增量支持向量机算法研究

在进行增量学习时,随着新增样本的不断加入,致使训练集规模不断扩大,消耗大量计算资源,寻优速度缓慢。在深入研究了支持向量分布的特点的基础上提出了分治加权增量支持向量机算法。该算法有效利用了广义KKT条件和中心距离比值,舍弃对后续训练影响不大的样本,得到边界支持向量集,对训练样本进行有效的淘汰。将所剩样本合并,进行加权处理,解决某些样本严重偏离所属的类别,对正常分布的样本不公平的问题。实验结果表明,该方法在保证分类精度的同时,能有效地提高训练速度。

基于小波变换法消减分形图像压缩中的块效应

针对分形图像压缩方法中没有解决的块效应缺欠,提出用小波与分形相结合的方法进行图像压缩,打破“块”的界限,使小波域上集中分布在边缘上的误差在更大的范围内“稀释”.实验表明,此方法与传统方法相比,可降低块效应系数48％以上,从而较好地解决了压缩中的块效应问题.

基于信息反馈的入侵检测模型研究

针对目前入侵检测系统(Intrusion Detection System,IDS)对未知异常检测误报率率比较高的问题,提出了一种基于信息反馈的入侵检测方法。首先设计了一个IDS与主机协作检测的模型,然后详细介绍了IDS根据反馈信息利用行为分析技术对未知异常的检测过程。最终实现了高效的入侵检测系统。