基于深度学习的入侵检测方法

针对目前入侵检测技术在误报率和检测率上存在的不足,将深度学习和半监督聚类应用于入侵检测技术,提出了一种基于深度学习的入侵检测算法.算法采用稀疏自编码器对数据特征逐层提取数据特征,进而挖掘数据内的有效信息,并将不同的数据正确分类.仿真结果表明,该算法在提高检测率的同时降低了误报率,有效地改进了入侵检测系统的性能.     

基于半监督模糊聚类的入侵检测技术

针对当前入侵检测技术检测率较低、误报率较高,特别是难以检测新型入侵的不足,通过研究基于机器学习的异常入侵检测系统,提出了一种基于半监督模糊聚类的异常入侵检测算法SFCA(Semi-supervised Fuzzy Clustering Algorithm).算法通过加入数据之间的相关信息,同时引入代价函数来平滑目标函数,降低其对孤立点数据的敏感程度.通过利用少量的标记样本,生成用于初始化算法的种子聚类,然后辅助聚类过程.实验表明,与FCM(Fuzzy C-means)聚类算法相比,SFCA算法具有较高的性能.     

基于混合聚类算法的异常检测方法

模糊聚类算法是一种无监督的机器学习方法,能够有效地检测出网络入侵中未知的异常攻击行为,但模糊聚类算法实质上是一种迭代寻优方法,容易陷入局部最优解.因此结合遗传算法的全局搜索特性与禁忌算法的局部搜索特性,提出了一种基于遗传禁忌搜索的混合模糊聚类算法,实验表明该方法能有效避免局部最优解、得到正确的聚类结果,在KDDCUP99数据集上的实验结果表明该方法具有更高的检测率和较低的误检率.     

基于粒子群优化的聚类入侵检测算法

为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点,使算法具有较好的全局收敛性,将粒子群优化算法应用于入侵检测,给出了基于粒子群优化的K均值聚类算法．通过理论分析及实验,验证了基于粒子群优化K均值聚类算法的有效性．对KDD CUP99数据集仿真,实验结果表明,该算法在入侵检测中能获得理想的检测率和误检率．     

使用协议分析和聚类支持向量机的入侵检测方法

根据入侵检测中协议分析技术与聚类支持向量机各自不同的检测特点,将协议分析技术融合到聚类支持向量机中,提出了一种新的入侵检测方法.通过协议分析不但可以快速地检测出入侵行为,而且可以有效减少支持向量机的训练时间,同时结合聚类算法进一步减少支持向量机的训练时间和预测时间,从而提高聚类支持向量机的检测效率.使用KDD99中的数据集进行仿真,试验结果表明,算法具有可行性、有效性,能有效提高检测率,降低误报率.     

基于孤立点异常度的Web攻击数据挖掘算法

随着Web2.0技术的迅猛发展,网络安全变得更加突出。通过Web日志数据挖掘检测恶意攻击行为已经成为网络信息安全领域研究的一项重要技术,目前市场上的Web日志分析系统都是基于特征匹配来实现攻击行为检测的,虽然检测率较高,但对于新出现的或者尚未发现攻击特征的攻击类型无法识别。因此,深入研究从海量日志中挖掘恶意攻击行为技术有很强的理论意义与应用价值。论文深入研究了聚类算法中的距离定义以及异常度的定义,提出了一种有约束聚类的分簇方法,对Web日志中的HTTP请求进行分簇,最后利用统计学的思想,提出了一种近似正太分布的检测模型,并给出了基于孤立点异常度的Web攻击数据挖掘算法。通过实验验证表明,该算法能有效发现Web日志中的攻击数据,提高了检测率并降低了误报率。     

聚集式聚类分析方法及其应用

基于层次聚类算法,提出一种聚集式聚类模型及其算法,实现了分布式异构数据库的聚类分析.该方法使网络传输数据量显著减少,并大大提高聚类效率.     

基于PCA与属性权重模糊聚类的入侵检测方法

针对入侵检测数据集中存在大量冗余信息及传统聚类算法的效果不佳,提出了结合主成分分析与属性权重模糊聚类算法的入侵检测方法。该方法分为特征提取和模糊聚类两阶段,使用主成分分析进行特征提取、消除冗余属性;将经主成分分析后得到新成分的贡献率作为聚类算法中属性的权重值,实现了基于属性权重的模糊聚类。在KDD-CUP99数据集中的实验结果表明,该方法能有效地降低检测训练时间和提高检测正确率。     

聚集式聚类分析方法及其应用

基于层次聚类算法，提出一种聚集式聚类模型及其算法，实现了分布式异构数据库的聚类分析。该方法使网络传输数据量显著减少，并大大提高聚类效率。     

基于主动学习的半监督聚类入侵检测算法

针对基于监督学习入侵检测算法中面临标记大量数据的问题,提出了一种基于主动学习的半监督聚类入侵检测算法.该算法利用少量的标记数据,生成用于初始化算法的种子聚类,然后辅助聚类过程,并根据网络数据的特点,将主动学习策略应用于半监督聚类过程中,可用于检测已知和未知网络攻击.主动学习策略查询网络中未标记数据与标记数据的约束关系,对标记数据可以快速获得k个不相交的非空近邻集,很大程度上改进了算法的性能.实验结果表明了算法的可行性及有效性.     

