面向异常检测的时间序列树突状细胞算法

针对树突状细胞算法中信号及参数的定义存在高度随机性,导致检测率较低的问题,提出了一种时间序列数据的异常检测树突状细胞算法．采用多维数据流相关性分析和变化点检测方法对抗原进行检测,遴选出能够反映突变状态的关键点数据作为异常活动候选解;基于变化点子空间追踪算法提取特征集,准确地获取及分类各种输入信号子空间;在算法的上下文评估中加入动态迁移阈值的概念,累积一定窗口时间内的抗原评估,有效地减少了误判率．通过仿真实验证明该算法能够利用更少的存储空间和计算资源,有效地提高异常检测的检测率与准确率,具有更高的稳定性．     

NFPOF算法在入侵检测中的应用

利用离群点挖掘可以发现大多数偏离的异常数据,从而检测出入侵行为。针对已有的数据流环境入侵检测系统模型,提出基于频繁模式离群点检测的改进算法,介绍算法流程及计算过程。     

基于数据筛选的无人机测绘数据异常检测

为降低无人机测绘数据异常检测的误检率、漏检率,缩短检测时间,文章提出一种基于数据筛选的无人机测绘数据异常检测方法。采用支持向量机对无人机测绘数据进行数据流分块、竖向规范化处理及时间切片处理等预处理;基于卷积神经网络分析数据确定数据潜在规律;采用无监督聚类算法对数据进行聚类,利用滑动窗口处理得到数据流簇心因子并进行聚类;根据判断标准对异常数据分块处理,确定是否存在异常因子;采用重叠累加值计算方法对异常数据点进行筛选,完成无人机测绘数据异常检测。实验结果表明:与传统卷积神经网络方法相比,采用该方法对异常数据检测,其误检率降低了约11%、漏检率降低约8.1%,并且检测时间缩短了11.3 min。     

改进的基于小波变换的QRS波检测算法

为提高心电信号QRS波的检测精度,分析了小波变换对信号奇异点检测原理,提出了改进的基于小波变换的QRS波检测方法。该方法通过考察小波分解系数进行R峰位置区间定位,尺波漏检回溯及正向、倒置R波判断的QRS波检测方法;并提出了一种新的跟随阈值。该算法在Matlab仿真环境中,经过对MIT—BIH数据库中典型14条ECG（Electrocardiogram）信号进行QRS波检测实验。数据表明,该算法对正常心电和非正常心电的检出率达到99．98％,具有较高的实用价值。     

基于数据流频繁模式挖掘的入侵检测模型

计算机网络入侵通常具有高频度特性,因此,识别是否正常访问,对数据流中重复元素的挖掘,给出频度指标,是一种重要的依据。提出一种基于数据流频繁模式的改进型AFP算法,该算法采用滑动窗口树技术,单遍扫描数据流及时捕获网络上的最新模式信息,并将该算法应用在入侵检测模型中正常数据和异常数据的在线挖掘。解决了有限存储和无限数据流的矛盾。实验结果表明,该模型有较高的报警率和较低的误报率。     

基于提升小波的地震数据压缩编码算法

提出了一种基于提升格式小波的地震数据压缩算法,该算法针对地震数据信号及其噪声的特点,首先利用提升格式小波对地震数据进行小波变换,然后结合嵌入式零树编码的思想,对变换后的小波系数采用改进的SPHT算法进行编码.研究结果表明:本文所提出的算法能实现海量地震数据的快速编码,达到了对地震数据的高保真压缩;本算法实现的编解码时间快,同时解压的地震剖面图视觉效果要优于目前的离散小波压缩算法.     

基于小波域特征和贝叶斯估计的目标检测算法

为了改进目标检测算法,在小波域建立基于贝叶斯概率估计的模型,得到一个自适应最佳阈值,并利用该阈值得到待检测的目标。对待检测的图像序列进行基于滑动窗口的双Haar小波变换,对小波变换后的低频分量建立基于核密度函数的贝叶斯概率估计模型,通过训练和学习,得到自适应的最佳阈值,利用该阈值对低频分量进行判别,得到只含有目标的二值化图像。选取室内室外一个和多个运动目标的6个视频序列对该算法的有效性进行检验,并同其他算法相比,可以给出更好的检测结果。     

基于嵌入式零树编码的电力系统数据压缩

在小波包变换的基础上提出了一种新的基于嵌入式零树编码的数据压缩方法，并将其应用于电力系统故障数据压缩中.采用小波包变换方法降低小波系数之间的相关性，再利用树形结构表示小波系数并进行逐次累计量化，进一步减小小波系数之间的相关性.在编/解码过程中数据流根据重要性依次排列，在任一点停止编/解码仍然能够重构出原始信号，适合于实时处理.仿真实验表明，改进后的嵌入式零树编码方法对电力系统故障数据压缩十分有效，并且其嵌入式的特性提高了故障录波器的性能.     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

提升小波阈值去噪的故障检测与诊断方法研究

针对提升小波阈值去噪方法中软、硬阈值去噪效果不太好和故障检测与诊断准确率不高的缺点,提出了一种双变量阈值函数与提升小波相结合的去噪方法,并将其应用到故障检测与诊断中。利用所提方法对数据进行去噪处理,通过主元分析(PCA)方法对去噪后的数据进行故障检测与诊断。为验证该方法的有效性,将该方法运用到化工TE过程,并将双变量阈值函数与软、硬阈值函数进行对比。实验结果证明,双变量阈值函数与提升小波结合的方法具有更好的去噪效果,同时也提高了PCA方法对故障检测与诊断的准确率。     

基于功率分配的空间耦合数据传输性能分析

通过研究功率分配对空间耦合数据传输的性能影响,在空间耦合数据流间干扰完全消除的情况下,利用密度进化与势能函数证明了等功率传输性能最优.为了以较少的性能损失为代价,减少等功率传输引起的高检测复杂度,提出了一种功率分配算法实现非等功率传输.外信息转换图分析和仿真结果证实了理论分析的正确性和所提算法的可行性.     

