首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 92 毫秒
1.
一种基于局部结构信息的指纹伪特征滤除算法   总被引:6,自引:0,他引:6       下载免费PDF全文
自动指纹识别系统中,灰度指纹图象经过预处理过程得到细化二值图象,其中往往含有大量的伪特征,这将对后续的分类、匹配等操作造成不良影响,导致系统识别率下降,为此首先提出一种新的快速纹线跟踪算法——8邻域编码纹线跟踪算法,然后提出一种基于局部结构信息的指纹伪特征滤除算法,该伪特征滤除算法是在纹线跟踪的基础上,提取指纹特征点的若干属性,并结合特征点的局部结构信息,对各种伪特征结构进行识别和滤除,实验结果表明,本方法可以快速、准确、彻底地滤除这些伪特征结构,效果令人满意。  相似文献   

2.
邓旭  徐新  董浩 《计算机应用》2018,38(7):2056-2063
针对目前单极化合成孔径雷达(SAR)伪彩色编码方法存在的细节信息和可视性不强的问题,提出一种颜色特征编码方法。该颜色特征编码方法首先对单极化SAR图像提取纹理特征;然后将每一个特征量化到0到255;其次对每一个灰度级赋予一个RGB颜色,编码成颜色特征图;最后对随机森林计算得到的特征重要性进行排序,每3维特征对应为R、G、B通道生成伪彩图。基于该颜色特征编码方法,提出一种新的分类方法。该分类方法首先根据目视效果选择可分性最好的伪彩图;然后采用统计区域合并(SRM)分割算法对其分割;其次将所有RGB伪彩图作为分类的特征,以随机森林为分类器进行分类,得到初步的结果;最后对初步的结果进行相对多数投票,得到最终的分类结果。方法验证采用两组TerraSAR-X单极化SAR数据,与基于HIS的颜色编码方法对比,该颜色特征编码方法生成的伪彩图信息熵得到了很大提升,且两组数据每类地物的分类精度都大幅度提高,因此证明了所提算法保留了更多的细节信息,获取更多的颜色信息,更利于可视化和地物分类,从而表明提出的颜色特征编码方法是可行的。  相似文献   

3.
黄秀  陈月辉  曹毅 《计算机工程》2011,37(1):159-160,163
提出一种基于柔性神经树的蛋白质结构预测方法,将近似熵和蛋白质序列的疏水特性作为伪氨基酸组成的特征。对数据集中的每一条蛋白质进行特征提取。对于一个蛋白质样本,用一个27-D伪氨基酸组成作为其特征,伪氨基酸组成特征作为输入数据,柔性神经树作为预测工具,分类方法采用M-ary方法,数据集选用640数据集。仿真结果表明,该方法具有较好的优化性能,提高了预测的准确率。  相似文献   

4.
莫建文  陈瑶嘉 《控制与决策》2021,36(10):2475-2482
针对神经网络模型进行类增量训练时产生的灾难性遗忘问题,提出一种基于分类特征约束变分伪样本生成器的类增量学习方法.首先,通过构造伪样本生成器记忆旧类样本来训练新的分类器及新的伪样本生成器.伪样本生成器以变分自编码器为基础,用分类特征进行约束,使生成的样本更好地保留旧类在分类器上的性能.然后,用旧分类器的输出作为伪样本的精馏标签,进一步保留从旧类获得的知识.最后,为了平衡旧类样本的生成数量,采用基于分类器分数的伪样本选择,在保持每个旧类伪样本数量平衡的前提下选择一些更具代表性的旧类伪样本.在MNIST、FASHION、E-MNIST和SVHN数据集上的实验结果表明,所提出的方法能有效减少灾难性遗忘的影响,提高图像的分类精度.  相似文献   

5.
领域自适应将源域上学习到的知识迁移到目标域上,使得在带标签数据少的情况下也可以有效地训练模型。采用伪标签的领域自适应模型未考虑错误伪标签的影响,并且在决策边界处样本的分类准确率较低,针对上述问题提出了基于加权分类损失和核范数的领域自适应模型。该模型使用带有伪标签的可信样本特征与带有真实标签的源域样本特征构建辅助域,在辅助域上设计加权分类损失函数,降低错误伪标签在训练过程中产生的影响;加入批量核范数最大化损失,提高决策边界处样本的分类准确率。在Office31、Office-Home、Image-CLEFDA基准数据集上与之前模型的对比实验表明,该模型有更高的精确度。  相似文献   

6.
在伪氨基酸组成中加入与序列相关的影响因子能够提高蛋白质三级结构预测的准确率。将伪氨基酸组成的特征作为神经网络的输入,建立分类预测模型。选用粒子群优化算法对神经网络的参数进行优化。分类方法采用一对多的二分类方法。数据集选用Chou提出的204条蛋白质。实验结果使用Jackknife交叉验证,表明该方法能提高预测准确率。  相似文献   

