基于随机子空间法的多Agent分布式入侵检测

提出了一种基于随机子空间的多Agent分布式入侵检测方法。该方法把支持向量机作为检测Agent的核心检测算法,通过引入随机子空间生成具有知识互补特性的多个Agent,将其分布于网络的各个检测节点,用集成的思想把各Agent的结论进行合成。采用这种多Agent的分布式检测可以有效地提高系统的鲁棒性。实验表明这种方法的检测精度高于单个SVM和Bagging方法。

基于概念格的入侵检测

将概念格应用于入侵检测系统中 ,构造了一个基于规则分类判决的入侵检测模型 ;提出了决策规则格和决策规则格约简的概念 ,获得了入侵检测的分类规则集 .实验表明此方法能较好地缩减分类规则集中的规则数目 。

基于负相关学习的支持向量机集成算法

提出一种基于负相关学习理论的支持向量机集成方法,该方法能有效解除各支持向量机之间的相关性,使得集成个体有较大的差异。并采用了演化策略对支持向量机的核函数和相关参数自适应地进行选择。仿真实验表明,该方法不仅能有效地解决支持向量机模型选择的难题,而且能以很小的代价显著提高学习系统的泛化能力。

基于BDS/GPS的自动化变形监测系统设计及应用

研究了基于BDS/GPS的自动化变形监测系统设计与实现,及其在茜坑水库主坝中的具体应用实施.针对茜坑水库主坝监测实际情况,制定了相应的BDS/GPS融合数据处理方法.统计了2015年11月至2016年3月期间基于本系统获取的全部站点变形监测结果,系统故障率低于2.6%,监测精度水平方向优于2 mm,高程方向优于3 mm,且坝体下游方向位移与水库水位之间呈明显的正相关性,对水位和该方向位移进行了建模分析,模型拟合效果较好,表明Y方向变形主要由库水位变化引起.证明了本系统能够稳定、连续、高精度地获取土石坝变形结果.

基于大数据的高校财务样本数据库研究

研究了大数据算法在高校财务数据分析中的应用,提出了基于水库抽样算法建立样本数据库的方法,结果表明:基于水库抽样算法建立样本数据库,能够大幅缩短建立时间、系统开销小、且建立完成后其内部数据具有良好的均匀特性,可有效解决传统高校财务管理中基础数据样本生成时间长、开销大、分布不均匀的缺点,提高了财务基础数据分析质量,推动了高校财务管理工作的发展.

神经机器翻译综述

机器翻译研究在非人工干预的情况下,利用计算机自动地实现不同语言之间的转换,是自然语言处理和人工智能的重要研究领域,神经机器翻译(neural machine translation,NMT)利用神经网络实现源语言到目标语言的转换,是一种全新的机器翻译模型.神经机器翻译经过最近几年的发展,取得了丰富的研究成果,在很多语言对上超过了统计机器翻译方法.首先介绍神经机器翻译的基本思想和主要方法,然后对最新的前沿进展进行综述,最后对神经机器翻译的未来发展方向进行展望.

基于语义差异的汉-缅平行句对生成方法

神经机器翻译是数据驱动式翻译方法,其性能依赖于平行句对的规模和质量,构建海量高质量的平行句对是提升机器翻译性能的基础工作之一.然而,人工标注高质量平行句对需要较高的成本,因此,探究如何从既有语料资源中生成新语料,对提升低资源机器翻译性能具有重要的意义.提出了基于语义差异的汉-缅平行句对生成方法.一方面,利用基于词表征的近义词检索技术获取关键词的近义词列表,随后基于近义词替换生成新句对;另一方面,利用预训练模型度量新生成句对间的语义差异,筛选语义差异较小的句对作为训练语料.实验表明,所提方法可作为有效的数据增强手段,能够提升汉-缅语言对的数据规模并改善翻译质量.

基于生物地理学优化算法的医学图像配准

基于信息强度的医学图像配准主要有相似性测度、插值计算、空间变换以及寻优算法几个主要步骤组成.在完成医学图像配准的过程中,性能优异的寻优算法可以极大程度提高医学图像配准的配准精度和配准时间.使用了生物地理学优化算法作为优化算法,粒子群算法作为对照优化算法,在阿尔茨海默病成像计划数据集进行了一系列的单模态刚体图像配准实验.实验结果表明,算法可以有效地提升医学图像配准的精度与速度,鲁棒性也更强.

基于句法差异的汉-越平行句对抽取

低资源环境下,受限于平行语料的规模和质量,神经机器翻译的效果并不理想.汉-越神经机器翻译作为典型的低资源型机器翻译,同样面临平行语料匮乏的问题.针对这一问题提出了基于句法差异的汉-越平行句对抽取方法.一方面,分析了汉语和越南语间的句法差异,通过词性标签对差异进行表述;另一方面,利用孪生结构的循环神经网络,在编码过程中融入句法差异信息,从句法规则角度更好的指导抽取过程.实验表明,基于汉越可比语料所提方法能够有效地抽取出高质量汉越平行句对.