基于实体嵌入和长短时记忆网络的入侵检测方法

针对网络入侵检测过程中无法有效处理入侵数据中分类变量的表示，导致网络入侵检测准确率低、漏报率高等问题，提出一种基于实体嵌入和长短时记忆网络（long short-term memory network，LSTM）相结合的网络入侵检测方法。首先，在数据预处理时，将表示网络特征数据中的数值型变量和分类型变量数据分开，通过实体嵌入方法将分类型变量数据映射在一个欧几里得空间，得到一个向量表示，再将这个向量嵌入到数值型数据后面得到输入数据。然后，通过把数据输入到长短时记忆网络中去训练，通过时间反向传播更新参数，得到最优嵌入向量作为输入特征的同时，也得到一个相对最优的LSTM网络的检测模型。在数据集NSL-KDD上进行实验验证，结果表明实体嵌入是一种有效处理网络入侵数据中分类变量的方法，它和LSTM网络相结合组成的模型能够有效提高入侵检测率。在数据预处理时对分类变量的处理中，实体嵌入方法与传统的One-Hot编码方法相比，检测的准确率提高1.44个百分点，漏报率降低2.99个百分点。     

一种基于long short-term memory的唇语识别方法

唇动视觉信息是说话内容的重要载体。受嘴唇外观、背景信息和说话习惯等影响,即使说话者说相同的内容,唇动视觉信息也会相差很大。为解决唇语视觉信息多样性的问题,提出一种基于long short-term memory（LSTM）的新的唇语识别方法。以往大多数的方法从嘴唇外表信息入手。本方法用嘴唇关键点坐标描述嘴唇形变信息作为唇语视频的特征,它具有类内一致性和类间区分性的特点。然后利用LSTM对特征进行时序编码,它能学习具有区分性和泛化性的空间-时序特征。在公开的唇语数据集GRID、MIRACL-VC和OuluVS上对本方法做了针对分割的单词或短语的说话者独立的唇语识别评估。在GRID和MIRACL-VC上,本方法的准确率比传统方法至少高30%;在OuluVS上,本方法的准确率接近于最优结果。以上实验结果表明,本文提出的基于LSTM的唇语识别方法有效地解决了唇语视觉信息多样性的问题。     

应用罚函数方法构建广义指数因子预报模型——黄金价格预测的实证分析

采用不同的损失函数和罚函数构建了广义指数预报因子模型,用该模型来预测国际黄金价格. 构建方法包括:1)岭估计方法;2) 基于L₁、L₂以及二者结合的损失函数L_M,利用LASSO和SCAD 2种罚函数选取不同参数EWMA的线性组合作为预报因子. 实证检验表明,该方法构建的模型有效改进了单参数EWMA预测模型,其预测精度优于已有方法.     

一种LSTM神经网络和卡尔曼滤波相结合的复合材料承载预测方法

复合材料是基于多种材料组分的不同组合方式经由相应工艺加工而成的新型材料,近年来凭借其优良的综合性能被广泛应用于交通、建筑等领域,其试验分析结果有时候与经验分析存在较大误差,从而建立可信的分析方法对复合材料承载性能进行验证具有十分重要的理论意义。基于长短期记忆（long short term memory,LSTM）深度学习网络模型的预测精度受数据序列长度影响,提出一种LSTM神经网络和Kalman滤波相结合的复合材料承载预测方法,既可以克服训练数据序列长度对传统LSTM神经网络的影响,又使得Kalman滤波可以从输入数据中学习。仿真结果表明,该方法可以获得优良的预测性能：LSTM-KF模型的承载预测误差将LSTM模型的预测误差从0.033 0 kN减小到0.016 0 kN,降幅为51.52%。     