7.
基于保局投影的离线签名识别   总被引:3,自引:1,他引:2       下载免费PDF全文
针对离线签名识别中的特征提取问题,提出了一种基于保局投影的签名识别方法。该方法首先对签名图像进行形状特征、伪动态特征和纹理特征的提取;然后采用保局投影得到更具判别性的特征;最后运用支持向量机进行分类识别。实验表明该方法不但能有效地降低特征空间的维数,而且能使分类准确率得到显著提高。  相似文献   

8.
提出了一种新的滤除指纹细节伪特征方法,它首先对非边界端点采用脊线跟踪法滤除毛刺和短脊产生的伪特征点,然后用窗口法滤除断脊、假桥、小孔和岛屿产生的伪特征点。结果表明,该方法简单、处理速度快,滤除精度基本可以满足应用的需要。  相似文献   

9.
细化指纹图中伪特征点的一体化去除算法   总被引:3,自引:0,他引:3  
陶刚  卢昀  李吉桂 《现代计算机》2002,(10):40-42,55
自动指纹识别系统(AFIS)在身份识别方面所具有的快速、方便,准确等特点而得到广泛的研究,本文设计了一种除去空洞,毛刺和和短线等伪特征点的一体化算法,将将这些算法应用到指纹细化图的特征点的去伪过程中,该方法在指纹识别的实际应用中取得了很好的结果。  相似文献   

10.
伪周期时间序列是一种广泛存在的数据形式,它具有伪周期性、非平稳性和特征值等特征。对这类时间序列进行预测,具有很强的研究和应用意义。然而,目前的相关研究对伪周期时间序列的关注度不足,一些已有的时间序列预测方法在应用到伪周期时间序列上时,会造成误差的累积,使得预测效果很差。为了解决这些问题,总结了伪周期时间序列的特征,并提出了SPG-Suite预测方法,很好地解决了传统方法无法解决的问题。最后,在真实的数据集上进行了实验,并与传统方法进行了对比,实验结果表明,SPG-Suite方法在预测精度上具有明显的优势,并具有较强的可扩展性。  相似文献   

11.
分布式拒绝服务(DDoS)攻击是网络环境中最具破坏力的攻击方式之一,现有基于机器学习的攻击检测方法往往直接将某时刻的特征值代入分类器进行分类,没有考虑相邻时刻特征之间的联系,因而导致误报率和漏报率较高。提出一种基于隐马尔科夫模型HMM时间序列预测和混沌模型的DDoS攻击检测方法。针对大规模攻击网络流量的突发性,定义网络流量加权特征NTWF和网络流平均速率NFAR二元组来描述网络流量的特点;然后采用层次聚类算法对训练集进行分类,以获取隐层状态HLS序列,利用NTWF序列和HLS序列对HMM进行监督学习获得状态转移矩阵和混淆矩阵,以预测NTWF序列;最后通过混沌模型分析NTWF序列的预测误差,结合基于NFAR的规则来识别攻击行为。实验结果表明,与同类方法相比,所提方法具有较低的误报率和漏报率。  相似文献   

12.
近年来,互联网行业发展迅速,网络安全的重要性与日俱增。网络安全领域涉及到各种问题,比如恶意代码检测、攻击溯源等,而Webshell作为一种恶意代码,也得到了学术界和业界的关注。Webshell的检测方法除了简单低效的关键词匹配之外,还有各种机器学习算法。Webshell代码经过逃逸技术处理之后,基于关键词匹配的检测算法无法有效检测出Webshell,常规的机器学习算法不能提取深层特征,检测准确率不高。因此,提出基于RNN的Webshell检测方法。实验结果表明,该方法在准确率、漏报率、误报率等指标上优于传统的机器学习算法。  相似文献   

13.
在分析了大量包含图像的垃圾邮件后,提出基于形象特征分析的垃圾邮件过滤系统.它提取出有用的形象特征并使用一类支持向量机来过滤垃圾邮件.实验结果表明,该系统模型具有令人满意的过滤效果,并且有很高的探测率和较低的误判率.  相似文献   

14.
赵澄  陈君新  姚明海 《计算机科学》2018,45(Z11):356-360
Web应用高速发展的同时产生了大量安全漏洞,跨站脚本攻击(XSS)就是危害最为严重的Web漏洞之一,而基于规则的传统XSS检测工具难以检测未知的和变形的XSS。为了应对未知的和变形的XSS,文中提出了一种基于支持向量机(SVM)分类器的XSS攻击检测方案。该方案在大量分析XSS攻击样本及其变形样本和正常样本的基础上,提取最具代表性的五维特征并将这些特征向量化,然后进行SVM算法的训练和测试。通过准确率、召回率和误报率3个指标来对分类器的检测效果进行评价,并优化特征提取方式。改进后的SVM分类器与传统工具和普通SVM相比性能均有所提升。  相似文献   

