一种基于有监督局部决策分层支持向量机的异常检测方法

该文针对包含多种攻击模式的高维特征空间中的异常检测问题,提出了一种基于有监督局部决策的分层支持向量机(HSVM)异常检测方法.通过HSVM的二叉树结构实现复杂异常检测问题的分而治之,即在每个中间节点上,通过信息增益准则构建有监督学习所需的训练信号,监督局部决策;在每个嵌入中间节点的二分类支持向量机(SVM)的训练过程中,以局部决策边界对特征的敏感度为依据,选择入侵检测的局部最优特征子集.实验结果表明,该文提出的异常检测方法能够在训练信号的局部决策监督下构建具有良好稳定性的检测学习模型,并能以更精简的特征信息实现检测精确率和检测效率的提高.     

“计算机科学基础”课程教学模式探索

针对创新型人才培养要求,本文以"计算机科学基础"课程的教学为立足点,探索了一种"做什么"与"怎么做"相结合的教学模式:不仅让学生明确应该"做什么",更要让学生学会主动地探索"怎么做"。教学实践证明,"做什么"与"怎么做"相结合的教学模式是行之有效的。     

考虑信誉更新的移动群智感知在线激励机制研究

激励更多用户参与感知任务并提供高质量数据是移动群智感知研究的热点问题之一。针对在线到达的激励机制场景中,参与用户提供数据的质量以及其信誉值没有得到足够重视等问题,本文提出用户在线参与感知任务的信誉评价方法并构建其信誉评价模型。综合考虑用户历史和现实的信誉记录,建立信誉更新算法模型,设计基于信誉更新的多阶段在线激励机制(Reputation-updated online mechanism,ROM)。仿真结果表明,该算法能够帮助平台获得更好的效用,提高收集数据的质量从而提高雇佣效率。     

二维Tchebichef矩正反变换的快速算法

本文提出了一种二维Tchebichef矩正反变换的快速算法。在正变换中,使用Chebichef递推公式推导了一维Tchebichef矩正变换的快速算法,并将其推广至二维Tchebichef矩正变换的快速计算。在反变换中,使用Clenshaw递推公式我们推导了一维Tchebichef矩反变换的快速算法,并将其推广至二维Tchebichef正交矩反变换的计算。与以迭代方式计算Tchebichef多项式进而计算二维Tchebichef矩正反变换的方法相比,本文算法有效地减少了算术运算的次数,提高了计算速度。实验结果表明了该方法的有效性。