基于信息结构的支持向量机二值分类算法在网络异常检测中的应用研究

在网络运行中,经常出现由于恶意网络攻击行为、网络配置失误、偶发性线路中断等引起的异常网络流量,这些偏离正常范围的异常流量会直接对整个网络服务质量造成影响,导致网络瘫痪,因此在网络运行时,进行异常检测并及时提供预警信息对保障网络安全正常运行十分重要。支持向量机是一种基于小样本的统计学习方法,具有全局最优、结构简单、推广能力强的优点,在模式识别等领域有着十分广泛的应用。     

基于支持向量机的起重机电机振动特征参数预测

提出用支持向量机方法对岸桥电机运行性能特征参数进行预测的方法,并构造基于支持向量回归的单步及多步预测模型.利用该模型对岸桥电机振动烈度时间序列分别进行1步和4步预测,并与自回归(AR)模型的预测值进行比较.实验结果表明,基于支持向量机预测模型的1步预测和4步预测精度均比AR模型的预测精度高,因此该模型对岸桥电机的运行性能特征参数具有较好的短期和长期预测能力.     

基于SVM的实时自动超声钢轨伤损检测分类系统

介绍了一个更有效的基于支持向量机的实时超声波钢轨伤损自动检测分类系统.根据钢轨伤损的特点提取特征量,利用基于支持向量机的分类预测算法实现钢轨伤损的实时检测分类,并基于统计处理的计算伤损尺寸.在嵌入式系统DSP中利用该机器学习算法实现了伤损的实时处理和测试.实现了钢轨伤损实时报警、显示伤损类型、所处轨内位置及程度.     

基于协同神经网络的云通信异常检测方法

云计算和服务的全分布式和开放结构成为潜在入侵者一个更具吸引力的目标,安全是云计算最大的挑战。为了减少安全隐患,提出了基于协同神经网络网络流量动态特性的云通信网络流量异常检测方法,用协同动力学方程与一组序参量来描述云通信网络通信系统的复杂行为,当这个方程式演变时,只有主要因素决定的序参量可以收敛到1,从而检测出异常。文中使用标准的美国国防部高级研究计划局的数据集进行方法性能的评估,实验结果表明,该方法能有效地检测出网络流量异常,并达到较高的检测率和低误报率。     

基于滑动窗口KECA-SVM的非线性过程故障检测

为了有效地提高支持向量机(SVM)在工业过程中的故障检测性能,提出一种基于滑动窗口的核熵成分分析(KECA)和支持向量机(SVM)结合(MWKECA-SVM)的非线性过程故障检测方法.运用核熵成分分析(KECA)提取包含非线性特征信息的得分向量作为SVM的输入.运用正常和故障数据的非线性特征向量训练SVM模型获得判别分...     

基于相对混乱度特征选择的船舶风机智能状态监测与故障诊断

为提高船舶机舱状态监测的实时性和故障诊断的准确性,提出一种由数据获取、特征提取、特征选择和故障识别组成的智能状态监测和故障诊断框架,以及基于相对混乱度的特征选择方法和基于特征选择的支持向量机训练方法。该方法相比传统方法在故障识别准确率上有所提升,可达到94.46%,并且可有效缩短分类器计算耗时,最快可将其缩短77.8%。文中提出的算法框架、特征选择方法、基于特征选择的支持向量机训练方法和智能故障诊断方法相比现有方法有一定的优势,对机舱中回转机械设备的状态监测和故障诊断有一定的参考价值。     

