基于自组织变异粒子滤波的网络入侵检测算法

提出基于自组织变异粒子滤波的网络入侵检测算法,通过建立粒子密度函数计算数据信息向量权值,根据节点粒子聚集簇粒子估计判断是否出现粒子变异状态。计算出的估计流量值与自定义阀值进行比较判断筛选自组织变异粒子。运用粒子变异滤波方程式提取出自组织变异粒子状态位置做出响应的过程。仿真实验表明,基于自组织变异粒子滤波的网络入侵检测算法,具有高度的容错能力,使网络入侵检测更具有自适应能力,检测率高,告警信息可信度强,为计算机网络的安全提供了保障。     

基于粒子滤波的模糊网络入侵特征的优化

对模糊的网络入侵特征进行优化提取,提高对网络入侵的识别能力。传统的入侵特征提取方法采用关联熵特征分析方法,随着网络入侵特征分布属性模糊性增强,入侵特征识别性能不好。提出一种基于粒子滤波的模糊网络入侵特征优化提取方法,采用粒子滤波独立自相成分分析的思想,设计出一个粒子滤波联合函数,把模糊网络入侵信号分段分成一些局部进行分析考察,实现模糊网络入侵特征的优化粒子滤波提取。仿真结果表明,采用该算法能有效提高对模糊网络入侵特征的正确识别率,性能优越,在网络安全领域中应用价值较大。     

基于鱼群的PSO粒子滤波算法

粒子群优化(PSO)粒子滤波算法比较而言,容易陷入局部最优,因此算法的准确度就会降低。本文在解决该问题时引入了一种基于鱼群的PSO粒子滤波算法。此算法是通过鱼群优化在采样过程中找到全局最优的相对位置,使其能够向全局最优的位置逐渐接近,同时提高估计有效的粒子数目,从而能够更有效的减少粒子退化与枯竭问题。实验表明,此算法与PSO粒子滤波算法相比,在估计准确度方面有了较大的提升。     

基于优化粒子群算法的网络入侵小信号检测模型

随着计算机技术的飞速发展与计算机网络的广泛应用,网络的安全性逐步成为人们关注的焦点。现阶段的网络入侵检测方法难以识别含有入侵特征小信号的网络入侵检测,检测方法自适性能力差,导致网络入侵检测漏警误警率高。为了提高网络安全,提出基于优化粒子群算法的网络入侵小信号检测模型。通过粒子间的相互协作优化聚类含有入侵特征的信号数据,通过极化阵列计算定位分离小信号,建立小信号过滤模型找寻提取带有入侵特征的小信号。仿真实验表明,优化粒子群算法的网络入侵小信号检测模型,提高了网络入侵检测的自适用性,在网络入侵信号受环境因素干扰的情况下,能够准确的检测出带有入侵特征小信号的网络入侵行为。有效的提高了网络检测的正确率,加快了网络入侵的检测速度。     

基于粒子滤波的车辆导航算法研究

使用粒子滤波方法对目标物的运动状态进行预测估计,能够得到良好的实验效果.本文将粒子滤波算法应用于车辆导航领域,通过粒子滤波这一非线性滤波算法对前方行驶车辆行车状态进行检测跟踪,得出前方车辆行车的参数指标,作为后方车辆安全行驶的一个参考方案.该参考数据包括了前方车辆的位置、速度,同时也能为前方车辆同步引导后方车辆的行驶提供支持,实验仿真证明这种方法是行之有效的.     

基于自适应观测粒子滤波的运动跟踪算法

针对标准粒子滤波算法在运动跟踪的应用中还存在跟踪精度不高的问题,本文提出了一种基于噪声优化自适应观测粒子滤波算法的运动跟踪模型,首先构建基于目标跟踪的观测模型,利用当前时刻得到的观测量对粒子滤波算法进行修正,然后采用一个加权函数对目标进行采样来建立直方图,达到自适应加权的目的,最后采用不同方差的高斯噪声加权和来建模,对自适应观测粒子滤波进行去噪优化。仿真试验结果表明,本文提出的基于噪声优化自适应观测粒子滤波算法的运动跟踪模型相比较标准粒子滤波算法而言,具有较高的运动目标跟踪精度且在运动跟踪的应用中效果良好。     

基于粒子滤波的无线传感器网络目标跟踪

本文首先介绍了PF(Particle Filter)和UPF(Unscented Particle Filter)的基本原理,然后针对无线传感器网络(WSN)目标跟踪这一应用方向,采用等级网络结构,参考分布式粒子滤波算法,将UPF应用于WSN单目标跟踪以提高网络跟踪精度,仿真证明UPF较PF在跟踪精度上确实有明显的提高。     

基于联合粒子滤波和Mean-Shift的运动目标跟踪算法

Mean Shift跟踪算法能有效实时对运动目标进行跟踪,但是当目标运动速度过快或者目标被遮挡时,跟踪效果会下降;粒子滤波跟踪算法适用于非线性非高斯环境,其跟踪效果与粒子数息息相关,数量少了导致粒子匮乏,数量多了会影响实时性。为解决上述问题,本文将mean shift和粒子滤波融合。实验表明,本文算法在运动目标速度较快和目标被遮挡时均取得了较好的跟踪效果。     

