基于矩阵形式的否定选择算法研究

现有的状态空间表示形式和匹配规则已经成为否定选择算法研究的瓶颈。为此,该文将状态空间从向量扩展到矩阵,提出了一种基于矩阵形式的否定选择算法。引入矩阵表示自我和非我空间,定义了元素匹配距离,在此基础上建立了双向匹配规则;同时根据状态空间特征建立了基于覆盖检验的检测器生成算法。实验结果表明该算法性能明显优于实值否定选择算法,有效解决了检测率和误报率联动的问题,且能产生更为高效的检测器。     

一种新型的否定选择算法生成检测器的研究

针对传统否定选择算法存在的问题,以自体空间为基础,依据切割空间否定选择算法的优越性,提出基于二进制字符串的一种新型的切割否定选择算法.通过与固定检测器和可变检测器相比较,证明此算法具有较高的检测率和较低的误报率.最后通过仿真模拟此算法可用较少的检测器检测出等量的入侵检测器,并且自体集的分布状态和完善状态直接影响到检测器的有效率.     

多样性检测器生成算法研究

文章基于小生境策略的否定选择算法利用在搜索空间中计算检测器之间的海明距离,构建小生境;定义适应度函数与亲合力函数相关,更客观地反映检测器的检测能力;利用进化策略,进行遗传操作,而生成多样性和通用性的最佳检测器集。同时该算法可以减少生成检测器的时间开销。     

基于B树的否定选择算法及其应用

针对传统的方法在带钢表面缺陷图像检测中存在的问题,提出了基于B树的否定选择算法.根据影响成熟检测器生成的因素,通过低频和高频变异生成初始检测器集合,改变检测器的表示方式,以数值型的检测数代替二进制字符串形式的检测器,提取自体数值、检测数值和待检数值,使用B树建立索引并构建自体信息树和检测信息树,来实现其质量检测.实验表明,该方法明显优于传统的图像检测算法,提高了检测效率.     

一种控制消息广播与合并策略的低开销路由算法

针对现有基于社区的机会社会网络多副本消息传输机制中网络控制开销较大和网络资源浪费的问题,提出了一种基于广播策略的机会社会网络低开销路由算法.该算法采用了"ACK消息快速产生机制"和"控制消息合并机制"两种新机制,能够有效减少网络中数据消息副本不必要的转发次数和降低网络控制开销.理论分析和仿真验证表明,相较于现有的基于社区的消息机会传输路由算法和基于重叠社区的消息机会转发路由算法,所提算法能有效减少网络控制开销和节省网络资源.     

入侵检测中一种快速串匹配算法

基于字符串匹配的检测方法是入侵检测系统中一类很重要的分析方法,为了提高字符串匹配型检测方法的检测效率,论文设计了一种有效的规则库编码方法,分析了检测中的激活阈值问题和几种二进制字符串的匹配算法用于入侵检测时的时间复杂度和空间复杂度,并采用多属性r连续位匹配规则,有效降低了检测时算法运行所需的时间复杂度和空间复杂度,使得检测速度大大提高。     

一种基于BM算法的改进模式匹配算法研究

基于模式匹配的检测方法是目前入侵检测系统的一种重要方法,因此作为模式匹配方法核心的字符串匹配算法直接影响入侵检测系统的性能和效率.在研究现有算法的基础上提出一种改进的模式匹配算法--New-Search算法.该算法以BM算法为基础,通过预处理阶段处理,首末字符部分定位的思想,增加字符跳转距离,比较稳定地减少匹配过程中字符比较的次数,提高了匹配的速度和效率.     

改进的否定选择算法在入侵检测系统中的应用

人工免疫系统中的一个重要的核心算法就是否定选择算法(Negative Select Algorithm),该算法用来生成成熟检测器,它是对免疫细胞成熟过程的模拟。否定选择算法的检测器是随机生成的,因此检测器集合冗余度高、对非自体空间的覆盖率低。针对这一问题,本文提出一种改进算法,通过对检测器进行二次筛选来降低检测器的重复率和冗余度。实验证明,在基于免疫原理的入侵检测模型中改进算法可以将模型的正确检测率提高10%,漏检率降低3%,该算法是有效的。     

TCM-KNN网络异常检测算法优化研究

基于TCM-KNN(transductive confidence machine for K-nearest neighbors)网络异常检测方法,采用过滤器模式的特征选择方法和基于聚类的样本选择方法分别从精简异常检测的特征空间以及选择使用少量高质量的训练样本进行训练,从而高效地对网络异常进行检测.基于著名的KDD Cup 1999数据集的实验表明:这2种优化方法在保证TCM-KNN异常检测算法高检测率和低误报率的前提下,极大地减少了该算法的训练开销和检测开销,因而该轻量级检测方法适用于现实的网络应用环境.     

