基于半监督多视图特征协同训练的网络恶意流量识别方法

针对恶意流量样本特征变化较快,准确标记困难的问题,提出了一种基于半监督多视图特征协同训练的网络恶意流量识别方法.该方法能够使用大量的未标记数据协同训练分类模型,提升分类模型的泛化能力.使用原始字节流特征和网络流统计特征,构建两种特征视图,借助协同训练框架进行半监督的恶意流量识别.分别使用两个公开数据集对模型训练和测试,...     

基于半监督学习的应用流分类方法

将半监督学习应用到应用流分类问题中,提出了一种基于半监督聚类的应用流分类算法(PSOSC).首先采用粒子群优化的K均值聚类方法对大量的无标记数据和少量的标记数据进行聚类,利用少量标记数据确定簇与应用类型的映射关系,实现应用流分类.实验表明PSOSC算法有较高的流准确率,同时,降低了对标记数据的需求.     

基于SVDD的半监督入侵检测研究

提出了一种基于SVDD的半监督入侵检测算法.该算法利用少量有标记正常网络数据建立两个SVDD分类器,通过相互学习来挖掘未标记数据中的隐含信息,扩大有标记正常网络数据的数量.再利用所有已标记正常网络数据用不同的单分类方法建立多个单类分类器,通过集成学习的方法得到最终的分类器.实验表明,该算法具有良好的识别性能.     

基于无监督学习的行人检测算法

提出了一种基于无监督学习的行人检测方法,用以解决学习样本未标记的问题。将深度学习应用于行人识别,数据增强用来生成额外的训练数据而无需对训练样本进行标记。利用无监督卷积稀疏自动编码器进行前期训练获得特征,在此基础上,利用端对端监督训练对分类器进行训练,同时对获得的特征进行微调得到最终的行人特征。INRIA数据集中的实验结果表明,无监督学习获得的特征提高了检测率,证明本文方法的可行性和有效性。     

基于多尺度低秩模型的网络异常流量检测方法

现有刻画流量异常检测所需的流特征集通常是高维的,增加了检测和分类的复杂度。通过研究发现网络中异常通常是稀疏性分布的,单个异常仅仅表现在低维流特征中。基于这一现象提出了一种异常流量检测模型—多尺度低秩(MRLR,multi-resolution low rank)模型,该模型能够动态筛选出"合适的"特征集并准确分类异常。基于人工标记的实际网络流量异常和注入异常的数据集验证结果表明:MRLR对特征集的缩减率可达10%以下;并且基于MRLR的分类算法复杂度为O(n)。     

基于多分类支持向量机的P2P流量识别模型的设计

文章研究了SVM(支持向量机)在P2P流量识别中的应用技术。首先介绍了一个基于SVM的P2P流量识别方法,对网络中的P2P流量进行识别,接着对经典1-vs-all多分类SVM算法进行了改进,提出了一个新的基于MC-SVM(多分类支持向量机)的分类判别方法,用来把之前所识别出的未知具体应用层分类的P2P流量进行应用层分类,最后通过真实的网络流量数据的实验,证明了其可行性。     

一种增强差异性的半监督协同分类算法

半监督学习中的Tri-Training算法打破了以往算法对充分冗余视图的限制,并通过利用三个分类器处理标记置信度和样本预测问题提高了标记效率.为进一步增强协同训练过程中分类器之间的差异性以提高性能,本文在其理论基础上提出了一种增强差异性的半监督协同分类算法.该算法利用三个不同的分类器进行学习;考虑到分类模型在更新过程中,可能会因随机抽样导致性能恶化,该算法利用基于标记类别的分层抽样法来对已标记样本集进行抽样,并通过基于分类正确率的加权投票法实现了分类器的集成,提高了预测准确率.本文通过实验对所提出算法与Tri-Training算法做了性能比较,实验结果表明本文所提出的方法在分类问题上具有较好的性能,验证了该算法的有效性和可行性.     

