入侵检测系统中基于变量相似性特征选择

ReliefF是一种在很多场合经常使用的filter式的特征选择方法．然而该方法的一大缺点是不能辨别冗余特征。基于ReliefF算法提出一种混合的有监督的特征选择算法。该算法首先利用ReliefF算法去除与分类无关的以及权重低于一定阈值的特征，然后采用一种变量相似性准则来去除冗余特征。在实际的数据集KDDCUP＇99上进行的实验结果表明该混合特征选择方法较单独使用ReliefF方法在分类精度上有一定的提高。     

入侵检测系统中基于PCA和C-SSGA的双向数据压缩

针对入侵检测数据中的冗余特征和冗余实例,提出一种基于主成分分析和混合稳态遗传算法的双向数据压缩方法.利用主成分分析对特征进行压缩,有效地去除特征之间的冗余性;用混合稳态遗传算法进行实例压缩,大大缩减了实例的数量;提出一个基于神经网络的入侵检测系统模型,该模型具有多分类、易于更新系统及快速适应新型入侵的特点.在KDD CUP’99上的实验表明,提出的方法是有效的,可以用于处理大数据集的压缩问题.     

基于免疫算法的入侵检测系统特征选择

入侵检测系统中的特征选择是一个组合优化问题。为了有效地进行特征选择，提出一种结合进化思想的免疫算法。算法中的免疫记忆单元确保了快速收敛于全局最优解，算法中的均匀交叉操作则体现了进化的思想。提出一个基于神经网络的入侵检测系统模型．该模型具有多分类．易于更新系统使其快速适应新型入侵的特点。在KDDCUP’99上的实验表明该算法是有效的。     

基于支持向量机的网络告警预测知识发现

基于支持向量机提出一种方法,能够从历史告警中挖掘出告警的预测知识。首先把告警预测问题转化成机器学习问题,然后通过在告警序列上滑动窗口形成样本去训练支持向量机,从而建立对某种特定告警的预测模型。实验验证了该方法的有效性,并考察了一些关键参数对于预测性能的影响。     

特殊覆盖场景下的广播波束赋形应用研究

利用广播波束赋形技术实现小区覆盖优化是近来智能天线的一个研究热点,但是目前的研究主要集中在65°、90°等常见广播波束赋形应用上。首先介绍了智能天线广播波束赋形的基本方法,在此基础上总结了有特殊广播覆盖需求的几种常见场景,将其作为目标覆盖分析了如何生成对应的广播波束权值,并通过实验验证了特殊广播覆盖场景下权值的赋形效果。     

一种大数据集上的非线性PSVM训练方法

PSVM作为一种新型SVM方法，避免了求解二次规划问题，具有更快的计算速度，但对于大规模数据集，采用传统方法求解非线性PSVM面临大矩阵求逆的困难。文章基于共轭梯度法结合低秩估计提出了一个大数据集上的非线性PSVM训练方法NPSVM-LD，通过多次迭代的矩阵乘积运算避免了对大矩阵的求逆。在UCI数据集上的实验表明。该方法能够在应用非线性核函数条件下，使PSVM有效处理规模在10000以内的训练集的情况。     

轿车白车身静刚度试验中若干问题的探讨

轿车白车身静刚度试验是获取静刚度值的重要手段,以国产某轿车静刚度试验为例,对于试验流程及方案选择等若干问题进行探讨,并提出试验基本流程与方案选择原则,研究结果可在较大程度上规范化静刚度试验流程,缩短试验周期。     

发动机悬置橡胶元件疲劳特性研究进展

发动机悬置橡胶元件的耐疲劳特性严重影响其使用寿命。阐述了橡胶元件的疲劳破坏机理和橡胶元件疲劳寿命的影响因素,以及国内外在天然橡胶疲劳寿命预测和悬置橡胶元件疲劳破坏方面的研究进展情况。并指出了悬置橡胶元件抗疲劳设计的发展方向。     

电信网告警数据库中的增量式挖掘技术研究

首先回顾了电信网告警数据库中数据挖掘技术应用的研究进展,然后对告警模型进行了形式化描述,并阐述了告警模式挖掘算法WINEPI的基本思想,接着讨论了时间窗宽度改变情况下对候选集规模削减的两个约束条件,基于此提出了一种基于时间窗约束的增量式频繁情景挖掘算法。实验结果表明,该算法的执行效率在一定条件下比原有WINEPI算法有显著提高。     

入侵检测系统中基于主成份分析特征提取研究

数据降维是基于模式识别方法的入侵检测系统需要解决的一个问题。由于主成份分析方法具有两个我们期望的特性，一是不同的主成份之间互不相关，二是每个主成份都是所有原始特征的线性组合．所以将主成份分析应用到入侵检测系统的特征提取中。首先我们使用ReliefF算法去除原始特征中与分类无关的特征．然后再进行主成份分析。在实际的数据集KDDCUP’99上进行的实验结果表明提出的方法是有效及实用的。