模糊专家系统在线谱检测中的应用研究

本文给出了一种线谱检测的组合方法.首先利用双门限线谱检测算法进行初始线谱检测,同时提取频率等线谱特征,在此阶段通过选择低门限,可以保证在低信噪比下无论信号和背景噪声是否平稳都可获得高的检测概率;然后研制了一个简单高效的线谱识别模糊专家系统,根据提取出的线谱特征,进一步剔除噪声点.分析验证表明,由于该算法将线谱检测和特征提取融合在一起,不但提取出了用于目标识别的线谱特征,而且非常宽容,能以高检测概率和低虚警概率自动地检测低信噪比线谱.     

基于支持向量机的多传感器船舶火灾探测技术

针对船舶火灾探测误报率高的情况,为提高火灾探测系统的可靠性,提出一种基于支持向量机的多传感器火灾信息融合方法。经过仿真试验证明,通过多传感器探测数据的有效融合,可以大幅提高火灾探测系统的火灾识别率。     

Underwater image bidirectional matching for localization based on SIFT

For the purpose of identifying the stern of the SWATH （Small Waterplane Area Twin Hull） availably and perfecting the detection technique of the SWATH ship＇s performance, this paper presents a novel bidirectional image registration strategy and mosaicing technique based on the scale invariant feature transform （SIFT） algorithm. The proposed method can help us observe the stern with a great visual angle for analyzing the performance of the control fins of the SWATH. SIFT is one of the most effective local features of the scale, rotation and illumination invariant. However, there are a few false match rates in this algorithm. In terms of underwater machine vision, only by acquiring an accurate match rate can we find an underwater robot rapidly and identify the location of the object. Therefore, firstly, the selection of the match ratio principle is put forward in this paper; secondly, some advantages of the bidirectional registration algorithm are concluded by analyzing the characteristics of the unidirectional matching method. Finally, an automatic underwater image splicing method is proposed on the basis of fixed dimension, and then the edge of the image＇s overlapping section is merged by the principal components analysis algorithm. The experimental results achieve a better registration and smooth mosaicing effect, demonstrating that the proposed method is effective.     

基于尺度不变特征的水下图像双向定位配准(英文)

For the purpose of identifying the stern of the SWATH(Small Waterplane Area Twin Hull) availably and perfecting the detection technique of the SWATH ship's performance, this paper presents a novel bidirectional image registration strategy and mosaicing technique based on the scale invariant feature transform(SIFT) algorithm. The proposed method can help us observe the stern with a great visual angle for analyzing the performance of the control fins of the SWATH. SIFT is one of the most effective local features of the scale, rotation and illumination invariant. However, there are a few false match rates in this algorithm. In terms of underwater machine vision, only by acquiring an accurate match rate can we find an underwater robot rapidly and identify the location of the object. Therefore, firstly, the selection of the match ratio principle is put forward in this paper; secondly, some advantages of the bidirectional registration algorithm are concluded by analyzing the characteristics of the unidirectional matching method. Finally, an automatic underwater image splicing method is proposed on the basis of fixed dimension, and then the edge of the image's overlapping section is merged by the principal components analysis algorithm. The experimental results achieve a better registration and smooth mosaicing effect, demonstrating that the proposed method is effective.     

基于BP神经网络的CFAR检测器标称化因子确定方法

在运用恒虚警（CFAR）检测算法中,一个非常重要的工作是根据给定的恒虚警率确定其标称化因子。当标称化因子关于虚警率的关系式很难甚至于是不可能得到时,传统上采用仿真方法,但仿真方法的计算量非常大。为此文章利用BP神经网络具有强大的逼近任意非线性关系式的能力,提出了一种基于BP神经网络的CFAR检测器标称化因子确定方法。通过实例研究表明,通过对BP神经网络的输入进行自然对数的变换后,其对虚警概率和标称化因子的关系进行逼近时需要的训练次数将大为减少,研究还表明基于BP神经网络的标称化因子确定方法具有相当高的精度。     

基于图像处理的舰船火灾烟雾检测技术研究

舰船火灾探测报警系统作为损管监测体系的关键构成部分,其性能的优劣将会直接影响到舰船和舰员的安全问题。为提高舰船火灾探测技术的实时性和准确性,减少误报、漏报等情况的发生,提出一种结合烟雾颜色特征与运动特征进行研究的视频火灾烟雾检测技术。该技术通过运动目标区域检测和对烟雾颜色特征、形状不规则性和扩散性特征的提取,经过分析与判断,将满足烟雾特征判据的目标区域判别为烟雾区域。检测结果表明该技术能够准确且迅速地探测火灾烟雾,误报率低,可靠性好。     

一种从红外序列图像中提取感兴趣区ROI的有效方法

红外序列图像中提取感兴趣区（ROI）是图像压缩的关键步骤,ROI检测质量的好坏直接作用影响着后续处理。文章在Stauffer等人提出的自适应混合高斯背景模型基础上,融入帧差法分别将背景区和运动区以不同的更新率进行更新,同时在自适应背景更新的同时,不断改进自适应学习率。试验表明该方法构建的背景模型有较好的适应性,既可以稳定的对背景进行实时更新,又能够快速的提取目标的感兴趣区。     

一种态势估计中的目标编群方法

目标编群是态势估计的基础。传统模型大多采用空间上的聚类算法来实现目标编群,但这种方法误分率较高,效果并不十分理想。文章提出了一种新的态势估计中目标编群问题的处理模型。该模型首先应用神经网络对目标目的地做出判断,然后融合多相似性加权测度算法,完成对观测目标的编群。最后运用该模型给出了一个分析示例。