基于簇的孤立点检测

提出一个新的概念——基于簇的孤立点概念,这个概念的提出有助于理解局部数据的行为,同时也描述了如何利用LDBSCAN算法发现基于簇的孤立点,并为每一个对象计算局部偏离因子.     

一种基于孤立点挖掘的入侵检测技术

探讨基于孤立点挖掘的异常检测的可行性,将基于2k-距离的孤立点挖掘方法应用到入侵检测中,并针对该方法无法很好地处理符号型属性数据的问题,采用编码映射方法对符号型数据进行处理,同时利用主成分分析来实现对编码映射后扩展的属性进行降维。详细阐述了具体实现方案,并通过仿真实验验证了该方法的可行性。     

一种基于数量关联的孤立点检测算法

孤立点检测是数据挖掘的重要研究方向之一,目标是发现数据集中不具备数据一般特性的数据对象.通过挖掘数据属性间内在的数量关联规则,标记产生的弱关联规则中置信度小于阈值的极小概率事件为孤立点,提出了一种基于数量关联的离群点检测算法.实例表明,算法能够有效检测数据集中的孤立点,具有应用价值.     

一种基于统计特征的孤立点和边缘点检测算法

提出一种基于统计分布特征的图像孤立点和边缘点检测的方法。通过定义离群半径,将每个像素点的邻域点进行初步分类,得到疑似孤立点,然后根据每一个点在不同邻域被划分为疑似孤立点的次数,计算该点的孤立置信度。根据孤立点和边缘点具有不同的邻域无关性的特性,从而可以用不同的孤立置信度阈值将两者分别检测出来。实验表明,文中的方法能够有效地检测孤立点和边缘点。     

基于孤立点检测的欠定混合矩阵盲辨识

本文将孤立点检测的思想引入到欠定混合矩阵的盲辨识问题,提出了一种基于孤立点检测的混合矩阵盲辨识方法.首先计算混合信号的空间时频分布并检测出单源时频点,然后检测出单源时频点中的孤立点并将其从中去除,再通过聚类的方法估计混合矩阵.该方法降低了对信号稀疏性的要求,通过去除数据中的孤立点,提高了矩阵的估计精度,同时也有助于对源信号数目的估计.仿真实验表明,与已有算法相比,本文方法进一步提高了混合矩阵的估计精度,并且有更强的鲁棒性.     

基于特征点的目标检测方法

几十年来,目标检测一直是计算机机器视觉领域中非常重要的研究方向.特别在人工智能飞速发展的今天,目标检测也越来越受到人们的关注,因为很多机器视觉问题都以目标检测为前提.基于特征点的检测方法是目标检测方法中一类细节检测算法,不但可以得到目标的位置,而且可以得到目标中各个特征点的位置.除了上述特点之外,特征点检测方法很容易将特征点周围的局部纹理信息和特征点之间的空间关系信息进行融合,因此检测结果更加准确.本文就特征点检测方法的理论与发展进行总结阐述,按照功能递进的顺序详细介绍了具有平移不变性的特征点检测方法、具有旋转不变性的特征点检测方法和具有旋转尺度不变性的特征点检测方法,以期为特征点检测方法的发展提供线索与思路.     

广播电台安全播出风险分析方法研究

结合广播电台网络化制播体系的特点、现状,主要分析风险评估理论与工程实践的结合点．研究如何将风险评估理论和方法应用到广播电台网络化制播体系的安全播出风险评估中。通过研究,实现风险评估理论的转化应用工作,为广播电台建立一套便于实施的风险评估模型,使风险评估的理论和方法在广播电台网络化制播体系的安全播出管理中能够得到真正的应用,帮助提高广播电台安全播出管理水平,为广播电台安全播出提出一个评估的依据和参考。     

基于RASP的Web安全检测方法

目前,传统的Web安全检测方法作用于程序输入输出端,不能防范经变形混淆后绕过检测进入程序内部执行的恶意代码,难以满足当前Web应用安全防护新需求。本方法基于对传统数据流监控方法风险的深入分析,结合RASP技术特性,提出了基于RASP的Web安全检测方法,在Web应用程序内部的权限判别函数参数、系统命令执行函数参数、数据库操作函数参数处埋下 RASP 探针,在代码解释器层面实时检测数据流的变化。本方法基于Java语言进行了实现,在实验室证明该方法在准确率和检测时间上优于传统的Web安全检测方法,并在最后分析提出了本方法的部署和应用场景。     

