBF的高效流信息抽样测量框架不仅可以抽样测量三类流参数,而且存储开销小,只需1～3MB字节左右的存储空间;同时还可以做到几乎零概率的流信息识别统计误差。分析结果表明,该算法可以支持远高于OC48的链路速率,甚至可达OC192或更高;适合于将来高速链路上细粒度的流信息抽样测量。

基于Re-FCBF的入侵特征选择算法研究

随着网络数据量的日益增大从而导致计算复杂和时间复杂度高的问题,特征选择是降低高维数据计算复杂度的有效方法之一,本文提出一种面向入侵检测领域的两阶段特征选择方法,通过Relief F消除冗余特征和FCBF算法选择特征子集的结合方法,目标是达到在不减少入侵检测效果的情况下通过降维减少时间复杂度。实验采用KDD CUP 99数据集,对数据的41维特征进行选择,采用支持向量机作为分类器,结果表明所提出的方法能够在保证分类准确率的情况下,减少至少20%计算时间。

改进的Re-FCBF算法在入侵检测中的应用

为解决入侵检测领域计算复杂度、时间复杂度高的难题,达到更优秀的入侵检测效果,有效降维,在原有的ReFCBF算法的基础上,提出增强区分特征间互信息的能力,以在改进的Re-ReliefF算法的基础上,实现更佳的入侵检测效果为目标。实验采用DARPA 2000数据集,对数据的41维特征进行选择,采用支持向量机作为分类器,实验结果表明,该改进方法在分类的耗时和误报率略好的情况下,提高了30%的准确率。

基于Fisher-FCBF的入侵特征选择算法的研究

大量的冗余和噪音数据混合于网络入侵数据中,从而影响到检测的性能和响应。因此,提出基于Fisher-FCBF算法。通过对特征的Fisher分值排序,再使用FCBF算法去冗余,结合SVM,建立分类特征模型,在不降低准确率的前提下,选出最优特征子集,结果表明所提出的方法能够在保证分类准确率的情况下,降低至少11%-21%的计算时间。

基于归一化互信息的FCBF特征选择算法

针对高维数据中不相关特征、冗余特征等导致的分类任务计算量大、分类正确率低等问题,提出了一种基于归一化互信息的相关性快速过滤特征选择(FCBF-NMI)算法.该算法采用归一化互信息代替对称不确定性作为FCBF算法的相关性评价标准,进行特征与类别、特征与特征的相关性分析,删除不相关特征及冗余特征以获得最优特征子集.实验结果表明:FCBF-NMI算法得到的最优特征子集更合理,平均分类正确率为89.68%,所用时间平均低至2.64s.

天地一体化智能网络流量实时分类

天地一体化智能网络规模大,环境复杂,网络中流量业务类型繁多且流量具有突发性.本文结合Spark大数据分布式平台,根据流量的特点设计了SFFS-FCBF-C4.5(简称SFC)决策树分类模型,实现了大规模网络下流量的实时分类,以保障网络中资源的合理分配和利用.SFC算法是在C4.5决策树算法的基础上结合了改进后的快速相关滤波算法(Fast Correlation-Based Filter Solution,FCBF)和连续型属性值离散化算法,可以在有效去除冗余特征和降低模型复杂度的同时,提高模型分类的速度和准确率.仿真结果表明,SFC决策树分类模型相比传统的流量分类模型具有较好的稳定性和较高的准确率,可以很好的适应复杂多变的网络环境.同时,Spark大数据分布式平台的应用大幅度提高了大规模网络下流量分类的速度,能够对海量流量进行实时分类.

一种轻量级入侵检测技术

入侵检测系统需要处理大量冗余与无关数据,使得系统耗用的计算资源很大,导致系统训练时间长、实时性差、检测效果不佳。提出一种轻量级的入侵检测技术,该技术首先采用快速相关性特征选择方法消除冗余及无关特征,然后采用主成分分析对特征进行抽取。实验结果表明,此方法能够大量消减入侵检测系统需要处理的数据量,有效提升了系统性能。

基于波动类型精细划分与聚类的短期负荷预测

为减少短期负荷预测中负荷波动特性对负荷整体运行趋势的影响,提出一种面向波动类型精细划分与聚类的短期负荷组合预测方法。首先,引入k-means++将全年负荷按日特性聚类,并将聚类后的日负荷划分为负荷典型时段。其次,根据雨流计数法思想对负荷典型时段中的波动进行划分并结合模糊c-均值聚类算法(fuzzy c-means,FCM)以负荷波动特性为依据对负荷波动进行聚类。进一步,考虑到关键变量与负荷波动过程的关联关系,利用快速过滤特征选择算法(fast correlation-based filter,FCBF)将各负荷波动下对应的相关因素特征进行筛选。最后,建立以日负荷波动与负荷重构最优特征集为输入、以负荷功率为输出的短期负荷组合预测模型。实际算例表明,所提出的短期负荷组合预测方法能够显著提升短期负荷预测的精度。

基于特征优化的面向对象建筑物提取

相比于基于像素的建筑物提取方法,面向对象方法能减少“异物同谱”和“同物异谱”现象,提高提取精度;针对遥感影像特征繁多,造成特征维数灾难的问题,本文提出了一种面向对象的特征优化方法进行建筑物提取.首先将最小误差自动阈值分割方法和多尺度分割相结合,优化分割技术;然后基于Relief算法和fast correlation-based filter (FCBF)算法进行特征选择,构建最优特征子集;最后使用随机森林方法进行建筑物提取并用最小外接矩形方法优化建筑物边界.结果显示,特征重要性差异较大,基于最优特征子集建筑物提取的总体精度达到0.93, Kappa系数为0.91,明显高于原始特征集和优化特征集提取结果.

PPG多频域特征的改进灰狼身份识别方法

针对目前生物信息身份识别方法大多存在识别率不高,或出现特征提取方式数量不够、特征间关联性较低等问题,提出一种PPG多频域特征的改进灰狼身份识别方法。针对现有方法特征提取数量不足,对光电容积脉搏波(PPG)信号进行多频域多特征提取,即从时域、频域、小波域三个域度共提取20维特征;为保留特征间的相关性,利用改进的FCBF算法对提取到的20维特征进行降维,获得特征子集;为保证最终识别的准确率,构建改进灰狼算法优化支持向量机(IGWO⁃SVM)的分类模型,对降维后的特征集进行训练和测试,最终完成PPG身份识别。仿真实验结果表明,该方法的识别准确率可达到98.61%。