基于角度的变系数多分类支持向量机

支持向量机作为机器学习中一个经典的分类算法，一直广受数据科学家的喜爱。无论是处理线性可分还是非线性可分数据，传统的支持向量机能够很好地解决二分类问题。针对给定的样本，支持向量机通过最大化最小间隔得到最佳的决策分界面，从而实现对新样本的类别预测。然而现实中的数据更为复杂多样，一方面数据的类别往往多于两个，近年不乏有优秀的多分类支持向量机算法出现；另一方面不同领域的数据的特征集中可能存在相对特殊的变量（称之为主变量，targeted variable），需要将其挑选出来并加以特殊处理，以保持主变量对最终分类结果的重要影响。考虑这两个方面，提出基于角度的变系数多分类支持向量机（TLAMSVM）模型以解决含有主变量的多分类问题。它使用具备更好几何解释能力的基于角度的间隔最大分类框架完成多分类，并引入变系数模型，通过选择合适的局部光滑函数处理主变量对模型的影响。把基于角度的变系数多分类支持向量机分别应用到模拟数据集和真实数据集上。数值结果显示，相比没有使用变系数思想或基于角度的多分类框架的多分类支持向量机，TLAMSVM模型具有更高的预测准确度。     

基于ＥＭ ＰＣＡ和级联分类器的人脸检测

为了提高人脸检测的速度及鲁棒性,提出了一种基于级联分类器和期望最大、主成分分析（ＥＭ ＰＣＡ）的人脸检测方法．该方法在训练阶段利用不同分辨率的训练样本来训练２个ｆｉｓｈｅｒ线性分类器,再利用ＥＭ ＰＣＡ提取特征来训练非线性支持向量机（ＳＶＭ）;在检测阶段,首先通过２个ｆｉｓｈｅｒ线性分类器快速过滤掉大量的背景区域,再利用非线性支持向量机对余下的候选区域进行进一步验证,以确认是否为人脸．实验结果证明了该方法的有效性和正确性．     

水上交通加权安全评价中权重向量的异常分析

为提高指标权重在水上交通安全评价中的准确性,提出一种基于DBSCAN算法的权重向量异常分析方法.该方法选取加权评价法为研究对象,以DBSCAN算法为检测方法,对水上交通加权安全评价中的权重向量进行异常分析.实例表明,在130组数据中,异常权重向量共3组.从数据分布情况看,异常向量与正常向量有比较明显的差异,说明此方法能有效识别异常向量,是可行的.该方法对权重向量集进行分析后,可防止异常权重向量的干扰,提高评价结果的质量.     

基于类重叠度欠采样的不平衡模糊多类支持向量机

传统的欠采样方法容易丢失重要的样本信息,且其实验结果的稳定性较差。针对上述问题,提出一种基于类重叠度欠采样的不平衡数据模糊多类支持向量机算法。该算法首先采用LOF局部离群点因子和箱线图的方法清洗训练数据集中的噪声样本,然后根据类重叠度抽取对分类起关键作用的支持向量,并且将代表每个样本点重要程度的类重叠度作为隶属度值,构造模糊多类支持向量机。实验结果表明,该算法克服了随机欠采样的支持向量机容易丢失重要样本信息和实验结果不稳定的缺点,且很好地提升了支持向量机在不平衡且含噪声的数据集上的分类精度,并保持较高的计算效率。     

基于网络配流的环渤海集装箱运输方式

为优化区域交通配置、协调运输网络负荷,针对环渤海地区集装箱运输现状,在运输费用最小化的基础上,引入负指数网络配流(Negative Exponent Network Flow Assignment, NENFA)模型,采用偏好因数对负指数网络配流模型进行改进.用该模型对各种运输方式在环渤海各地区间分流的货量比例进行研究;预测各种运输方式所占的市场份额;通过敏感性分析,为承运人提高市场份额提供决策依据.     

基于神经网络的PNN算法在交通标志检测中的应用

交通标志检测技术是实现智能交通系统的关键。查阅诸多文献,文章阐述模式识别的概念,并且给出计算机模式识别的抽象过程。通过对现有交通标志检测框架进行研究,根据交通标志设计之规则,结合概率神经网络,设计了一种基于多层决策树的PNN分类算法模型,并对神经元高斯函数的参数进行改进,最终建立交通标志检测的算法流程。通过实验,对60个交通标志进行晴天、多云以及阴雨三种天气背景下的检测。最后整理实验数据,通过建立图表进行分析和比较,证明该分类器能够实现交通标志检测的功能,达到预期的检测效果。最后,分析了该算法模型还存在的不足之处,也指出了将来研究的方向。     

