首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 437 毫秒

1.  演化数据流上的连续异常检测  
   胡雪艳  苏亮  高春鸣《计算机工程与应用》,2008年第44卷第7期
   基于滑动窗口的异常检测是数据流挖掘研究的一个重要课题,在许多应用中数据流通常在一个分布网络上传输,解决这类问题时常采用分布计算技术,以便获得实时高质量的计算结果。对分布演化数据流上连续异常检测问题,进行形式化地阐述,提出了两个基于核密度估计的异常检测定义和算法,并通过大量真实数据集的实验,表明该算法具有良好的高效性和可扩展性,完全适应数据流应用的需求。    

2.  三维水声传感器网络中数据流的突发检测算法  
   徐明  刘广钟《计算机应用》,2012年第12期
   针对三维水声传感器网络中数据流突发检测的多源性和异质性,对描述突发异常的特征和属性进行形式化定义和建模;然后,提出一种基于进化博弈论的突发检测算法,通过滑动窗口大小的优化选择与配置提高突发检测模型的处理速度与检测性能。仿真实验结果表明,基于进化博弈论的突发检测算法在数据分布、突发概率或者最大滑动窗口大小相同的情况下,处理时间少于传统的突发检测算法。    

3.  船舶轨迹异常检测方法研究进展  
   周世波  徐维祥《电子测量与仪器学报》,2017年第31卷第3期
   近年来,异常检测技术在分析和利用船舶轨迹数据中扮演着越来越重要的角色,已经成为航海领域的一个热点研究方向.船舶轨迹的异常检测旨在利用相关的异常检测算法,研究船舶个体或群体的行为特征,发现隐藏在其中的船舶异常行为模式或船位.主要从船舶位置和行为方面分析了船舶异常行为的概念和分类,综述了船舶轨迹异常检测的方法,评述了各方法在船舶轨迹异常检测中应用的优点和不足,讨论了船舶轨迹异常检测存在的问题和面临的挑战.    

4.  基于轨迹点局部异常度的异常点检测算法  
   刘良旭  乐嘉锦  乔少杰  宋加涛《计算机学报》,2011年第34卷第10期
   随着大量的定位数据被收集在应用服务器,如何从大量定位轨迹数据挖掘异常信息已逐渐成为一个令人关注的研究课题.针对当前流行的、以轨迹片段表示局部特征的异常点检测算法存在的问题,文中提出了以轨迹点表示局部特征的异常点检测算法TraLOD.该算法不仅提出了将每个轨迹点赋予一个0~1的值来表示其局部异常程度,而且还引入了相对距离来计算轨迹片段之间的不匹配性.此外,针对数据挖掘算法效率低的缺点,TraLOD引入了R-Tree和距离特征矩阵来提高算法效率.性能分析和实验都证明了TraLOD的有效性.    

5.  基于大数据分析的输变电设备状态数据异常检测方法  
   严英杰  盛戈皞  陈玉峰  江秀臣  郭志红  杜修明《中国电机工程学报》,2015年第1期
   传统的阈值判定方法难以准确检测输变电设备的状态异常,该文提出一种基于时间序列分析和无监督学习等大数据分析的异常检测方法,从数据演化过程、数据关联的全新角度实现异常检测。通过时间序列模型和自适应神经网络对历史数据潜在的特征进行挖掘,并将数据对时间的动态变化规律用转移概率序列表示。针对多维的监测数据,运用无监督聚类方法简化各参量之间的相关关系,从而避免参量间相关性难以确定的问题。提出异常检测体系,并使之适用于输变电设备状态监测数据流,实现数据流中异常的快速检出。最后结合运行实例验证了提出方法的有效性,表明本方法能快速检测出设备的异常运行状态。    

6.  DWDIS:面向分析的Deep Web数据集成系统  
   闫中敏  李庆忠  彭朝晖  董永权  丁艳辉  张永新  徐秀星《计算机研究与发展》,2010年第47卷第Z1期
   传统Deep Web数据集成研究侧重满足用户的即时查询需求,对数据分析应用缺乏充分支持,提出一个面向分析的Deep Web数据集成系统DWDIS,能够在较少人工参与下对大量Web数据库进行高质量数据获取、抽取和整合,为分析型应用提供优质全面的结构化数据.DWDIS支持领域模型的自动演化;通过自动识别和理解查询接口,采用查询词采新率模型以较小代价最大限度地获取Deep Web页面;充分利用集成系统已有数据中隐含的数据特征,对Deep Web页面进行有效页面抽取和语义标注;结合Web数据源特征,使用机器学习方法对来自大量Web数据库的数据实现高准确率的重复记录检测和数据融合.    

