大规模训练集的快速缩减

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机（SVM）参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

基于混合比例方法抽样用于入侵检测

支持向量机对于样本量不足的情况下会使得入侵检测分类精度普遍下降.为了提高入侵检测的检测精度,提出了一种利用混合比例抽取样本研究不平衡数据集的方法.该方法首先将数据集按各种类别分开,然后不按比例抽取,使得每层样本中的数据量相对平衡.再用此样本集构造分类器,采用构造的分类器去构建入侵检测系统进行检测.实验结果表明,使用这种混合比例的不平衡数据集分类方法可以有效地提高检测精度,而且降低误报率.     

一种基于支持向量机的轴承表面缺陷检测方法

提出了一种基于支持支持向量机和主成分分析的轴承表面缺陷检测算法,该算法把轴承中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,先利用主成分分析法(PCA)对图像进行降维处理,然后用支持向量机方法对降维后的样本采样学习,然后进行分类判断.实验结果表明,该算法能够较好地实现轴承缺陷的检测分类,有一定的实用价值.     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。     

基于智能优化方法的SVM电机故障诊断模型研究

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.     

SMO算法在邮件过滤中的应用

针对传统的支持向量机(SVM)算法在速度方面的缺陷,本文提出将序列最小优化(SMO)算法引人到垃圾邮件过滤系统中,实验结果证明,该模型训练时间快,过滤效果好.     

关于支持向量分类机算法的研究

研究分析了标准的支持向量机（C-SVM）、v支持向量机（v-SVM）等五种算法,利用仿真实验从分类精度,计算效率,扩展性等五个方面对上述五种算法进行了分析比较。     

一种混合入侵检测系统的设计与研究

入侵检测系统(IDS)成为目前动态安全工具的主要研究和开发方向.异常检测和误用检测是应用在IDS中的两种主要技术.把应用在异常检测中的Markov链模型和误用检测中的模式匹配结合起来,同时采用分组交换检测机制,一定程度上降低了IDS的误报率和漏报率,提高了系统的检测速度.而且数据挖掘技术的引入,使系统具有了自动化能力.     

基于转移和频率特征的协议异常检测

协议异常检测是目前入侵检测领域研究的新方向．本文研究状态的转移特性和频率特性,在此基础上建立模型进行协议异常检测．模型的训练和检测使用DARPA 1999年的数据集,实验结果验证了所建立模型的准确性．     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

Multimodal Evolution Approach to Multidimensional Intrusion Detection

An artificial immunity based multimodal evolution algorithm is developed to generate detectors with variable coverage for multidimensional intrusion detection. In this algorithm, a proper fitness function is used to drive the detectors to fill in those detection holes close to self set or among self spheres, and genetic algorithm is adopted to reduce the negative effects that different distribution of self imposes on the detector generating process. The validity of the algorithm is tested with spherical and rectangular detectors, respectively, and experiments performed on two real data sets （machine learning database and DAPRA99） indicate that the proposed algorithm can obtain good results on spherical detectors, and that its performances in detection rate, false alarm rate, stabih＇ty, time cost, and adaptability to incomplete training set on spherical detectors are all better than on rectangular ones.     

基于类锚虚拟线圈的多流向车流量检测算法

针对城市道路车流量检测中车辆误分类问题,提出一种基于类锚虚拟线圈的多流向车流量检测算法.首先,采集车辆图像样本并随机裁剪以构建小客车、公交车和摩托车的均衡数据集,通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法聚类获得3类车型...     

一种基于椭圆曲线的多重数字签名方案

对基本的椭圆曲线数字签名算法（ECDSA）进行了改进，提出了一种新的基于椭圆曲线的多重数字签名方案．该方案能够允许多个用户按顺序地对一份文件进行签名，最后形成一个群体签名．并提出一种新的签名验证方案，可以有效地防止成员的欺诈行为．签名者可以通过验证操作发现伪签名，同时签名中心可以及时通过签名者提供的失败信息查找原因并进行处理，签名中心还可验证签名者公钥的有效性以防止成员内部的欺诈行为．方案充分利用椭圆曲线密码体制密钥小、速度快等优点，降低了通信成本，因而更具有安全性和实用性．     

程序树层次化结构统计模型及MOSES改进算法

为提高MOSES效率,提出了一种新的程序树层次化结构统计模型．该模型通过统计分析同类群,自动发现子树特征来指导优化．该模型不需要hBOA算法那样对变量集合进行建模,也不需要像MRTS算法那样遍历小规模的种群来发现潜在的有指导意义的子树．通过解决人工蚂蚁问题对算法进行了测试,结果表明改进后的MOSES算法更加高效．     

高铁扣件的自适应视觉检测算法

为了实现高铁缺陷扣件的准确、快速和自动化检测,提出一种基于图像处理技术的高铁扣件自适应视觉检测算法.针对高铁扣件图像的特性,使用改进的LBP (local binary pattern)算子提取扣件的显著特征;在扣件特征图的基础上,采用模板匹配算法得到扣件区域在原始图中的精确位置,进而得到扣件子图并用扣件的位置信息校验定位结果;以相邻两个扣件子图的差值作为判断依据,如果差值大于预设的阈值,相应的扣件则被判断为缺陷扣件.将该检测算法应用于高铁工务部门提供的真实扣件图.研究结果表明:本文提出的自适应扣件检测算法在雨天的表现最差,检出率为96%,误检率为0.50%;在晴天的表现最好,检出率为100%,误检率为0.22%;在不同天气、光照、环境下的综合检出率为99%,综合误检率为0.33%.