广电网络机房的安全播出风险分析方法

在计算机信息、食品、卫生、消防、工矿等行业都对本行业的安全分析方法有深入研究，并形成了一些相应的安全评估办法。本文结合广播电视网络的特点。讨论了如何对广播电视网络机房的安全播出进行风险分析。     

基于剔除孤立点的物流成本预测模型

孤立点对物流成本预测结果具有干扰作用,而当前模型均没有考虑孤立点的负面影响,预测结果可信度低。为了改善物流成本的预测效果,提出基于剔除孤立点的物流成本预测模型。首先对当前物流成本预测研究现状进行分析,并根据密度方法找到物流成本原始数据中的孤立点,删除这些孤立点,然后对物流成本数据进行聚类,找到物流中隐藏的变化特点,采用最小二乘支持向量机建立物流成本预测模型,最后通过物流成本预测实验对性能进行测试。测试结果表明,该模型消除了孤立点的干扰,提高了物流成本的预测精度,物流成本预测的建模效率得到改善,具有很好的实际应用价值。     

基于粗糙集理论的序列离群点检测

作为数据挖掘的一项重要任务,离群点检测已经引起人们的广泛关注.本文基于粗糙集理论来讨论离群点的定义与检测问题,提出了一种新的离群点定义--粗糙序列离群点以及相应的离群点检测算法RSOD.该算法利用粗糙集理论中的知识熵和属性重要性等概念来构建三种类型的序列,并通过分析序列中元素的变化情况来检测离群点.在UCI标准数据集上...     

基于扩展粗糙集理论的信用风险分析

在对传统信用风险等级评价模型总结的基础上,提出了一种基于扩展粗糙集理论的评价方法.该方法首先将信用风险等级评价抽象成一个多准则分类问题,然后使用DRSA法直接从历史数据中提取决策规则,所得到的规则不仅可以用于企业的信用等级评价,还可以反映各指标与信用等级之间的关系.通过一组上市公司的实际数据验证了该方法的有效性.     

基于边界和距离的离群点检测

近年来,离群点检测已经引起人们的广泛关注. 离群点检测在网络入侵检测、信用卡欺诈、电子商务犯罪、医疗诊断以及反恐等诸多领域都具有十分重要的作用. 离群点检测的目的是为了发现数据集中的一小部分对象,与数据集中其余的大部分对象相比,这一小部分对象有着特殊的行为或者具有反常的属性. 针对现有的离群点检测方法不能有效处理不确定与不完整数据的问题,本文将粗糙集中边界的概念与 Knorr 等所提出的基于距离的离群点检测方法结合在一起,在粗糙集的框架中提出一种新的离群点定义与检测方法. 针对于该方法,我们设计出相应的离群点检测算法 BDOD,并且通过在临床诊断数据集上所进行的实验,验证了算法BDOD的有效性. 实验结果表明本文的方法为处理离群点检测中的不确定与不完整数据问题提供了一条新的途径.     

WSNS中基于Fusion-Bayes的离群点检测

随着无线传感器网络技术的发展,数据采集量越来越大,维数也不断提高。然而现有的离群点检测算法多是面向单维或低维度数据,对此文中提出了基于Fusion-Bayes的离群点检测算法。该检测方法首先利用数据转换技术将不同数据属性转换成统一格式,使得各属性可以进行融合运算;然后再利用贝叶斯方法对融合后的属性进行离群点检测。通过实验得出,多维数据属性融合后的检测结果相比于单维属性或低维属性的检测更加准确、效果更好。     

基于熵的粗糙集属性简约算法

本文定义了四种条件熵，并在此基础上提出了四种基于熵的方法，以用于粗糙集数据分析中的属性简约。举例说明了这四种基于熵的属性简约算法各自的优缺点。最后对两个实际数据库进行了测试，结果表明了所提出的基于熵的属性简约算法的有效性。     

基于粗糙集特征级融合的肺结节检测算法

以肺结节的检测为研究目标,针对肺结节特征级融合检测算法中存在特征结构不合理和特征表达不紧致两个问题,提出了一种基于粗糙集特征级融合的肺结节检测算法,该算法首先分析肺部CT影像的医学征象,提出了六个新的三维特征,并综合其他二维和三维特征共42维特征分量共同量化ROI;然后基于粗糙集对提取的特征集合进行5次特征级融合实验;最后利用网格寻优算法优化核函数的SVM作为分类器进行肺结节识别.以70例肺结节患者的肺部CT影像为原始数据,通过4组对比实验验证算法的有效性和稳定性,实验结果表明,经过粗糙集特征级融合的肺结节检测算法识别肺结节的能力得到了有效提升.