P2P流量实时检测系统的设计与实现

P2P实时流量检测与管控成为网络管理的研究热点。采用熵优化支持向量机方法,设计并实现了基于熵优化支持向量机的P2P流量实时检测系统。实验证明该系统能够适应网络P2P流量的变化,可以在1～2分钟内有效地在线实时识别网络中绝大多数的P2P流量。     

基于One-class SVM的实时入侵检测系统

将One-class支持向量机和Online训练算法应用于入侵检测研究中,把入侵检测看作是一种单值分类问题,能够在有噪声的数据集中进行训练,降低了对训练集的要求,提高了检测准确性。同时解决了基于SVM的入侵检测系统实时训练的问题,在实际运用中可以实时地添加新的训练样本对新出现的攻击手段进行分类。在KDD CUP’99标准入侵检测数据集上进行实验,系统缩短了训练时间并且获得了较高的检测准确率。     

实时能耗监测及能耗预测系统研究与实现

针对铝型材生产过程中能耗较大,传统人工采集能耗数据频率低,采集速度慢等问题,该文提出一种铝型材熔铸炉生产实时能耗监测及能耗预测系统。该系统一方面使用基于zigbee协议的无线传输通讯方式将生产现场电表、燃气表与交换机相连接,并通过网络接口数据发送至服务器,实现对生产能耗数据的实时监测;另一方面采用回归型支持向量机对历史生产数据进行学习,得到预测能耗模型,用于对当前生产能耗数据预测,及时发现生产中的能源损失、生产参数不当等异常现象。     

P2P流实时识别技术研究

分析了P2P流识别技术。为了提高P2P流识别的实时性,提出了基于实时属性集分类的P2P流识别方法。测试结果表明,该方法在不影响P2P流量检测精度的前提下缩短了检测时间。     

基于P2P技术的IPTV解决方案研究与设计

传统地在Internet上提供电视广播服务是采用Client/Server架构,但随着使用人数的增加Server负载日益增大,服务供应者必须负担的成本会越来越高。而IPTV是集宽带有线电视网、因特网、多媒体通讯等多种技术于一体提供包括数字电视在内的多种交互式服务的一种崭新技术。随着Internet使用人数的增加,Client/Server架构所面临的问题日益严重,使得P2P(Peer to Peer)技术逐渐被重视。文章介绍了P2P技术的原理,将Client/ServerIPTV与P2P IPTV进行了性能上的比较,最后提出一种P2P IPTV的解决方案。     

基于P2P的IPTV技术分析与系统设计

随着网络技术和信息通信技术的不断进步,P2P IPTV逐步成为一种主流。本文针对P2P核心技术及IPTV的关键技术进行了研究和分析,提出了P2P技术应用于IPTV的系统设计方案。     

基于支持向量机的实时路面检测算法

二阶多项式核函数支持向量机分类决策函数可以表示为待分类向量各分量的形式，其中的同类项可以合并，同类项的系数在得到支持向量后可以计算得出。使用这样的分类决策函数，可以避免分类时待分类向量和各个支持向量逐个进行的运算，使分类计算速度和支持向量个数无关。针对实际道路图像的对比实验表明，采用这种新算法的支持向量机路面检测分类器，在路面检测精度上优于神经网络，在计算速度上也能很好地满足实时检测的要求。     

网络入侵检测系统中网络实时监听程序的设计与实现

主要介绍了如何在Win32环境中利用Winpcap开放包开放网络入侵检测系统中的网络实时监听程序，并给出了具体的设计与实现方法，对怎样提高监听程序的效率也提出了一些见解，这种网络实时监听程序的设计与实现方法不仅在网络入侵检测系统中，而且在其他网络监控管理系统中都有广泛应用。     

滚动轴承质量管理系统的设计与实现

滚动轴承质量分类是滚动轴承产品质量控制的重要环节,构建滚动轴承在线质量管理系统对滚动轴承质量控制有着积极促进作用。在彻底调研分析滚动轴承质量分类的各项需求后,拟定了主要技术路线,搭建了系统总体架构,并对样本学习算法在滚动轴承质量检测中的应用场景进行了深入的介绍。系统能够帮助企业有效把握产品质量变化趋势,并实时监控产品质量。     

基于网格的IPTV研究及用户访问控制设计

分析了目前主要的IPTV方案及其问题,提出了基于网格的IPTV方案,即在网络核心采用P2P+网格机群服务器技术,在网络边缘采用P2P技术.阐述了IPTV的用户访问控制模型和流程.     

