期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于少量类标签的概念漂移检测算法
被引量：
7
1
作者
李南
郭躬德
陈黎飞
《计算机应用》
CSCD
北大核心
2012年第8期2176-2181,2185,共7页
传统的概念漂移数据流分类算法通常利用测试数据的真实类标来检测数据流是否发生概念漂移,并根据需要调整分类模型。然而,真实类标的标记需要耗费大量的人力、物力,而持续不断到来的高速数据流使得这种解决方案在现实中难以实现。针对...
传统的概念漂移数据流分类算法通常利用测试数据的真实类标来检测数据流是否发生概念漂移,并根据需要调整分类模型。然而,真实类标的标记需要耗费大量的人力、物力,而持续不断到来的高速数据流使得这种解决方案在现实中难以实现。针对上述问题,提出一种基于少量类标签的概念漂移检测算法。它根据快速KNNModel算法利用模型簇分类的特点,在未知分类数据类标的情况下,根据当前数据块不被任一模型簇覆盖的实例数目较之前数据块在一定的显著水平下是否发生显著增大,来判断是否发生概念漂移。在概念漂移发生的情况下,让领域专家针对那些少量的不被模型簇覆盖的数据进行标记,并利用这些数据自我修正模型,较好地解决了概念漂移的检测和模型自我更新问题。实验结果表明,该方法能够在自适应处理数据流概念漂移的前提下对数据流进行快速的分类,并得到和传统数据流分类算法近似或更高的分类精度。
展开更多
关键词
概念漂移
数据流
分类
knnmodel
模型簇
在线阅读
下载PDF
职称材料
IKnnM-DHecoc:一种解决概念漂移问题的方法
被引量：
13
2
作者
辛轶
郭躬德
+1 位作者
陈黎飞
毕亚新
《计算机研究与发展》
EI
CSCD
北大核心
2011年第4期592-601,共10页
随着数据流挖掘的应用日趋广泛,带概念漂移的数据流分类问题已成为一项重要且充满挑战的工作.根据带概念漂移的数据流的特点,一个有效的学习器必须能跟踪并快速适应这种变化.一种基于增量KnnModel的动态层次编码算法被提出用于解决数据...
随着数据流挖掘的应用日趋广泛,带概念漂移的数据流分类问题已成为一项重要且充满挑战的工作.根据带概念漂移的数据流的特点,一个有效的学习器必须能跟踪并快速适应这种变化.一种基于增量KnnModel的动态层次编码算法被提出用于解决数据流的概念漂移问题.在将数据流划分为数据块后,根据增量KnnModel算法对每块的预学习结果构建并更新类别层次树、层次编码,用可增量学习的分类算法对照编码划分进行学习,并生成备选分类器集.最后依据活跃度对结点进行剪枝处理以减少计算代价.在预测阶段,利用增量KnnModel算法和动态层次纠错输出编码算法的各自优势进行联合预测.实验结果表明:基于增量KnnModel算法的动态层次纠错输出编码算法不但能够提高模型学习的动态性和分类的正确性,而且还能够快速适应概念漂移的情况.
展开更多
关键词
概念漂移
数据流
纠错输出编码
增量Knn模型
分类
在线阅读
下载PDF
职称材料
增量KNN模型的修剪策略研究
被引量：
6
3
作者
黄杰
郭躬德
陈黎飞
《小型微型计算机系统》
CSCD
北大核心
2011年第5期845-849,共5页
KNN模型是k近-邻算法的一种改进版本,IKNNModel算法实现了基于KNNModel的增量学习.然而随着增量步数的增加,IKNNModel算法生成模型簇的数量也在不断地增加,从而导致模型过于复杂,也增大了预测的时间花销.提出一种新颖的模型簇修剪策略,...