基于应用层签名的P2P流量识别与控制

针对网络中P2P流量难以识别和控制的问题,在对P2P流量识别技术进行研究对比后,提出了一种基于应用层签名的P2P流量识别和控制的方法。分析并提取了风行、爱奇艺、优酷3种主流P2P流媒体及一些常用P2P应用软件的应用层签名,并通过实验验证了基于应用层签名的P2P流量识别方法对流量识别的高精确性以及对流量控制的有效性。     

基于改进的半监督主动学习的雷达信号识别

为解决在雷达信号分类识别过程中训练样本较少的问题,本文提出了联合主动学习和半监督学习,并对其伪标记样本进行迭代验证改进的分类算法。针对复杂的电磁环境下雷达信号识别率低的问题,本文将径向高斯核时频分析应用于雷达信号,并对时频分布进行奇异值分解,提取出奇异向量作为雷达信号识别的特征参数。针对传统的半监督主动学习算法的不足,利用改进的半监督主动学习算法构建分类器,该算法通过对伪标记样本进行迭代验证来提高伪标记信息的准确性,从而改善了最终的分类性能,实现了在可获取的有标签样本数量较少的条件下对雷达信号的高概率识别。仿真结果表明,本文提出的特征识别方法可以获得较高的识别率。      

基于迁移学习SAE的无人机目标识别算法研究

无人机在复杂战场环境下,因敌我双方无人机外形、颜色等特征较为相似,如何准确地对敌方无人机识别是实现其自主导航及作战任务执行的关键。由于受敌方无人机飞行速度、形状、尺寸、姿态等的改变及气象环境因素的影响,无法准确地对其进行识别与分类。针对这一问题,提出基于迁移学习卷积稀疏自动编码器（Sparse Auto-Encoder,SAE）实现对航拍多帧图像中敌方目标对象的识别与分类。算法首先借助SAE对源领域数据集中大量无标记样本进行无监督学习,获取其局部特征;然后,采用池化层卷积神经网络（CNN）算法提取目标图像全局特征;最后,送入Softmax回归模型实现目标对象的识别与分类。实验结果表明:与传统非迁移学习的SAE算法及基于底层视觉特征学习的识别算法相比,该算法具有更高的准确性。     

基于双曲线特征的浅地层探地雷达杂波抑制与合成孔径成像研究

本文根据浅地层探地雷达图像的特点,提出了一种基于图像处理技术的杂波抑制方法。并在此基础上,进而提出了一种实现探地雷达合成孔径成像的快速方法。通过对实测数据进行处理,结果表明,所提杂波抑制方法取得了很好的效果,且通用性强;所提的快速合成孔径成像方法与普通合成孔径成像方法相比,所得图像的分辨力相当,且所提方法减少了杂波成分的影响,使处理速度得到了极大的提高,成像的效果更好。     

基于粒子群优化的传感器预分配方法

针对实时传感器管理算法的局限,在深入分析传感器管理问题本质特征的基础上,提出一种传感器静态预分配方案。然后,以低轨星座目标连续跟踪为应用背景,提出一种基于修正粒子群优化的传感器预分配方法。仿真实验表明,所提方法虽然需要较长时间的静态分配过程,但是其实时运算效率明显高于实时传感器管理算法,因而给上层系统设计留下更多富余时间。      

Rank‐based dynamic frequency hopping without strict coordination in IEEE 802.22 WRAN system

In IEEE 802.22 wireless regional area networks (WRAN), it is indispensable to prevent the in‐use channel from interfering with incumbent services such as digital TV. To achieve this end, in this paper, we propose a dynamic frequency hopping based on rank accounting. In this method, a base station utilizes a ranking database where a rank of a channel which is used frequently is high. Each base station uses an idle channel whose rank is the highest based on the database, and hence this can reduce the number of channels which are used for the data transmission. Moreover, the proposed method performs interference avoidance processes. The proposed method does not require a strict coordination for base stations. We evaluate the performance of the proposed method with simulation. Numerical examples show that the failure probability of the channel switching for the proposed method is smaller than that for the conventional random method. It is also shown that the number of channels that are used for the data transmission can be reduced by using the proposed method. Finally, we investigate the performance of the proposed method in some situations. Copyright © 2011 John Wiley & Sons, Ltd.     

