基于支持向量数据描述的高效异常数据检测算法

为了解决大规模数据中的异常检测问题,提出了基于支持向量数据描述(SVDD)的高效离群数据检测算法。该算法的核心思想为:首先利用SVDD获得包含单类数据的最小球形边界,然后通过该边界对未知样本数据进行分类,并利用最小闭包球算法对SVDD分类器进行优化求解。在UCI机器学习数据集和入侵检测数据集上将该算法与其他离群数据检测算法进行了实验比较,结果表明,该算法不仅获得了更高的检测准确率,而且具有较低的运行时间。     

基于支持向量机的网络入侵异常检测

针对入侵检测系统（IDS）这门新兴的安全技术，提出了一种基于支持向量机的网络入侵异常检测模型，以支持向量机（SVM）的二类分类能力对网络入侵进行异常检测，实验结果与ANN方法结果相比较证明：该方法具有较高的准确性，而且可以大大缩短训练与检测时间．     

基于支持向量异常检测算法的新故障检测

对于一个智能故障分类与诊断系统，需要有检测新出现的故障模式的能力。采用一种支持向量异常检测算法，即支持向量数据描述（SVDD），建立已知故障类训练样本的描述模型，并用于检测新的训练中未见的故障类样本。以实测的轴承多种故障类样本为例，结果表明：通过选取合适的算法参数，SVDD对设定的新故障类样本的检测率迭88％-100％，同时对已知故障类样本的识别率达83％-94％。     

基于改进型SVM的城市污水处理过程异常数据清洗方法

针对城市污水处理过程数据存在噪声和缺失的问题,提出一种基于改进型支持向量机(improved support vector machine, ISVM)的异常数据清洗方法.首先,设计一种基于密度估计的噪声数据检测方法,实现对污水噪声数据甄别与剔除.其次,建立一种基于ISVM的缺失数据补偿模型,对缺失数据进行非线性拟合,获得数据缺失时刻的补偿值.最后,运用粒子群优化(particle swarm optimization, PSO)算法更新ISVM参数,提高缺失数据的补偿精度.将该清洗方法应用于城市污水处理过程中,实验结果表明,基于ISVM的异常数据清洗方法能够实现对异常数据的剔除以及缺失数据的补偿,提高了数据质量.     

基于谱聚类的多维数据集异常数据检测方法

针对多维数据集异常数据检测过程中未对多维数据集进行降维处理,导致多维数据集中异常数据检测精度较低、误检率较高、检测时间较长的问题,提出一种基于谱聚类的多维数据集异常数据检测方法。首先,通过拉普拉斯矩阵对多维数据集中的数据进行聚类,初步分类数据;其次,采用局部线性嵌入（LLE）算法对分类后的数据进行降维处理,用特征向量表达高维数据集,去除多维数据集中的冗余信息;最后,将处理后的多维数据集输入到支持向量机模型中,根据回归估计值的计算,完成异常数据的检测。实验结果表明,本文算法进行多维数据集中异常数据检测的精度更高、误检率更低,检测时间较短。     

基于卷积神经网络的电力工程造价数据异常识别方法

考虑到传统方法在电力工程造价数据异常识别中存在识别精度低、质量差的问题,提出了一种基于卷积神经网络的电力工程造价数据异常识别方法。通过搭建密度分布函数,计算工程造价异常数据的波动系数;根据工程造价异常数据的包络特征,计算工程造价异常数据权重;利用工程造价异常数据矩阵,求解工程造价异常数据的聚类中心。实验结果表明,文中方法在识别工程造价异常数据时可以提高工程造价异常数据识别的精度和质量。     

军用无人机研制费用的支持向量机预测

应用支持向量机建立了军用无人机研制费用预测模型,并采用该模型对某型军用无人机研制费用进行了预测。实例表明,与常规预测方法的结果相比,在少样本的情况下,建立预测模型具有更高的预测精度。     

基于支持向量机的网络入侵异常检测

针对入侵检测系统(IDS)这门新兴的安全技术,提出了一种基于支持向量机的网络入侵异常检测模型,以支持向量机(SVM)的二类分类能力对网络入侵进行异常检测,实验结果与ANN方法结果相比较证明:该方法具有较高的准确性,而且可以大大缩短训练与检测时间.     

网络入侵异常检测的实时方法

目前市面上的入侵检测系统一般都是基于特征匹配,不能对未知入侵进行有效检测,异常检测可以较好地检测未知入侵.MIT林肯实验室提出了一种离线的异常入侵检测方法,但不能据此建立实际的入侵检测系统,为此,提出一种能实时检测网络异常的入侵检测方法.该方法可以实时重建网络连接,提取每一连接的31个与入侵有关的特征,运用支持向量机进行在线检测,实验结果表明,该方法是有效的,检测精度在95%以上.为缩短入侵检测时间,对最短检测时间进行了研究,提出了最优入侵检测时间算法,根据此算法得出局域网内的异常连接在250ms内即可较准确地检测出.     

