基于神经网络集成的Windows病毒检测方法研究

该文针对Win32PE病毒种类多,破坏力强的特点,提出一种基于神经网络集成的病毒检测方法。神经网络集成采用负相关学习方法进行训练,采用n-gram特征字统计方法得到病毒特征字,计算特征字信息条件熵,来选择作为训练样本的特征字。实验结果表明,神经网络集成改善了传统的特征字比对法不能识别新的病毒,容易被病毒制造者克服的缺点,在保证对Win32PE病毒较高的检测率的同时保持了较低的误检率。     

基于神经网络集成的入侵检测方法的研究

针对目前入侵检测中存在的误检率高、对新的入侵方法不敏感等问题，提出了一种基于神经网络集成的入侵检测方法。使用负相关法训练神经网络集成，采用tf×idf的系统调用编码方式作为输入。实验结果表明，与单神经网络方法相比，神经网络集成弥补了神经网络方法在检测数据上的不足，在保证较高的入侵检测率的前提下，保持了较低的误检率。     

基于GPRS的移动监控系统设计与实现

在回顾和分析监控领域的发展后,提出了一种基于ARM9平台和WINCE操作系统,利用现有的GSM网络,实现的简便移动图像监控系统。该系统包括监控终端,转发服务器和手持接收端,通过转发服务器实现两个移动网络的NAT穿越,完成图像传输,经过实际测试,该方案具有良好的可行性。     

基于BP神经网络与专家系统的故障诊断系统

针对目前国内油田压缩机故障诊断存在的效率低、自动化程度不高的问题，设计了一种基于BP神经网络和专家系统的油田压缩机故障诊断系统，利用专家先验知识和神经网络的数值推理、自学习能力，对油田压缩机的故障进行分析处理，与以往油田压缩机故障诊断方法相比，该系统自动化程度高，诊断可靠准确。     

基于样本重构的神经网络集成学习方法

在回顾以往神经网络集成的研究成果基础上，提出一种新的负相关学习方法，该方法易于执行，计算量小，有效的消除了学习中的复合线性问题，减小了集成误差，最后用测试用例对该方法进行了考察，证明该方法可以有效的降低集成预测误差，得到较为理想的集成效果。