基于核学习的入侵检测改进方法

针对入侵检测中部分攻击类型检测率低的问题,提出一种基于核学习的入侵检测改进方法。采用核主成分分析(KPCA)对入侵检测中的高维非线性结构数据集进行数据预处理,通过支持向量数据描述(SVDD)构造分类器,对预处理后的数据进行分类。实验结果表明,与已有方法相比,改进方法的检测精度较高、漏检率较低。     

基于Bagging的概率神经网络集成分类算法

目前的神经网络较多集中在以BP算法为基础的BP神经网络上。针对BP神经网络的不足,在分析研究概率神经网络和机器学习的基础上,结合集成学习的思想,提出了基于Bagging的概率神经网络集成分类算法。理论分析和实验结果都表明,提出的算法能够有效地降低分类误差,提高分类准确率,具有较好的泛化能力以及较快的执行速度,能够取得比传统的BP神经网络分类方法更好和更稳定的分类结果。     

基于粗糙集和单事务项组合的关联规则挖掘算法

Apriori算法必须反复地扫描数据库才能求出频繁项集,效率较低,且不支持更新挖掘。为了解决这些问题,提出了一种基于粗糙集、单事务项组合和集合运算的关联规则挖掘算法。本算法首先利用粗糙集进行属性约简,对新决策表中的每个事务进行“数据项”组合并标记地址,然后利用集合运算的方法计算支持度和置信度即可挖掘出有效规则。本算法只需要一次扫描数据库,同时有效地支持了关联规则的更新挖掘。应用实例和实验结果表明,本算法明显优于Apriori算法,是一种有效且快速的关联规则挖掘算法。     

基于UPnP的通用型桥接器设计与实现

在现代物联网中,各类异构网络协议在设备互联上存在不兼容性问题。为此,设计一种能够同时支持多种异构网络协议互联的新型通用型桥接器,该桥接器以UPnP协议为标准。在协议的通用性桥接上,桥接器采用分层处理的方法,在底层为每个异构网络协议编写独立的、协议相关的插件模块,并动态加载到桥接器中,形成一个半开放式的转接引擎。实验结果表明,在不改变原有内部结构的情况下,该桥接器可动态加载或取消对任一异构网络协议的桥接,并对新协议的支持具有完全的开放性和独立性。桥接器可较好地完成各类异构网络设备间的互联,实现资源的共享和异构网络的融合。