网络入侵检测技术是入侵检测领域研究的热点内容,但仍然存在误报率较高、对建立检测模型的数据要求过高、在缺乏足够训练数据的"小样本"环境下检测性能明显下降等问题.基于TSVM分类机器学习算法,提出了一种有指导的网络入侵...网络入侵检测技术是入侵检测领域研究的热点内容,但仍然存在误报率较高、对建立检测模型的数据要求过高、在缺乏足够训练数据的"小样本"环境下检测性能明显下降等问题.基于TSVM分类机器学习算法,提出了一种有指导的网络入侵检测新方法,能够高效地检测网络入侵.通过基于著名的KDD Cup 1999数据集的实验,表明其相对于传统的入侵检测方法具有较高的检测率和较低的误报率;特别是在采用"小样本"训练集的情况下,其仍能保证较高的检测性能.展开更多
邮件作者身份分类技术尝试根据邮件作者的写作特征自动把邮件分类到预定的作者类别中,但是,无论是个人或公司不可能提供非常大的训练集,因此,本文采用对小样本数据分类效果较好的"交换支持向量机"(TSVM,transductive support ...邮件作者身份分类技术尝试根据邮件作者的写作特征自动把邮件分类到预定的作者类别中,但是,无论是个人或公司不可能提供非常大的训练集,因此,本文采用对小样本数据分类效果较好的"交换支持向量机"(TSVM,transductive support vector machines)做分类学习算法.本文对TSVM的原理进行了介绍,并通过实验与普通支持向量机分类学习算法进行了比较,结果表明TSVM对小样本分类效果较好,适合邮件作者身份分类技术的研究.展开更多
分类算法应用于图像检索中,可有效解决图像检索中的分类问题,缩小低层特征与高层特征之间的鸿沟,提高检索精度。以图像颜色与纹理特征并结合图像分块特征作为低层综合特征,借鉴词袋(Bag of Words)模型,利用K均值(K-means)聚类算法,分别...分类算法应用于图像检索中,可有效解决图像检索中的分类问题,缩小低层特征与高层特征之间的鸿沟,提高检索精度。以图像颜色与纹理特征并结合图像分块特征作为低层综合特征,借鉴词袋(Bag of Words)模型,利用K均值(K-means)聚类算法,分别采用支持向量机(SVM)、直推式支持向量机(TSVM)以及极限学习机(ELM)三种学习机制,对corel图像库进行分类检索。实验表明,ELM分类器的识别准确率高于SVM和TSVM分类器,且检索速度快。展开更多
针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度。以直推式支持向量机(tr...针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度。以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法。该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类。该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相。以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用。展开更多
文摘网络入侵检测技术是入侵检测领域研究的热点内容,但仍然存在误报率较高、对建立检测模型的数据要求过高、在缺乏足够训练数据的"小样本"环境下检测性能明显下降等问题.基于TSVM分类机器学习算法,提出了一种有指导的网络入侵检测新方法,能够高效地检测网络入侵.通过基于著名的KDD Cup 1999数据集的实验,表明其相对于传统的入侵检测方法具有较高的检测率和较低的误报率;特别是在采用"小样本"训练集的情况下,其仍能保证较高的检测性能.
文摘邮件作者身份分类技术尝试根据邮件作者的写作特征自动把邮件分类到预定的作者类别中,但是,无论是个人或公司不可能提供非常大的训练集,因此,本文采用对小样本数据分类效果较好的"交换支持向量机"(TSVM,transductive support vector machines)做分类学习算法.本文对TSVM的原理进行了介绍,并通过实验与普通支持向量机分类学习算法进行了比较,结果表明TSVM对小样本分类效果较好,适合邮件作者身份分类技术的研究.
文摘分类算法应用于图像检索中,可有效解决图像检索中的分类问题,缩小低层特征与高层特征之间的鸿沟,提高检索精度。以图像颜色与纹理特征并结合图像分块特征作为低层综合特征,借鉴词袋(Bag of Words)模型,利用K均值(K-means)聚类算法,分别采用支持向量机(SVM)、直推式支持向量机(TSVM)以及极限学习机(ELM)三种学习机制,对corel图像库进行分类检索。实验表明,ELM分类器的识别准确率高于SVM和TSVM分类器,且检索速度快。
文摘针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度。以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法。该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类。该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相。以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用。