一种MPEG-4视频流的运动目标检测算法

为了同时提高MPEG-4视频流中运动目标检测的精度和速度,利用MPEG中已有的运动信息——离散余弦系数和运动矢量,提出了一种用于视频中运动目标检测的算法．该算法首先从MPEG-4压缩流中获取运动矢量,由运动矢量标识出运动区域,在标识出的运动区域上取离散余弦系数并求互帧差的四阶矩得到运动宏块,最后通过区域生长得到运动目标．该算法充分利用了MPEG-4码流中蕴含的运动信息,避免了仅由运动矢量检测运动目标时误差太大的缺点,也避免了计算全部离散余弦系数时的大量加乘法运算,从而可以实时地对视频流中的运动目标进行跟踪．     

单播链路中多数据流联合自动请求重传方法

为了提高单播链路的重传效率,发射端采用网络编码将多个重传数据流的增量冗余版本经过合并后再传输给接收端.基于置信传播(BP)算法,接收端从经过网络编码的组合数据流中检测出各个重传数据流,并和在前次传输时缓存的数据流软合并后译码.此外,再用BP算法将先译码成功的数据流从组合数据流中消除,以提高未成功译码数据流的检测性能.和单播链路上传统的多数据流独立自动请求重传(ARQ)相比,多数据流联合ARQ能够将单播链路的频谱效率提高大约10%,而仅导致低于22%的复杂度增加.     

基于增量DFT概要的数据流聚类算法

数据流聚类分析是数据流挖掘领域的重要分支。由于数据流海量、快速、动态到达,传统的静态数据挖掘技术不能满足在线分析的需求。数据流聚类的核心是设计单遍数据集扫描算法,在有限的内存中存储少量概要特征信息,实现数据流实时、在线聚类分析。采用数据流处理中广泛应用的滑动窗口模型,提出一种新的基于增量傅立叶变换(DFT)的数据流概要算法,并在此基础上运用k-均值(k-means)聚类,实现数据流的在线挖掘。基于增量DFT概要的数据流聚类算法可减少运行时间,节省内存空间,实际用电负荷数据证明了算法的有效性。     

基于数据挖掘的入侵检测多分类模型研究

入侵检测系统捕获的大量网络数据,需要采取有效的算法进行分类,用以判别数据流是否异常以及所属的攻击类别。为了有效地挖掘出判别数据流的模式与规则,针对入侵检测系统的分类器模型,采用数据挖掘技术中的反向传播神经网络算法、有监督的Kohonen神经网络算法和支持向量机算法进行对比研究。主要分析了各个算法的分类正确率、检测率和误...     

基于聚类的数据流挖掘技术的分析与研究

随着数据采集和通信技术的发展,对时时变化的不同来源的信息即数据流,实施实时监控将成为可能.数据流是大量的连续变化的数据序列,传输速度快,传统的挖掘算法将被适合于挖掘量大、能自由出入的数据流的技术所代替.笔者提出了用聚类技术来改进数据流挖掘的问题.笔者对K-均值算法、基于网格的统计聚类算法、回归分析算法等适用于数据流挖掘的算法进行了研究和分析,并对它们进行了比较.     

基于概要数据结构的高维数据流聚类算法

为了在高维数据流中有效地形成聚类,针对经典算法CELL-Tree存在的问题,提出一种新的概要数据结构PL-Tree以及基于此数据结构的算法PLStream,并采取衰减窗口模式来适应数据流的变化,采用剪枝策略控制内存中聚类模型的规模．实验表明,PLStream算法能较好地适应高维数据流,比CELL／Tre算法具有更好的时...     

数据流中的频繁标记闭子树的批量挖掘

在频繁模式挖掘（FPM）的研究中,为了在海量数据流中有效地挖掘子树结构的频繁模式,根据数据流和子树模式的特点,提出了一种基于数据流的频繁标记闭子树挖掘（SFCLTreeMiner）算法. 该算法首次对动态数据流中频繁标记闭子树的挖掘进行研究,给出了在数据流中标记闭子树集合添加、删除的批量挖掘方法,并结合时间衰减模型,有效保证了结果的时效性. 实验结果表明,该算法在挖掘性能,如挖掘时间和内存占用等方面,比类似算法有较大提高.     

一种基于原型学习的自适应概念漂移分类方法

为了更准确快速地处理或适应概念漂移,提出了基于原型学习的数据流分类算法,基于发掘并优化现有方法存在的问题,提出了新的方法模型SyncPrototype,在预测方法、原型判定与更新方法等处理概念漂移问题的关键部分做出了新的尝试与优化.实验结果证明,相较于现有方法,SyncPrototype模型在分类性能、概念漂移的响应速度以及时间性能等方面都有明显提高,能够更加有效处理并适应数据流概念漂移问题.