期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
无监督自适应抽样与改进孪生网络结合的网络流量异常检测方法
1
作者 尹梓诺 陈鸿昶 +2 位作者 马海龙 胡涛 白禄鑫 《电子与信息学报》 北大核心 2025年第7期2211-2224,共14页
针对基于传统机器学习的网络流量异常检测方法受流量数据类别不平衡的影响检测性能较差的问题,该文提出一种无监督自适应抽样与改进孪生网络结合的网络流量异常检测方法。首先,设计基于K-medoids的自适应小样本抽样算法(KAFS),利用无监... 针对基于传统机器学习的网络流量异常检测方法受流量数据类别不平衡的影响检测性能较差的问题,该文提出一种无监督自适应抽样与改进孪生网络结合的网络流量异常检测方法。首先,设计基于K-medoids的自适应小样本抽样算法(KAFS),利用无监督聚类对各类流量动态自适应地抽取更具代表性的少量样本,使正常和攻击流量均衡,提高训练小样本学习模型的数据质量。然后,构建具有鲁棒损失函数的孪生多层感知机(SMLP)模型用于流量异常检测,该模型利用两个相同结构的多层感知机对训练集中的成对流量样本进行训练,捕捉跨流量特征的非线性关系,学习流量数据的异同,进一步提高对攻击流量的分类精度。实验结果表明,所提方法在CICIDS2017和CICIDS2018数据集上的检测准确率分别可达99.80%和98.26%。与其他方法相比,该方法对未知攻击的检出率分别提高了至少2.85%和1.73%,有效提升流量异常检测性能。 展开更多
关键词 网络流量异常检测 类别不平衡 自适应抽样 孪生多层感知机
在线阅读 下载PDF
无注意力胶囊网络的面部表情识别方法 被引量:1
2
作者 许学斌 刘晨光 +2 位作者 路龙宾 曹淑欣 徐宗瑜 《计算机工程与应用》 CSCD 北大核心 2023年第22期251-258,共8页
表情识别技术可以从人类的表情中分析出识别对象的情感活动,针对面部表情图像复杂的空间关系和特征信息时,不能建立有效特征提取和映射模型的问题,稀疏多层感知机(spare multilayer perceptron,sMLP)使用很少的参数量让每个空间位置进... 表情识别技术可以从人类的表情中分析出识别对象的情感活动,针对面部表情图像复杂的空间关系和特征信息时,不能建立有效特征提取和映射模型的问题,稀疏多层感知机(spare multilayer perceptron,sMLP)使用很少的参数量让每个空间位置进行交流,而胶囊网络也可以表现特征的空间姿态信息,因此提出了一种新的面部表情识别模型sMLP-CapsNet,以提升表情识别空间关系映射的能力。采用CK+数据集和RAF-DB数据集,通过改进的胶囊神经网络从轮廓到细节提取面部表情图片特征,进而实现面部表情分类。相比于其他面部表情识别算法,模型精度提升效果明显,在CK+数据集和RAF-DB数据集上分别可达到99.48%以及85.69%的识别率,展现了该算法的先进性。 展开更多
关键词 深度学习 胶囊神经网络 面部表情识别 稀疏多层感知机(smlp) smlp-CapsNet
在线阅读 下载PDF
逐步多重线性回归-近红外光谱法测定汽油中乙醇 被引量:7
3
作者 张金生 李丽华 曹艳君 《抚顺石油学院学报》 1998年第2期1-3,6,共4页
采用逐步多重线性回归(SMLP)技术解析近红外(NIR)光谱数据来测定汽油中乙醇含量。在乙醇浓度为6%~20%范围内,间隔0.4%,其选取36个浓度值进行逐步回归计算。通过考察校正标准误差、预测标准误差、校正相关系数... 采用逐步多重线性回归(SMLP)技术解析近红外(NIR)光谱数据来测定汽油中乙醇含量。在乙醇浓度为6%~20%范围内,间隔0.4%,其选取36个浓度值进行逐步回归计算。通过考察校正标准误差、预测标准误差、校正相关系数和预测相关系数,以及考察最佳实验条件建立了最优回归方程,其校正标准误差和预测标准误差分别为:0.08494和0.08492。实验和预测结果表明:该方法简单、快速、准确,为测定汽油中乙醇加入量提供了一种切实可行的方法。 展开更多
关键词 汽油 乙醇 MIR光谱 测定 smlp
在线阅读 下载PDF
Implementation of a Petrographical and Petrophysical Workflow Protocol for Studying the Impact of Heterogeneity on the Rock Typing and Reservoir Quality of Reefal Limestone:A Case Study on the Nullipore Carbonates in the Gulf of Suez
4
作者 Mona G.SAFA Bassem S.NABAWY +2 位作者 Ahmed M.K.BASAL Mohammad A.OMRAN Aref LASHIN 《Acta Geologica Sinica(English Edition)》 SCIE CAS CSCD 2021年第5期1746-1762,共17页
This study focuses on the heterogeneity of the middle Miocene syn-rift Belayim nullipore(reefal)marine sequences in the Gulf of Suez and its impacts on reservoir quality.The sequences consist of coralline algal reef l... This study focuses on the heterogeneity of the middle Miocene syn-rift Belayim nullipore(reefal)marine sequences in the Gulf of Suez and its impacts on reservoir quality.The sequences consist of coralline algal reef limestones with a highly complex dual-porosity system of primary and secondary porosities of widely varying percentages.To achieve a precise mathematical modeling of these reservoir sequences,a workflow protocol was applied to separate these sequences into a number of hydraulic flow units(HFUs)and reservoir rock types(RRTs).This has been achieved by conducting a conventional core analysis on the nullipore marine sequence.To illustrate the heterogeneity of the nullipore reservoir,the Dykstra-Parsons coefficient(V)has been estimated(V=0.91),indicating an extremely heterogeneous reservoir.A slight to high anisotropy(λ_(k))has been assigned for the studied nullipore sequences.A stratigraphic modified Lorenz plot(SMLP)was applied to define the optimum number of HFUs and barriers/baffles in each of the studied wells.Integrating the permeability-porosity,reservoir quality index-normalized porosity index(RQI-NPI)and the RQI-flow zone indicator(RQIFZI)plots,the discrete rock types(DRT)and the R35 techniques enable the discrimination of the reservoir sequences into 4 RRTs/HFUs.The RRT4 packstone samples are characterized by the best reservoir properties(moderate permeability anisotropy,with a good-to-fair reservoir quality index),whereas the RRT1 mudstone samples have the lowest flow and storage capacities,as well as the tightest reservoir quality. 展开更多
关键词 reservoir heterogeneity nullipore rock typing hydraulic flow units Dykstra-Parsons coefficient stratigraphic modified Lorenz plot(smlp)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部