无线密集网络中的低损耗多臂老虎机算法

近年来人们对移动无线服务的需求与日俱增,为应对这一挑战,超密集无线网络被认为是下一代无线通信网络的基础设施架构和重要组成部分,基站的密集布置可以减少每个小区的服务用户数量,从而可为网络用户提供高速且低延迟的无线服务。但同时带来的不可避免的问题是用户在选择接入时会触发频繁的网络切换以确保可以接入到服务最佳的网络。用户接入问题往往被建模成在线学习模型。本文旨在寻找一个高效的在线用户接入方案以应对频繁网络切换造成的额外性能损失。通过对多臂老虎机模型的分析,提出基于操作杆淘汰机制的改进算法,并通过严格理论分析及数值仿真实验两个角度论证该算法的有效性。     

基于SIR的网络谣言演化模型与控制策略

基于改进的SIR模型构建了考虑自媒体作为信息传播者的网络谣言传播模型.对其系统稳定性进行数值分析,并通过仿真分析结合实际案例数据验证.仿真结果表明,自媒体的参与将扩大谣言的范围和影响力.在此基础上,提出网络舆情政府控制策略及发布时间点,以有效抑制网络谣言传播、控制舆情.     

基于特征编码和图嵌入的姓名消歧方法

针对作者姓名歧义问题,提出基于特征编码和图嵌入的作者姓名消歧方法。该方法首先利用word2vec模型对文档的属性特征进行编码从而构建文档的表征向量,然后采用图自动编码器将文档关系编码至文档向量中,聚类相似文档。为进一步提升聚类结果的准确性,使用图嵌入的方法将文档关系网络和作者关系网络的拓扑结构信息引入文档向量,进一步聚集相关文档。该方法同时利用文档的属性特征以及多个关系网络的信息,通过无监督学习的方法寻找文档表征向量,实现良好的姓名消歧效果。在真实作者数据集AMiner上的测试结果表明,该方法显著优于目前几个其他基于图网络的方法。     

投影寻踪学习网络的非对称损失改进

本文针对投影寻踪学习网络信用评分存在第I类错误率高的问题,提出了基于非对称损失下投影寻踪学习网络方法的改进,给出了UCI机器学习数据库中德国信用评分数据集上的测试结果。实验表明,本算法对解决投影寻踪学习网络信用评分的问题是有效的。     

移动边缘计算中的在线任务卸载方法

为减少移动边缘计算(mobile edge computing,MEC)网络中移动用户的长期任务开销,利用强化学习的马尔科夫决策过程,将用户的移动性与系统的动态信息建模为随机优化问题.依据系统信息的状态,将问题分为系统信息已知、系统信息未知2种情况.在系统信息已知时,提供了问题的最优解;系统信息未知时,基于在线学习提出...     

基于风险价值模型的干散货二手船交易风险测度

基于干散货二手船交易市场的波动性和交易风险一直备受船舶所有人、投资者、银行和造船厂的关注, 通过基于广义误差分布的自回归条件异方差（Generalized AutoRegressive Conditional Heteroskedasticity based on General Error Distribution, GARCH GED）模型计算得到二手船价波动率, 运用风险价值和损失期望值模型计算出一定置信水平下二手船交易的最大损失及损失的期望值.以5 年期的干散货好望角船二手船价进行实证分析,结果表明,上述方法能量化交易风险,有助于交易决策和风险控制.     

运用LSTM神经网络对川滇地区的地震中期预报——回溯性预测2008年汶川MS8.0地震的探索

地震预报是当代科学难题,把机器学习方法运用于地震预报探索是一个研究热点。大地震造成巨大的人员伤亡和经济损失,因此对大震的预测是地震预报的主要目标。利用1970年以来的川滇地震目录,选择16个反映地震时空强度分布特征的地震预测因子,采取滑动时空窗口方法有效地挖掘数据的隐藏信息,对川滇部分地区开展了基于长短期记忆（long short-term memory,LSTM）神经网络的为期一年的地震预报研究。结果显示,用1970—2019年地震目录的70%（时间窗口大概为1970年到2004年前后）作为训练集训练网络,对剩余的30%作为测试集（时间窗口大概为2005年前后到2019年底）进行回溯性预报检验时,实际震级落在预测震级±0.5内的准确率为70.2%,虚报率为18.7%,漏报率为11.1%,可以回溯性预测2008年汶川M_S8.0地震。为测试模型的稳健性,进行了扩大研究区域范围、改变大震级地震在均方差计算中的权重等测试。在这些测试中,LSTM神经网络模型依然表现良好。     

