基于聚类分析与迁移学习的入侵检测方法

针对传统机器学习算法在入侵检测实际应用中训练样本和测试样本分布不一致的情况下检测精准性低的问题,提出一种基于聚类分析与迁移学习的入侵检测方法.该方法首先通过基于聚类的层次抽样技术来获取用于迁移分类训练的少量有标记数据,使得迁移分类的数据分布尽可能和所要检测的数据分布相似,然后将基于实例的简单迁移分类模型应用于入侵检测领...     

基于ABC、XGBoost与迁移学习的入侵检测方法

传统的入侵检测机器学习算法,面对有差异的新旧数据尤其是未知的攻击行为,会出现检测准确率较低、漏检率较高的问题.为此,提出了一种将人工蜂群(ABC)算法、XGBoost模型与迁移学习相结合的ABC-XGBTrl算法.首先通过使用少量有标签的新数据训练初始分类模型,然后将有标签的旧数据中分类正确的部分与少量有标签的新数据合...     

基于模糊综合评价法的有序用电管理评估研究

从城市有序用电管理需要出发,结合计算机仿真技术,提出一种基于模糊综合评价模型的有序用电管理效果评估方法。对此,首先对构建的AHP层次分析法、模糊综合评估法等理论进行分析,然后以有序用电管理为例,对其指标体系进行构建,并结合上述的理论构建了用于有序用电管理的评估算法,最后采用PYTHON仿真编程的形式,对上述算法进行编程,并计算得出了某电力局在有序用电方面的综合评分值。研究为当前电力部门有序用电管理方案的改进提供了借鉴参考,并促进电力部门加快改革、提升服务质量。     

有序用电精细化管理及实施措施探讨

精细化管理理念在有序用电管理工作中的应用,能够保证有序用电管理工作的有效落实,解决当前社会的电力供需矛盾问题,促进社会秩序的稳定,提升电网负荷率。我国当前的有序用电精细化管理中还存在很多的问题,影响有序用电精细化管理的顺利开展。针对当前的具体管理情况,对有序精细化用电管理的内容和意义进行研究,并以此为基础提出相应的应对措施,通过对用电环境的精细化管理、用电管理的精细化管理以及监督中的精细化管理,有效提升了有序用电精细化管理的效率,保证有序用电的正常运行,因此还需要在此基础上,继续对有序用电管理的精细化进一步完善和落实,进而促进我国电力企业的发展,同时也保证人们的用电质量和安全。