结合卷积神经网络和三支决策的入侵检测算法

随着网络入侵行为的多样化和智能化,传统的入侵检测算法在面对高维特征、非线性的海量数据时,存在特征提取不充分、模型分类不够精确等问题,为此,提出了一种结合卷积神经网络（convolutional neural networks,CNN）和三支决策（three-way decision,TWD）的入侵检测算法。卷积神经网络具有优越的特征提取能力;同时,三支决策可以规避因信息不足而盲目分类造成的风险,且减少分类所耗费的时间。该方法通过卷积神经网络对高维数据进行特征提取,构建多粒度特征空间,然后基于三支决策理论对网络行为做出即时决策,对于无法即时决策的网络行为进行延迟决策,即对该部分网络行为再次特征提取以构建不同的粒度特征空间,最后输出分类结果。该方法建立的模型在NSL-KDD、CIC-IDS2017数据集上的实验结果表明,提出的算法可以提升入侵检测系统的性能。     

于GWR模型的广州市住宅价格影响因素研究

以广州市“都会区”为例,基于2016~2019年住宅小区均价及POI数据,综合运用kriging插值、GWR模型对广州市住宅价格空间分布结构及其影响因素进行研究。研究结果表明:2016~2019年广州市住宅价格整体呈上升趋势,沿珠江水系发展的双核、多次中心、组团式的空间结构已基本成型;高速/快速路口、三甲医院、省一级小学对住宅价格的回归系数在中心城区与近郊区域间呈明显的正负差异,绿化率、地铁、房龄等单向影响因素回归系数强弱渐变;房龄、CBD、省一级小学、三甲医院、绿化率、休闲配套对中心城区住宅价格影响较大,而近郊区域主要受地铁、高速/快速路口的影响;较全局OLS模型,GWR模型的拟合优度大幅提高19.9%,能够更加精确地研究住宅价格影响因素的空间异质性。