探地雷达多目标识别方法的研究

与现有的机器学习算法相比,在有限样本的情况下,支撑矢量机具有更强的分类推广能力。该文在提出利用非线性映射进行探地雷达目标识别的基础上,将多目标识别支撑矢量机与探地雷达目标识别相结合,得到了基于一对一(One against one) 支撑矢量机的探地雷达多目标识别方法。所提方法包括基于一对一的探地雷达多目标识别方法、交叉验证的参数选取方法、多通道识别方法;并且和传统的神经网络识别方法进行对比分析。所提识别方法可以与各种目标特征选取方法相结合。对实测数据的对比处理表明所提方法优于传统探地雷达目标识别方法,所得结论对探地雷达目标识别的研究有指导意义。     

一种新的球载雷达运动目标检测方法

球载雷达采用下视探测工作模式时,其检测能力主要受地杂波制约。本文分析了地杂波对雷达回波幅度调制的影响,提出了一种利用回波幅度特征进行目标检测的新方法——幅度周期目标检测法,该方法能够在检测目标的同时获得目标速度信息。仿真结果表明该方法在低信杂比情况下相对于传统方法具有更好的检测性能。最后通过实测数据验证了该方法的有效性。     

Phase-Noise Measurement of Microwave Oscillators Using Phase-Shifterless Delay-Line Discriminator

In this paper, a modified method based on the frequency discriminator technique for measuring phase noise of microwave oscillators is presented. In the proposed method, the phase shifter is omitted. In contrast, a 90° hybrid with one more channel containing a phase detector, and a low-noise amplifier is added to the measurement setup. It can be said that an in-phase/quadrature phase-noise detection has been developed. With the proposed method, tuning of the variable phase shifter is not needed anymore. Therefore, the measurement is done automatically, and as a result, the measurement time is decreased. Another considerable advantage of this method is that the method is theoretically self-calibrated. For verifying the accuracy of the method, a measurement setup based on the proposed method was established. Two relatively low phase-noise phase-locked oscillators at frequencies of 2.8 and 4.9 GHz were designed. Their phase noise was measured by the proposed method, the conventional delay-line method, and the two-oscillator technique. Comparison of the measured data of the three methods shows the validity of the proposed method.      

基于模糊贴近度和非紧凑邻域的变化检测

提出一种新的模糊贴近度差异图,并基于主动轮廓模型完成了两时相SAR图像水灾变化检测。所提方法克服了上下文不敏感方法假设的类统计分布模型与实际的两者之间的拟合度对变化检测性能的影响,突破了上下文敏感方法只参考固定形状和大小的紧凑邻域内信息的限制,利用无固定形状和大小的非紧凑邻域内信息,提高了变化检测性能并改善了视觉效果。两组实测SAR图像数据集的变化检测实验结果均表明,所提方法的变化检测性能优于其他相关方法的。     

Model-Based Satellite Image Fusion

A method is proposed for pixel-level satellite image fusion derived directly from a model of the imaging sensor. By design, the proposed method is spectrally consistent. It is argued that the proposed method needs regularization, as is the case for any method for this problem. A framework for pixel neighborhood regularization is presented. This framework enables the formulation of the regularization in a way that corresponds well with our prior assumptions of the image data. The proposed method is validated and compared with other approaches on several data sets. Lastly, the intensity-hue-saturation method is revisited in order to gain additional insight of what implications the spectral consistency has for an image fusion method.     

一种面向设计寿命全过程的电子系统可靠性分配法

提出一种基于等分配法的、面向各单元设计寿命全过程的电子系统可靠性分配法。该方法在保证满足系统设计寿命末可靠性指标的前提下,使各单元在设计寿命过程中各个时期的可靠度接近,从而避免出现可靠度显著地低于其它单元的＂短板＂单元。基于某＂软件星＂有效载荷的算例,演示了所提出的可靠性分配法的应用流程,比较了该方法与传统等分配法的分配结果。     

基于路径比较的变异测试方法

 提出基于路径比较的变异测试方法.首先,通过比较穿越路径判定变异体是否被杀死;然后,建立基于路径覆盖的变异测试数据生成模型,该模型把杀死变异体作为目标,把满足特定路径覆盖作为约束;最后,采用遗传算法求解该模型.将本文方法应用于典型被测程序,结果表明,该方法可以降低变异测试的难度,并提高测试数据的生成效率.