工程测绘中无人机遥感测绘技术的应用分析

工程测绘是建筑项目、城市规划建设、环境格局建设的基础,通过科学性的数据分析,为后续项目开展开设提供精准的数据支持。基于此,文章对无人机遥感测绘技术特性进行分析,指出我国无人机遥感技术发展现状,并对工程测绘中无人机遥感测绘技术的应用以及相关注意事项进行研究。     

基于双边滤波的钢筋检测方法

采用传统高斯滤波方法和高斯滤波方法与图像亮度信息相结合的一种新的双边滤波方法,分别将2种方法应用在钢筋检测的滤波过程。通过对比实验结果表明:双边滤波方法可以得到更有效的边缘信息,提高钢筋检测的准确率。     

Anomaly Detection Algorithm for Stay Cable Monitoring Data Based on Data Fusion

In order to improve the accuracy and consistency of data in health monitoring system, an anomaly detection algorithm for stay cables based on data fusion is proposed. The monitoring data of Nanjing No.3 Yangtze River Bridge is used as the basis of study. Firstly, an adaptive processing framework with feedback control is established based on the concept of data fusion. The data processing contains four steps: data specification, data cleaning, data conversion and data fusion. Data processing information offers feedback to the original data system, which further gives guidance for the sensor maintenance or replacement. Subsequently, the algorithm steps based on the continuous data distortion is investigated,which integrates the inspection data and the distribution test method. Finally, a group of cable force data is utilized as an example to verify the established framework and algorithm. Experimental results show that the proposed algorithm can achieve high detection accuracy, providing a valuable reference for other monitoring data processing.     

基于数据挖掘的垃圾E-mail过滤方法

分析了己有的垃圾E-mail过滤规则的算法的本质,给出了将邮件表示成事务的方法。在将垃圾邮件的训练集表示成事务集后,可以用FP-Tree算法从训练集中挖掘出频繁特征集。同时探讨了如何将一个频繁特征集表示成规则及如何使用规则的问题。     

一种基于傅立叶变换的异常入侵检测方法

利用傅立叶变换对一组从审计记录中获得的离散数据进行处理,介绍了选择傅立叶变换的系数的准则,它用来从一组系数中寻找出一个统一的标准值;并用这个值与一个门槛值相比较,以决定是否有异常情况发生,同时给出了一些测试结果.     

基于路径旅行时间分析的交通异常检测方法

为了综合考虑连续路段通行能力波动对旅行时间的影响,避免由单一路段通行能力的常规性波动所导致的交通异常误判,提出了一种基于路径旅行时间分析的交通异常检测算法。该算法将深圳市路网网格化为若干个地理子区,以地理子区为单位,使用ST-matching地图匹配算法将深圳市出租车GPS坐标记录点匹配到相应路段,采用基于密度的DBSCAN聚类算法计算路径旅行时间的时变异常阈值,来判定旅行时间的异常。该方法成本低廉,实施难度小,能精确灵敏地检测交通网络异常。     

基于熵和线性关系的两级流量异常检测方法

提出了一种基于熵和线性关系的两级流量异常检测方法,综合考虑了流量异常检测方法的准确性和实时性要求.该方法在时间域上设定两级动态阈值,采用基于熵的方法对异常时间点进行检测,对熵值变化程度明显的时间点可使用一级阈值检测出来,而对熵值变化程度处于一级阈值和二级阈值之间的时间点采用基于线性关系的方法再次进行检测,并通过定义的报警触发函数识别异常类型.仿真实验结果证明,该方法在准确性和实时性方面优于现有的方法.     

一种基于动态阈值的突发流量异常检测方法

网络异常流量检测是当前网络安全领域的热点问题。传统的基于信息熵的检测方法大多采用固定阈值,无法动态适应不断变化的网络环境。针对该问题提出了一种改进的基于信息熵的突发流量检测方法,能根据正常历史流量的熵值动态调整阈值大小。实验结果表明,该方法对DDo S和Flash Crowd这两种情形引起的突发流量具有较好的检测效果。     

基于CSA无监督模糊聚类算法的异常检测方法

为解决模糊k 均值算法对初始化敏感及易陷入局部极值的不足,提出了基于克隆选择算法(CSA)的无监督模糊聚类异常入侵检测方法. 应用结合了具有进化搜索、全局搜索、随 机搜索和局部搜索特点的克隆算子快速得到了全局最优聚类,并应用模糊检测算法检测网络中的异常行为模式. 该方法的优点是不需要人工对训练集分类,并且可以检测出未知的攻击. 仿真试验表明,该方法不但能检测出未知的攻击,而且具有较低的误报率和较高的检测率.     

基于改进DNN的物联网异常攻击检测方法

针对训练样本不足时,传统物联网异常攻击检测模型精准度不足的问题,引入决策树(DT)来对深度神经网络(DNN)模型进行改进。决策树的加入,让DNN进行及特征提取时,更容易获得最优的显著特征集;同时,通过决策树还能够对特征特点进行总结,通过DNN的感知学习能力,推断出新的特征,使模型能够识别出更多的物联网行为。最后,通过仿真验证改进后的模型性能,结果表明,DT-DNN模型能够对黑洞攻击、DDoS攻击等多种物联网攻击行为进行检测,且检测具有相对较高的精确度、召回率和F1分数,证明该检测模型可应用于多种物联网攻击类型检测,具有一定的实用性。     

一种基于LSM的数据源在异常检测中的应用

针对异常检测中的数据源选择、行为描述、正常行为学习和行为匹配,提出了一种新的基于安全模块的数据源。为验证其有效性,采用基于信息理论的数据分析和马尔可夫模型两种方法,并与目前较多采用的系统调用数据源作了对比。实验结果表明,新数据源有效,且在一定条件下,比系统调用数据更具优势。