基于聚类和流量传播图的P2P流量识别方法

为有效监管网络,快速精确识别P2P流量,通过分析P2P网络流量中节点与节点、节点与链路之间的交互和行为特征,将聚类方法与流量传播图方法相结合,提出了一种基于网络行为特征的P2P流量识别方法。该方法首先通过采集网络流的包级和流级统计特征对不同种类的网络应用的流量进行聚类,然后利用流量传播图对P2P流量进行识别。实验结果表明,提出的方法在骨干网络数据上能够有效识别P2P网络应用流量,◢F◣▼1▽-measure达到95%以上。     

一种基于密度的K-means算法研究*

针对传统K-means算法必须事先确定聚类数目以及对初始聚类中心的选取比较敏感的缺陷,采用基于密度的思想,通过设定Eps邻域以及Eps邻域内至少包含的对象数minpts来排除孤立点,并将不重复的核心点作为初始聚类中心;采用类内距离和类间距离的比值作为准则评价函数,将准则函数取得最小值时的聚类数作为最佳聚类数,这些改进有效地克服了K-means算法的不足。最后通过几个实例介绍了改进后算法的具体应用,实例表明改进后的算法比原算法有更高的聚类准确性,更能实现类内紧密类间远离的聚类效果。     

苄嘧磺隆在超临界CO_2中溶解度的测定与模拟

采用动态法测定苄嘧磺隆在超临界CO2中的平衡溶解度,所用的压力范围为10～35 MPa,温度为308.15、318.15、328.15 K,结果表明其溶解度摩尔分数为4.13×10-7～1.932×10-6.实验数据经Chrastil密度型模型和Chrastil改进模型模拟,均取得较好的吻合.后者的模拟效果稍优于前者,模拟所得的平均相对偏差为8.82%,根均平方为11.30%,两者很接近,这表明理论模型的可操作性很好.     

基于密度的离群点挖掘在入侵检测中的应用

给出一种基于密度的局部离群点挖掘方法。采用KDD99数据集进行实验,对数据集中的41个属性提取特征,利用基于密度的聚类对统计处理过的数据集实行剪枝操作,剪除数据集中大部分密集的数据对象,保留未被剪除的候选离群对象集。采用局部离群挖掘方法计算离群候选对象的离群因子,检测出异常攻击。实验结果表明,该方法能保证较高的检测率和较低的误报率。     

攻击案例综合学习系统研究

随着入侵检测系统在安全领域的广泛应用，入侵报警学习和分析已经成为一个研究热点。针对目前入侵报警泛滥和知识贫乏等问题，设计了一个完整的攻击案例学习系统框架。该学习系统分为两个阶段：入侵报警精简和典型攻击案例挖掘。前者利用改进的密度聚类方法实现相似报警聚合以及报警聚类的自动精简表示，后者利用序列模式挖掘方法挖掘频繁入侵事件序列。进一步提出一种基于入侵执行顺序约束关系的攻击案例评估算法实现典型攻击案例的自动筛选。最后，利用真实入侵报警数据测试了该攻击案例学习系统，结果表明该系统能够实现高效报警精简和典型攻击案例的准确学习。     

Blind Source Separation and Equiprobabilistic Topographic Maps

Recently, a number of heuristic techniques have been devised in order to overcome some of the limitations of the Blind Source Separation (BSS) algorithms that are rooted in the theory of Independent Component Analysis (ICA). They are usually based on topographic maps and designed to separate mixtures of signals with either sub-Gaussian or super-Gaussian source densities. In the sub-Gaussian case, the coordinates of the winning neurons in the topographic map represent the estimates of the source signal amplitudes. In the super-Gaussian case, one relies on the topographic map's ability to detect the source directions in mixture space which, in turn, correspond to the column vectors of the mixing matrix in the linear case. We will introduce a new topographic map-based heuristic for super-Gaussian BSS. It relies on the tendency of the mixture samples to cluster around the source directions. We will demonstrate its performance on linear and mildly non-linear mixtures of speech signals, including the case where there are less mixtures than sources to be separated (non-square BSS).     