基于阴性选择算法的异常检测系统黑洞覆盖优化

针对阴性选择算法存在大量无法检测的黑洞,提出了一种基于黑洞集合和自我集合定向生成匹配阈值可变的r块黑洞检测器的算法。对阴性选择算法进行改进,提出了采用双重检测器的阴性选择算法DLD-NSA,该算法在保证较快的检测速度的前提下,通过提高黑洞元素检测率,实现更大范围的非我空间覆盖。仿真结果表明,该算法与变长r连续位阴性选择算法相比,具有更高的非我空间覆盖率,尤其是在黑洞覆盖方面效果更好。     

基亏并行计算的木马免疫算法研究

传统的木马检测技术在检测正确率、误报率和漏报率上都有不足,针对传统阴性选择算法在检测效率上的不足,提出一种基于并行计算的多特征区域匹配算法。这个算法首先把随机字符串分为多个特征区域,每个特征区域内对应一个检测器集合进行匹配,而且特征区域之间采用r连续位匹配方式再次匹配,同时采用并行计算,设置匹配阈值进行匹配确认。实验证明改进的阴性选择算法在匹配位数和随机字符串住数增加时,候选检测器增加速度较平缓,系统负担增加较缓慢,因此具有较好的检测效率。     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

负选择模型中初始检测器集的一个生成算法

在介绍人工免疫系统基本概念的基础上,讨论了人工免疫系统中应用广泛的负选择模型.研究的重点是负选择模型中初始检测器集的生成算法,在穷举法的基础上提出了一个新的检测器生成算法,包括算法的设计、性能分析和试验.理论分析与试验结果表明,新生成算法的时间复杂度小于穷举法,随检测器规模成线性递增.在所生成检测器集的性能上新算法也优于穷举法.     

基于相似性度量优化的SIFT图像匹配算法

SIFT算法具有很好的尺度、旋转及光照不变性,因此被广泛应用在计算机视觉的诸多领域.但因其算法复杂、计算时间长,导致实时性不好.在研究SIFT特征描述符生成及匹配过程的基础上,提出一种在匹配过程中降低相似性度量计算时间、提高匹配效率的方法.该方法以棋盘距离和街区距离的线性组合替代欧氏距离来度量特征描述符之间的相似性.实验结果表明:该方法在保证SIFT算法鲁棒性的同时,可以降低匹配时间复杂度.     

中文分词歧义识别算法的优化

中文分词系统性能的好坏直接影响到后续的工作,而歧义字段的处理更是衡量一个分词系统好坏的重要标志。解决歧义问题前首先就要找到歧义字段,本文在之前的增字最大匹配算法基础上,提出了一种结合逐字扫描算法和逆向最大匹配算法的歧义字段识别方法。实验结果表明,这里提出的算法执行效率要比增字最大匹配算法效率高,速度更快。     

海量数据过滤系统中匹配算法的研究

模式匹配算法是数据过滤系统的重要组成部分,其效率直接影响到海量数据过滤系统的性能.为了应对当前不断增加的网络数据量对网络安全造成的威胁,提出了一种新的模式匹配算法——改进的AC-BM算法,并将其应用到海量数据过滤系统中.改进后的算法明显减少了匹配时间,提高了海量数据过滤系统执行效率.     

多外观模型的鲁棒人脸跟踪

为了解决在真实场景中进行视觉人脸跟踪时不同挑战之间的外观匹配问题,提出了一种多外观模型的人脸跟踪算法。该算法利用多个具有长期和短期外观记忆的外观模型进行有效的人脸跟踪,对变形、旋转、尺度和光照变化表现出鲁棒性。同时利用先检测后跟踪算法的优点,通过使用人脸检测器来处理人脸的剧烈外观变化,检测器也有助于在漂移过程中重新初始化所提算法。最后提出了一种加权分数级融合策略,通过在可能的人脸位置生成的候选人脸来获得融合值最高的人脸跟踪输出。实验结果证明,该跟踪器在自启动时表现出色,性能优于许多先进的跟踪器。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。     

BM模式匹配算法的研究和改进

模式匹配算法在数字通信、入侵检测等多种领域都有着广泛的应用,BM算法以其高效的匹配过程成为模式匹配算法中应用最为广泛的算法之一。尽管如此,BM算法的效率还是可以再提高的。本文在介绍经典BM算法及其改进的BMH、BMHS算法的基础上,通过整合、改进后,提出了一种新的改进的IBMH算法。在对以上算法进行复杂度分析以后,再通过具体的实验验证。结果表明IBMH算法在比较次数、运行时间、稳定性等方面明显优于BM、BMH以及BMHS等算法。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足,提出一种基于改进SIFT算法的图像拼接方法,并将其应用于无人机遥感图像拼接算法中。首先,采用Harris算子角点检测遥感图像的特征点,然后用改进的SIFT算法进行特征点的描述,通过对高维数据进行降维处理,减小运算量;匹配完成后,采用随机抽样一致性(RANSAC)算法消除误匹配;最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明:采用所提出算法能有效剔除遥感图像之间的误匹配,减小时间复杂度,更好地消除拼接缝隙。