KNN模型是k近-邻算法的一种改进版本,IKNNModel算法实现了基于KNNModel的增量学习.然而随着增量步数的增加,IKNNModel算法生成模型簇的数量也在不断地增加,从而导致模型过于复杂,也增大了预测的时间花销.提出一种新颖的模型簇修剪策略,在增量学习过程中通过有效合并和删除多余的模型簇,在保证精度的同时降低了模型簇的数量,从而缩短了算法的预测时间.在一些公共数据集上的实验结果验证了本方法的有效性.
展开更多
关键词
KNN模型
增量学习
修剪
在线阅读
下载PDF
职称材料
基于增量KNN模型的分布式入侵检测架构
被引量：
1
4
作者
黄杰
郭躬德
陈黎飞
《微计算机应用》
2009年第11期28-33,共6页
网络异常检测技术是网络安全领域的热点问题。目前存在的异常检测算法大多属于静态分类算法,并未充分考虑到实际应用领域中海量数据不断增加的问题。本文提出了一种基于增量KNN模型的分布式入侵检测架构,它首先将少量的训练集均匀分配...
网络异常检测技术是网络安全领域的热点问题。目前存在的异常检测算法大多属于静态分类算法,并未充分考虑到实际应用领域中海量数据不断增加的问题。本文提出了一种基于增量KNN模型的分布式入侵检测架构,它首先将少量的训练集均匀分配到各个节点上建立初始KNN模型,然后再将新增的数据分割成小块数据交由各个节点并行地进行增量学习,即对各节点的原有模型进行调整、优化,最后通过模型融合得到较为鲁棒的检测效果,在KDDCUP’99数据集上的实验结果验证了本方法的有效性。
展开更多
关键词
入侵检测系统
增量学习
并行计算
KNN模型
在线阅读
下载PDF
职称材料
题名
基于少量类标签的概念漂移检测算法
被引量：
7
1
作者
李南
郭躬德
陈黎飞
机构
福建师范大学数学与计算机科学学院
网络安全与密码技术福建省高校重点实验室(福建师范大学)
出处
《计算机应用》
CSCD
北大核心
2012年第8期2176-2181,2185,共7页
基金
国家自然科学基金资助项目(61070062
61175123)
福建高校产学合作科技重大项目(2010H6007)
文摘
传统的概念漂移数据流分类算法通常利用测试数据的真实类标来检测数据流是否发生概念漂移,并根据需要调整分类模型。然而,真实类标的标记需要耗费大量的人力、物力,而持续不断到来的高速数据流使得这种解决方案在现实中难以实现。针对上述问题,提出一种基于少量类标签的概念漂移检测算法。它根据快速KNNModel算法利用模型簇分类的特点,在未知分类数据类标的情况下,根据当前数据块不被任一模型簇覆盖的实例数目较之前数据块在一定的显著水平下是否发生显著增大,来判断是否发生概念漂移。在概念漂移发生的情况下,让领域专家针对那些少量的不被模型簇覆盖的数据进行标记,并利用这些数据自我修正模型,较好地解决了概念漂移的检测和模型自我更新问题。实验结果表明,该方法能够在自适应处理数据流概念漂移的前提下对数据流进行快速的分类,并得到和传统数据流分类算法近似或更高的分类精度。
关键词
概念漂移
数据流
分类
knnmodel
模型簇
Keywords
concept drift
data stream
classification
knnmodel
model cluster
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
IKnnM-DHecoc:一种解决概念漂移问题的方法
被引量：
13
2
作者
辛轶
郭躬德
陈黎飞
毕亚新
机构
网络安全与密码技术重点实验室(福建师范大学)
阿尔斯特大学计算与数学系
出处
《计算机研究与发展》
EI
CSCD
北大核心
2011年第4期592-601,共10页
基金
国家自然科学基金项目(61070062)
教育部回国留学人员基金项目(教外司留[2008]890号)
文摘
随着数据流挖掘的应用日趋广泛,带概念漂移的数据流分类问题已成为一项重要且充满挑战的工作.根据带概念漂移的数据流的特点,一个有效的学习器必须能跟踪并快速适应这种变化.一种基于增量KnnModel的动态层次编码算法被提出用于解决数据流的概念漂移问题.在将数据流划分为数据块后,根据增量KnnModel算法对每块的预学习结果构建并更新类别层次树、层次编码,用可增量学习的分类算法对照编码划分进行学习,并生成备选分类器集.最后依据活跃度对结点进行剪枝处理以减少计算代价.在预测阶段,利用增量KnnModel算法和动态层次纠错输出编码算法的各自优势进行联合预测.实验结果表明:基于增量KnnModel算法的动态层次纠错输出编码算法不但能够提高模型学习的动态性和分类的正确性,而且还能够快速适应概念漂移的情况.