基于在线开放课程实践混合式教学模式的研究——以高职“报关业务”课程为例

近年来,受国家政策与信息时代潮流的影响,各高等院校纷纷建设与实施在线开放课程等信息化教学手段,混合式教学模式得以广泛流行。从高职院校“报关业务”课程建设在线开放课程的实践出发,讲述了在混合式教学模式探索方面的得失,认为此模式虽然没有解决所有问题,但注重个性化学习、能够调动学生的学习积极性,从而有效提升教学效果,是值得高职教师认真实践探索的教学模式。     

基于高斯层级损失的开放场景物体检测

计算机视觉中的物体检测包括2个目标——对物体的定位和识别。由于现有大多数的物体检测方法都是类别依赖的,因此无法应对开放场景中新类别的检测。注意到检测中定位和识别2个目标从已知类向未知类迁移的难度不同,定位具有更好的普适性,同时受人类在认知未知物体过程中层次关系的启发,提出一种高斯层级损失模型,在物体检测中采用物体类别层次化建模,在学习层级结构中每个类别多维高斯分布的同时,使用KL散度描述类别之间的层级关系,增强已知类到未知类的迁移性,从而提升物体检测方法在开放场景下对未知类的识别能力。实验表明,所提出的方法可以在不损失已知类性能的前提下,提升对未知类的检测能力。     

分布式入侵检测系统的协作交互研究

组件之间的信息交互及协作分析是分布式入侵检测系统的关键问题,在基于层次化协作模型分布式入侵检测系统的基础上,分析了检测组件的信息交互需求,从静态分析的角度提出了扩展入侵检测消息交互格式,针对不同类型攻击行为的组件交互及协作流程,进行了动态的流程分析,为检测系统实现高效的入侵事件通报、审计数据收集、入侵事件协作检测和入侵行为分布式响应提供了标准的表述格式和流程定义.     

试论职业教育为先导的高职体育教育创新

职业院校实施的体育教育中依然需要突出职业教育的特质。＂工学结合＂是目前职业院校的教育特色之一,＂工学结合＂已成为高等职业教育人才培养的主要模式,给高职院校如何在＂工学结合＂下做好体育教育教学带来了新的课题。如何顺应职业教育环境的发展趋势,实现高职体育教师素质、体育教育理念、模式、职能、机制的转变显得尤为必要和迫切。     

基于COOC的深度学习过程设计与实践研究

近年来,随着教育信息化的不断推进以及学习科学的不断发展,如何利用信息技术促进学习者深度学习成为教育技术学界的热门话题.协作式开放在线教程(Collaborative Open Online Course),即基于互联网的协作式开放在线教程,是MOOC在教材编写环节中的延伸,为促进学习者深度学习提供了新的思路.本文论述了COOC的主要功能对深度学习的支持,并以基于项目的学习理论为指导,构建了COOC支撑下的深度学习过程模型.通过具体实践,分析了该模型的应用效果,以期为深度学习的有效开展提供参考,并为MOOC的动态教材编写提供支持.     

基于问题的在线学习支持研究

基于问题的学习近年来受到广泛重视,网络环境的特定优势为开展基于问题的学习提供了更为有利的条件、学习支持以及逼真的问题情境、问题表征形式的多样化,有利于促进学习者的交流合作、拓展学习社群、提供丰富的问题解决资源等。本文在学习支持理念的指导下,主要从问题情境、问题表征、结果呈现、过程评价等方面探讨基于问题的在线学习支持。