7.  分布式数据流上的连续异常检测  被引次数:1
   王树广《微电子学与计算机》,2008年第25卷第9期
   近年来,数据流异常检测在决策支持和监测等领域有着广泛的应用前景,并成为数据管理与挖掘的研究热点.针对该问题提出了相应的异常定义及检测算法,理论分析表明:与现有异常检测算法相比较,提出的算法具有良好的性能和效率,更适合于数据流应用.    

8.  数据流变化检测研究综述  
   宋擒豹  杜磊《计算机应用》,2012年第2期
   数据流是一种动态数据,它在某种因素的驱动下可能会随时间发生变化,而这种变化往往隐含着现实世界的某种事件。如何及时、准确地发现数据流中的变化已成为数据流挖掘的一个研究热点,并且在实际中有非常广泛的应用。描述了数据流变化及变化检测的核心任务,归纳了变化检测的通用框架,分析评价了目前已知的数据流变化检测方法及其技术特点,最后展望了数据流变化检测技术的发展方向。    

9.  基于张量分解的数据流异常检测  
   朱雪玲  兰军  李寿其  贾焰《计算机工程与科学》,2009年第31卷第6期
   本文对基于分布式的演化数据流的连续异常检测问题进行了形式化描述,提出一种在滑动窗口中基于张量分解的异常检测算法--WSTA.该算法将各分布结点上的数据流作为全局数据流的子张量,通过分布结点与中心节点的通信,在分布结点的滑动窗口中自适应抽样生成概要数据结构矩阵.对该数据矩阵进行张量分解得到特征向量,然后采用基于距离的异常检测方法发现异常点.基于大量真实数据集的实验表明,此算法具有良好的适用性和可扩展性.    

10.  面向数据流的多粒度时变分形维数计算  
   倪志伟  王超  胡汤磊  倪丽萍《软件学报》,2015年第26卷第10期
   在大数据时代,数据流是一种常见的数据模型,具有有序、海量、时变等特点.分形是许多复杂系统的重要特征,分形维数是度量系统分形特征的重要指标量.数据流作为动态的复杂系统,其上的分形维数应具有动态、时变、多粒度等特性.提出了多粒度时变分形维数的概念,并设计了基于小波变换技术的数据流多粒度时变分形维数算法.该算法通过对数据流进行离散小波变换,并利用多粒度小波变换树结构在内存中保存数据流的概要信息,可以同时在不同的时间粒度上实时地计算数据流时变分形维数.该方法具有较低的计算复杂度,实验结果表明:该方法可以有效地监控数据流分形维数在不同粒度上的时变特征,深刻地揭示数据流的演化规律.    

11.  基于 D-S证据理论的网络异常检测方法  被引次数:25
   诸葛建伟  王大为  陈昱  叶志远  邹维《软件学报》,2006年第17卷第3期
   网络异常检测技术是入侵检测领域研究的热点内容,但由于存在着误报率较高、检测攻击范围不够全面、检测效率不能满足高速网络实时检测需求等问题,并未在实际环境中得以大规模应用.基于D-S证据理论,提出了一种网络异常检测方法,能够融合多个特征对网络流量进行综合评判,有效地降低了误报率和漏报率,并引入自适应机制,以保证在实时动态变化的网络中的检测准确度.另外,选取计算代价小的特征以及高效的融合规则,保证了算法的性能满足高速检测的要求.该方法已实现为网络入侵检测原型系统中的异常检测模块.通过DARPA 1999年IDS基准评测数据的实验评测表明,该方法在低误报率的前提下,达到了69%的良好检测率,这一结果优于DARPA 1999年入侵检测系统评测优胜者EMERALD的50%检测率和同期的一些相关研究成果.    

12.  基于多尺度特征融合的异常流量检测方法  
   陈鸿昶  程国振  伊鹏《计算机科学》,2012年第39卷第2期
   快速、准确地检测异常是网络安全的重要保证。但是由于网络流量的非线性、非平稳性以及自相似性,异常流量检测存在误报率高、检测率低、不能满足骨干网实时性要求等问题。该方法综合了希尔伯特-黄变换(Hilbert-Huang Transform,HHT)和Dempster-Shafer证据理论(D-S evidence theory)评测框架。前者将不同的流特征分别分解为多时间尺度上的固有模态函数(Intrinsic Mode Function,IMF),滤除特征中的非线性、非平稳分量;后者将前者分解得到的多尺度特征作为证据融合并最终做出决策。通过对KDD CUP 1999的入侵检测系统(Intrusion DetectionSystem,IDS)基准数据的实验表明,该方法能有效区分突发流量(crowd flow)和拒绝服务攻击(Denail of service,DoS)攻击流,整体上在保证低误报率前提下检测率达到85.1%。目前该方法已经作为入侵检测的子模块实现,并试用于某骨干网入口处检测异常。    