15.
基于机器学习的入侵检测系统普遍存在由于入侵数据维度大、数据样本不均衡和离散度大而严重影响分类性能的问题。提出了一种基于LFKPCA-DWELM的入侵检测算法,用改进的果蝇算法(LFOA)对核主成分分析算法(KPCA)进行优化,用优化后的核主成分分析算法(LFKPCA)对数据进行特征提取,将处理后的数据用于基于数据离散度的加权极限学习机(DWELM)的训练,最后使用训练好的模型进行分类实验。实验结果显示,该算法有效提高了检测率,降低了误报率和检测时间。  相似文献   

16.
The rapid progress of the Internet has exposed networks to an increased number of threats. Intrusion detection technology can effectively protect network security against malicious attacks. In this paper, we propose a ReliefF-P-Naive Bayes and softmax regression (RP-NBSR) model based on machine learning for network attack detection to improve the false detection rate and F1 score of unknown intrusion behavior. In the proposed model, the Pearson correlation coefficient is introduced to compensate for deficiencies in correlation analysis between features by the ReliefF feature selection algorithm, and a ReliefF-Pearson correlation coefficient (ReliefF-P) algorithm is proposed. Then, the Relief-P algorithm is used to preprocess the UNSW-NB15 dataset to remove irrelevant features and obtain a new feature subset. Finally, naïve Bayes and softmax regression (NBSR) classifier is constructed by cascading the naïve Bayes classifier and softmax regression classifier, and an attack detection model based on RP-NBSR is established. The experimental results on the UNSW-NB15 dataset show that the attack detection model based on RP-NBSR has a lower false detection rate and higher F1 score than other detection models.  相似文献   

17.
李韵  黄辰林  王中锋  袁露  王晓川 《软件学报》2020,31(7):2040-2061
软件复杂性的增加给软件安全性带来极大的挑战.随着软件规模不断增大以及漏洞形态多样化,传统漏洞挖掘方法由于存在高误报率和高漏报率的问题,已无法满足复杂软件的安全性分析需求.近年来,随着人工智能产业的兴起,大量机器学习方法被尝试用于解决软件漏洞挖掘问题.首先,本文通过梳理基于机器学习的软件漏洞挖掘的现有研究工作,归纳了其技术特征与工作流程.接着,从其中核心的原始数据特征提取切入,以代码表征形式作为分类依据对现有研究工作进行分类阐述,并系统地进行了对比分析.最后依据对现有研究工作的整理总结,探讨了基于机器学习的软件漏洞挖掘领域面临的挑战,并展望了该领域的发展趋势.  相似文献   

18.
根据网络蠕虫攻击的特点,建立了能够反映蠕虫扫描特征的失败连接流量(FCT)时间序列,提出了一种基于FCT时间序列小波包能量特征和支持向量机(SVM)的蠕虫检测新方法。该方法利用小波包分析计算FCT时间序列在各频带投影序列的能量分布,获得能够表征蠕虫扫描的特征向量,使用经过样本训练的SVM分类器进行分类,实现蠕虫攻击扫描的自动检测。实验结果表明,该方法能够比较准确地检测蠕虫攻击,和理论值相比,漏报率低于6%,误报率低于1%。  相似文献   

19.
传统的机器学习方法在检测JavaScript恶意代码时,存在提取特征过程复杂、计算量大、代码被恶意混淆导致难以检测的问题,不利于当前JavaScript恶意代码检测准确性和实时性的要求.基于此,提出一种基于双向长短时神经网络(BiLSTM)的JavaScript恶意代码检测方法.首先,将得到的样本数据经过代码反混淆,数据分词,代码向量化后得到适应于神经网络输入的标准化数据.其次,利用BiLSTM算法对向量化数据进行训练,学习JavaScript恶意代码的抽象特征.最后,利用学习到的特征对代码进行分类.将本文方法与深度学习方法和主流机器学习方法进行比较,结果表明该方法具有较高的准确率和较低的误报率.  相似文献   

20.
针对传统固定报警限未考虑时变工况的影响,易造成设备在高工况下虚警、低工况下漏警的问题,提出了一种基于BPNN(BP神经网络)和SVM-PDE(支持向量机概率密度估计)的旋转机械变工况故障预警方法.利用BPNN识别设备运行工况,结合信号处理方法从各工况振动数据中提取出多维特征并利用PCA(主成分分析)约简特征维度.将传统支持向量机(SVM)核函数改造为概率密度函数,将运行工况和低维特征输入SVM求解不同工况下正常样本的概率密度.以各个工况下正常样本概率密度值的边界值作为振动阈值进行故障预警.利用双转子试验台振动数据进行验证,结果表明,相较于固定阈值预警方法,基于BPNN和SVM-PDE的旋转机械变工况预警方法能有效降低漏警率和虚警率,验证了该方法的有效性.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号