关键词
概念漂移
数据流
纠错输出编码
增量Knn模型
分类
Keywords
concept drift
data stream
error correcting output code
incremental
knnmodel
classification
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
增量KNN模型的修剪策略研究
被引量：
6
3
作者
黄杰
郭躬德
陈黎飞
机构
福建师范大学数学与计算机科学学院
福建师范大学网络安全与密码技术重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2011年第5期845-849,共5页
基金
福建省自然科学基金项目(2007J0016)资助
教育部回国留学人员基金项目(教外司留[2008]890号)资助
文摘
KNN模型是k近-邻算法的一种改进版本,IKNNModel算法实现了基于KNNModel的增量学习.然而随着增量步数的增加,IKNNModel算法生成模型簇的数量也在不断地增加,从而导致模型过于复杂,也增大了预测的时间花销.提出一种新颖的模型簇修剪策略,在增量学习过程中通过有效合并和删除多余的模型簇,在保证精度的同时降低了模型簇的数量,从而缩短了算法的预测时间.在一些公共数据集上的实验结果验证了本方法的有效性.
关键词
KNN模型
增量学习
修剪
Keywords
knnmodel
incremental learning
pruning
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于增量KNN模型的分布式入侵检测架构
被引量：
1
4
作者
黄杰
郭躬德
陈黎飞
机构
福建师范大学数学与计算机科学学院
福建师范大学网络安全与密码技术重点实验室
出处
《微计算机应用》
2009年第11期28-33,共6页
基金
福建省自然科学基金NO.2007J0016
教育部留学回国人员基金(教外司留[2008]890号)的资助
文摘
网络异常检测技术是网络安全领域的热点问题。目前存在的异常检测算法大多属于静态分类算法,并未充分考虑到实际应用领域中海量数据不断增加的问题。本文提出了一种基于增量KNN模型的分布式入侵检测架构,它首先将少量的训练集均匀分配到各个节点上建立初始KNN模型,然后再将新增的数据分割成小块数据交由各个节点并行地进行增量学习,即对各节点的原有模型进行调整、优化,最后通过模型融合得到较为鲁棒的检测效果,在KDDCUP’99数据集上的实验结果验证了本方法的有效性。
关键词
入侵检测系统
增量学习
并行计算
KNN模型
Keywords
intrusion detection system, incremental learning
parallel computing,
knnmodel
分类号
TP393.08 [自动化与计算机技术—计算机应用技术]
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于少量类标签的概念漂移检测算法
李南
郭躬德
陈黎飞
《计算机应用》
CSCD
北大核心
2012
7
在线阅读
下载PDF
职称材料
2
IKnnM-DHecoc:一种解决概念漂移问题的方法
辛轶
郭躬德
陈黎飞
毕亚新
《计算机研究与发展》
EI
CSCD
北大核心
2011
13
在线阅读
下载PDF
职称材料
3
增量KNN模型的修剪策略研究
黄杰
郭躬德
陈黎飞
《小型微型计算机系统》
CSCD
北大核心
2011
6
在线阅读
下载PDF
职称材料
4
基于增量KNN模型的分布式入侵检测架构
黄杰
郭躬德
陈黎飞
《微计算机应用》
2009
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