13.  数据流挖掘研究  
   史金成  胡学钢《微机发展》,2007年第17卷第11期
   上世纪末,为适应网络监控、入侵检测、情报分析、商业交易管理和分析等应用的要求,数据流技术应运而生。数据流独特的特点,对传统数据的处理方法带来了很大的挑战。介绍了数据流的有关概念及数据流挖掘的特点,讨论了数据流挖掘的研究现状。最后,举例说明了数据流挖掘的应用,并展望了数据流挖掘未来的研究方向。    

14.  数据流挖掘研究  
   史金成  胡学钢《计算机技术与发展》,2007年第17卷第11期
   上世纪末,为适应网络监控、入侵检测、情报分析、商业交易管理和分析等应用的要求,数据流技术应运而生。数据流独特的特点,对传统数据的处理方法带来了很大的挑战。介绍了数据流的有关概念及数据流挖掘的特点,讨论了数据流挖掘的研究现状。最后,举例说明了数据流挖掘的应用,并展望了数据流挖掘未来的研究方向。    

15.  一种异常挖掘技术在入侵检测中的应用  
   张玉芳  王秀琼  孙思  熊忠阳《计算机工程与应用》,2005年第41卷第22期
   近年来,数据挖掘技术在异常入侵检测研究中得到了探索性的应用。异常挖掘技术可以检测出数据集中与众不同的数据,因此将异常挖掘技术应用于异常入侵检测可以识别那些表现出特殊性的入侵活动。该文从KDDCUP1999数据集中提取两种特征的数据集,采用第k最近邻异常挖掘进行异常入侵检测,用实验结果证明基于第k最近邻异常挖掘技术的异常入侵检测用于各类数据集都具有良好的性能.    

16.  信息业务智能监控及故障快速定位的研究与实现  
   徐胜朋  王会诚  陶明峰  徐盛涛  杨建宁《通讯世界》,2016年第20期
   本文提出通过将网络数据流映射为业务数据流,监控各应用服务的系统内和系统间的业务数据流;当系统出现故障时,可以高效、快速的定位到业务系统的故障位置,以此来减少排查业务故障的难度和时间;当监测到异常业务数据后时,可以及时报警、预警。    

17.  基于聚类的无监督式入侵检测算法研究  
   《计算机应用与软件》,2014年第8期
   研究基于无监督式聚类的入侵检测算法,提出一种无监督式方法来检测和鉴定未知的异常行为。该方法不依赖于具有标签的数据流。这种无监督的检测采用的是健壮的数据聚类技术,并结合了证据累积的子空间聚类和交互式聚类结果协同的方法来探测性地识别网络数据流量的异常。实验结果表明该无监督式检测技术提高了检测的鲁棒性,检测到的异常行为特征是通过构建高效规则来描述的。检测过程和特征表述的性能在实时网络环境下得到验证。    

18.  一种分布式拒绝服务攻击的检测方法  
   李振《数字社区&智能家居》,2009年第16期
   该文提出和实现了一种基于网络异常流量特征的检测模型。通过将多条链路或多个流的流量信号作为一个整体进行研究,构建了网络异常流量监控的系统模型。该模型包括了数据采集、分析、异常判断和警告等功能,并综合了异常信息融合及警告信息关联性分析技术。通过实验证明,该套系统模型对短时间段内的突发流量能提供有效的检测和报警服务。    

19.  一种分布式拒绝服务攻击的检测方法  
   李振《数字社区&智能家居》,2009年第5卷第6期
   该文提出和实现了一种基于网络异常流量特征的检测模型。通过将多条链路或多个流的流量信号作为一个整体进行研究.构建了网络异常流量监控的系统模型。该模型包括了数据采集、分析、异常判断和警告等功能,并综合了异常信息融合及警告信息关联性分析技术。通过实验证明,该套系统模型对短时间段内的突爱流量能提供有效的检测和报警服务。    

20.  实时数据流聚类的研究新进展  
   张晓龙  曾伟《计算机工程与设计》,2009年第30卷第9期
   实时数据流聚类是目前国际数据库和数据管理领域的新兴研究热点.综述了实时数据流聚类的最新研究进展,在介绍实时数据流聚类的相关理论和常用技术的基础上,对现有各种代表性算法的优势和不足进行了系统地分析,从处理速度、聚类形状、演化分析、高维性及噪声健壮性5个方面对算法的性能进行了比较.探讨了基于聚类的实时数据流演化分析方法及其局限性.最后展望了将来可能的研究方向.    

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