基于SVM的HTTP隧道检测技术研究

提出一种基于支持向量机(SVM)的HTTP隧道检测算法,该算法采用SVM提取网络流特征字段,根据特征字段生成训练数据,从而建立HTTP隧道分类检测模型,并结合知名地址匹配和单向流筛选等策略检测HTTP隧道流。与相关算法的对比实验表明,该算法不依赖样本空间的分布,能准确检测HTTP隧道流,具有较好的稳定性。     

聚合支持向量机分类器的行人检测方法

针对支持向量机分类器的行人检测方法采用欠采样方法,存在正负行人比例不平衡造成的准确率不高问题,结合欠采样和EasyEnsemble方法,提出一种聚合支持向量机（Ensemble SVM）分类器的行人检测方法。随机选择负样本作为初始训练样本,并将其划分为与正样本集均衡的多个子负样本集,构建平衡子训练集,线性组合成EasyEnsemble SVM分类器;利用该分类器对负样本进行分类判断,将误判样本作为难例样本,重新划分构建新的平衡子训练集,训练子分类器,结合EasyEnsemble SVM分类器,得到Ensemble SVM分类器行人检测方法。在INRIA行人数据集上的实验表明,该方法在检测速度和检测率上都优于经典的SVM行人检测算法。     

混合架构IPTV系统方案

传统内容分发网络(CDN)互联协议电视(IPTV)系统的部署和维护成本较高。为此,提出采用CDN和对等(P2P)混合架构的IPTV系统方案。在原有系统基础上,加入P2P技术,对上海电信IPTV系统的实验数据加以分析,设计节目热门度模型。实验结果表明,该方案能降低系统开销,提高系统的可扩展性,使用该热门度模型后,降低约40%的系统负载。     

距离加权极端支持向量机

由于极端支持向量分类机（ESVM）在对样本进行分类时并没有考虑到数据集中样本点的分布情况,对所有样本点的误差项都给予了相同的惩罚因子,使得分类器的分类效果很容易受到噪声、野值数据的干扰,针对这个问题,在ESVM的基础上提出了一种基于距离加权的极端支持向量机（WESVM）。由于不同的样本到其类中心距离的不同,因此对不同的样本给予不同的权重。分类实验结果表明WESVM与ELM、ESVM相比具有更好的分类精度。     

一种方差保持的异常检测分类机

基于核学习理论提出一种方差保持的异常检测分类器(CP-ND)。使用正常类方差使分类线与正常类空间分布保持一致,最大化分类线和异常点之间的间隔,通过二次规划求解对偶问题。训练参数v、v1和v2之间有简单约束关系,vv1和vv2分别指示正常类和异常类的误分率上界及支持向量率下界。医学诊断数据集的测试结果表明,CP-ND具有较高的分类精度。     

改进蚁群算法和支持向量机的网络入侵检测

为了提高网络入侵检测的正确率,提出一种改进蚁群优化算法（ACO）和支持向量机（SVM）相融合的网络入侵检测方法（ACO-SVM）。将SVM模型参数作为蚂蚁的位置向量,采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,同时在最优蚂蚁邻域内进行小步长局部搜索,找到SVM最优参数,采用最优参数建立网络入侵检测模型。利用KDDCUP99数据集对ACO-SVM性能进行测试,结果表明,ACO-SVM提高了网络入侵检测正确率,降低了误报率,可以为网络安全提供有效保证。     

移动Ad Hoc网络联合路由入侵检测模型研究

无线移动Ad Hoc网络是一种新型的无线移动通信网络,由于其动态拓扑、无线信道以及资源有限等特点,容易遭受各种攻击。特别地,由于网络中的每个节点都参与路由,Ad Hoc网络路由协议自身的安全性尤为重要。以入侵检测技术为基础,分析针对AODV路由协议的各种攻击,提出了一种新的、有效的将有限状态机（FSM）协议分析和支持向量机（SVM）统计学习方法相结合的无线移动Ad Hoc网络路由入侵检测模型,该模型通过检测针对路由协议的各种攻击来实现安全路由。通过NS-2网络仿真实验表明：基于FSM和SVM相结合的混合入侵检测机制具有较高的检测精度和检测性能。     

结合SVM的交互式遗传算法在入侵检测中的应用

针对入侵检测中存在样本少、特征多、难于将实际经验与现有算法有机结合的问题,将交互式遗传算法应用到入侵检测技术中,并结合SVM的特点,设计出改进后的分类识别算法。实验证明,将SVM与交互式遗传算法相结合应用于入侵检测领域中,算法有效、可行,而且能获得很好的检测率。     

基于GAN-PSO-ELM的网络入侵检测方法

针对传统机器学习方法在处理非平衡的海量入侵数据时少数类检测率低的问题，提出一种融合生成式对抗网络（GAN）、粒子群算法（PSO）和极限学习机（ELM）的入侵检测（GAN-PSO-ELM）方法。对原始网络数据进行预处理，利用GAN并采用整体类扩充的方式对数据集进行少数类样本扩充。在扩充后的平衡数据集上，利用PSO算法优化ELM的输入权重与隐含层偏置，并建立入侵检测模型。在NSL-KDD数据集上进行仿真实验。实验结果表明，与SVM、ELM、PSO-ELM方法相比，GAN-PSO-ELM不仅具有较高的检测效率，而且在整体检测准确率上平均提高了3.74%，在少数类R2L和U2R上分别平均提高了28.13%和16.84%。     

多分类支持向量机分割彩色癌细胞图像

在细胞彩色图像处理中,为了有效地计算与分析细胞各特征值,对细胞图像的精确的三域分割是细胞自动分析与识别的一个关键环节。提出利用多分类支持向量机对细胞彩色图像进行背景、胞浆与核的一次性三域分割,并且通过聚类分析的方法实现了在线训练,实验表明,该方法在细胞彩色图像的多域分割上,能获得较高的分割精度和较好的鲁棒性。