基于TBD策略的船舶交通流视觉图像统计方法

为提高在天气恶劣、目标密集、目标被遮挡及其他复杂海况下船舶交通流统计的准确率,提出一种将目标检测算法CenterNet、多目标跟踪算法DeepSORT与凸包算法中优化逆时针(counter clockwise, CCW)判断的单线法相结合的船舶交通流视觉图像统计方法。使用Python对所选的数据和场景进行测试,结果表明:CenterNet在多场景检测中比YOLOv3更优秀;基于目标检测的多目标跟踪算法具有良好实时性,能够有效对抗因目标抖动、密集、被遮挡等所导致的目标丢失,继而减少船舶交通流统计时常出现的漏检、错检和重复统计等问题。     

基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法

针对目前船舶典型轨迹的挖掘多以轨迹段作为基本单元,导致聚类对象较为复杂且聚类参数难以确定的问题,本文提出一种基于改进K中心点聚类的船舶典型轨迹自适应挖掘算法。算法以轨迹点作为聚类对象,分析船舶的航速、航向特征并对轨迹点进行压缩;将分段均方根误差引入K中心点聚类算法,实现聚类参数的自适应选择;提取其中的聚类中心点作为轨迹特征点,得到不同类别船舶的典型轨迹。以天津港主航道船舶自动识别系统（automatic identification system, AIS）数据为例,基于地理信息系统平台ArcGIS实现聚类结果的可视化展示。实验结果表明,运用该算法得到的船舶典型轨迹与实际相符,自适应程度较高。研究结果对于辅助船舶轨迹异常检测及挖掘海上交通特征具有重要意义。     

基于短时交通流量预测对路网微观交通仿真的研究

针对早高峰短时交通流量预测数据少、波动大的特点,提出用灰色模型进行预测。将灰色GM(2,1)改进为灰色GM(2,1,λ,ρ)预测模型,以提高预测精度。针对粒子群算法(PSO)的早熟现象,将Logistic混沌搜索嵌入到PSO算法,应用混沌粒子群算法(CPSO)寻找灰色GM(2,1,λ,ρ)预测模型最优的参数λ和ρ。结合两者提出了基于CPSO–GM(2,1,λ,ρ)的早高峰短时交通流预测模型。利用VISSIM对研究路网进行微观交通仿真,通过VISSIM–Excel、VBA–Matlab平台实现了短时交通流量预测和路网微观交通仿真数据的交互,对集成交通控制系统的架构进行了方案设计。仿真结果表明,结合流量预测的路网优于固定信号配时下的路网仿真。     

SDN网络中基于业务资源偏好的批路由策略

SDN网络中有限的交换机流表资源限制流经节点的业务流数目，带宽资源限制流经链路的业务流的数据流量。本研究基于业务流特点，提出业务资源偏好的概念；基于SDN网络集中控制的特点，提出使用批路由策略处理多个同时到达SDN控制器的业务流请求。设计了SDN网络中基于业务资源偏好的批路由策略BRP-SA。仿真结果表明，BRP-SA算法有效地均衡流表资源和带宽资源的使用，使网络接纳更多的业务流请求。     

船舶交通流量预测的灰色神经网络模型

为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的.     

城市交通地理空间结构的聚变与裂变规律

为主动有序地做好城市交通流量的局部分解,准确预估城市市区与卫星城的分界点,合理规划市际高速公路网,根据城市交通空间结构变化的内在机制,以城市交通聚变与裂变理论为假设条件,结合康弗斯断裂点理论和克拉克的人口距离衰减理论,建立城市交通裂变点的空间位置测算模型.运用该模型对上海和东京进行实证分析,结果表明两城市交通空间结构变化符合城市交通的聚变与裂变规律.     

城市交通用地的可持续发展

根据城市交通用地的性质,在考虑路网容量和交通流速度的基础上,以交通用地所增加的收益最大化为目标,建立了城市交通用地的概念模型,然后对概念模型中的有关参数逐一进行标定和推算,最后利用K T条件得到了该概念模型所表示的合理的城市用地规模与交通流平均速度。