离群点检测的邻近性方法综述

离群点检测在数据挖掘中有非常广泛的应用,然而并不是所有的离群点检测问题都能用一种最优的方法去解决。针对不同的应用,需要用不同的方法,才能够最有效地解决实际问题。检测方法大致可以分为基于统计、基于聚类、基于邻近性（基于距离和基于密度）的方法。为了及时掌握当前基于邻近性技术的离群点检测方法的研究现状,通过整理和归纳,将代表性强的基于邻近性的离群点检测方法进行了介绍和评价,将其主要分为基于距离的方法和基于密度的方法,对所有提及的方法的应用场景、算法思想、能解决的问题以及各自的优缺点进行了详细的分析和归纳,指出目前存在的问题和对未来研究的发展方向。对开展邻近性的离群点检测研究具有重要意义。     

一种基于邻域系统密度差异度量的离群点检测算法

针对离群点检测算法LOF在高维离散分布数据集中检测精度较低及参数敏感性较高的问题,提出了基于邻域系统密度差异度量的离群点检测NSD（neighborhood system density difference）算法。相较于传统基于密度的离群点检测方法,NSD算法引入了截取距离的概念。首先计算数据集中对象在截取距离内的邻居点个数;其次计算对象的邻域系统密度;然后将对象的密度与它邻居的密度进行比较,判定目标对象与其邻居趋向于同一簇的程度;最后输出最可能是离群点的对象。将NSD算法与LOF、LDOF、CBOF算法在真实数据集与合成数据集中对比实验发现,NSD算法具有较高的检测准确率和执行效率以及较低的参数敏感性,证明了NSD算法是有效可行的。     

方向自适应的星载光子计数激光测高植被冠层高度估算

星载光子计数激光测高系统具有较高的沿轨距离分辨率,能够探测得到植被冠层和地表的连续高程信息。然而星载植被点云的低点云密度和低信噪比,对植被相对冠层高度的估算方法提出了新的要求。本文提出了一种方向自适应的星载光子计数激光测高植被点云冠高估算方法。首先通过寻找点云高程统计直方图中代表冠层和地面位置的极值进行粗去噪,大致得到信号高程所在的范围,并估算出冠层,地面和噪声点云的平均密度以及地表坡度。随后对粗去噪后的点云进行方向自适应的密度聚类精去噪,其邻域的方向为地表坡度,与密度有关的阈值均根据估算出的点云密度自适应的做出调整。在滤波后,结合点云的密度和高程百分比分别找出地面与树冠顶端的初始点,并通过三角网方法(TIN)扩展初始点以进行分类,最终确定地表与树冠顶端的高程。采用ATLAS星载激光测高仪的植被点云对算法进行了验证,结果表明算法能够正确估算植被冠高,十分适用于坡度较大和叶面积指数较低的地区,其中冠顶与地面的高程和机载LIDAR数据高程的决定系数R~2分别为0.99与0.77,均方根误差RMSE为0.28 m与2.6 m。     

基于分组和IGSA的并行密度聚类算法

针对并行密度聚类算法在处理大数据集时存在伸缩困难、参数寻优能力不佳、并行化效率较低等问题,提出一种基于分组和重力搜索优化算法(improve gravitational search algorithm,IGSA)的并行密度聚类算法(densi-ty-based clustering algorithm based on groups and improve gravitational search,MR-GDBIGS).首先,该算法设计了基于图形的分组策略(grouping strategy based on pattern,GSP)来有效划分数据,加速邻域搜索,解决了处理大数据集时伸缩困难的问题;其次,在局部聚类中提出基于位置更新函数(position update function,PUF)的重力搜索优化算法,动态寻找局部聚类中的最优参数,提升了局部聚类的效果;最后,提出基于覆盖树的并行局部簇合并策略(cluster merging strategy by using MapReduce,MR-CTMC),在实现局部簇并行化合并的同时加快了合并局部簇的收敛速度,提升了算法整体的并行化效率.实验结果表明,MR-GDBIGS算法在处理大数据时的聚类效果更佳,且并行化性能更好.