基于量子遗传粒子滤波的无线传感器网络的目标跟踪

本文提出了一种量子遗传粒子滤波跟踪算法。通过量子遗传算法的编码方式增加粒子集的多样性,从而缓解了粒子滤波的退化现象并解决了粒子耗尽问题,量子的并行性也节省了计算时间,提高了跟踪的实时性。仿真结果表明该算法是可行的。仿真结果表明:与原算法相比,量子遗传粒子滤波算法在大噪声条件下改善了粒子贫乏问题,提高了跟踪精度。     

基于核Fisher鉴别分析的网络入侵检测算法

提出了一种将核Fisher鉴别分析特征抽取与多分类支持向量机算法结合的网络入侵检测技术,扩展了二分类支持向量机,利用经过核Fisher鉴别分析特征抽取后的训练数据构造优化的决策树,从而实现支持向量机的多分类.实验结果表明该算法能够提高检测正确率,同时降低训练时间,取得了良好的效果.     

基于稀松模糊定位算法的网络入侵特征检测

提出了一种基于稀松模糊定位算法的网络入侵特征检测算法。新算法通过采集初始网络入侵特征,组建特征集合。利用稀松运动特征匹配算法最大程度上纠正由于特征模糊带来的弊端。保证跟踪匹配过程中,运用较少的入侵特征点完成后期的多个匹配,大幅降低匹配时间,消除匹配误差问题,通过将全局搜索和局部搜索机制有机地结合,保证检测的准确性。实验结果表明,利用本文算法进行入侵检测,能够有效提高检测的准确性。     

基于支持向量机的网络入侵检测算法综述

在如今的互联网时代,网络安全备受关注,诸多学者为了提高网络入侵检测系统的正确率,增强检测模型的泛化能力,不断提出各种网络入侵检测的模型进行实验。为了方便各学者更快、更深入的了解网络入侵的现状及大量的网络入侵检测算法模型,本文研究了近几年有关网络入侵检测论文的实验成果,为学者们介绍论文中实验步骤的概括及检测方法模型的优缺点,使学者们快捷的了解到某种检测方法模型的要领,从而进行更深入的研究。     

一种正则粒子滤波的人脸跟踪算法

本文针对人脸运动的非线性非高斯的特点,引入正则粒子滤波算法来进行运动预测估计,且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明,在人脸的旋转、肤色和部分遮挡影响下跟踪精度较高,抵抗光照环境变化,以及人脸大小变化等的鲁棒性较强。     

一种改进的无损可逆时频联合特征提取算法

充分研究反演积分量对S变换控制的无损可逆性,提出基于宽度不可变高斯窗函数的无损可逆时频联合特征提取算法,对高频复杂电磁特征提取实现和精确挖掘。对目标电磁信号进行时频分析,在S变换中加入宽度可变反演积分函数窗,进行特征分流控制,根据S变换无损可逆性,结合时频分析,提取无损可逆联合分布特征。仿真实验在不同信噪比下进行特征提取,实验结果表明不同信噪比下提取的时频联合分布特征具有相对不可变性,特征分类准确性比传统方法高,健壮性强,在目标识别等领域研究价值和应用前景。     

一种改进的基于SVM的网络入侵检测算法

研究了支持向量机与自组织神经网络的原理,利用支持向量机的小样本学习与推广能力强的特点,结合自组织神经网络良好的学习能力与收敛速度,实现了对支持向量机算法的改进.利用Lincoln实验室入侵检测系统评估数据集合对改进算法进行测试,并将实验结果与BP神经网络进行了比较,结果表明,改进的算法在检测精度与训练时间方面均优于BP神经网络.     

基于标称变量向量化处理的网络入侵检测算法

网络链接记录存在大量的标称属性,传统的入侵检测方法直接将这些标称属性做离散化处理,破坏了标称属性的无序性,使得检测效果不够理想。为此提出了一种基于标称变量向量化的网络入侵检测算法。该算法首先对网络链接记录中的标称属性进行特殊的向量化处理,然后在处理后的数据集上进行入侵检测。通过对标称属性做向量化处理既对标称属性实现了数值化,同时又保持了标称属性的无序性。在KDD CUP 99数据集上的仿真实验表明本文所提算法具有较高的检测率和较低的误警率。     

粒子滤波算法理论在目标跟踪中的应用

粒子滤波算法是一种基于传播样本集的递归贝叶斯滤波器.本文中对粒子滤波算法原理以及在目标跟踪中的应用作了详细讨论,设计了目标模板更新方法.实验证明,粒子滤波跟踪算法具有很好的鲁棒性和抗遮挡、抗干扰性,但是计算量却很大.     

非对称补偿粒子滤波可逆隐藏数据访问算法

针对级联数据库中可逆隐藏数据定位不准,访问恢复困难的问题,提出一种基于非对称补偿粒子滤波的可逆隐藏数据访问算法,实现对数据库中可逆隐藏数据准确访问。算法使用非对称粒子滤波对数据库中可逆隐藏数据的目标位置和访问信道衰减参数进行同时估计,提高可逆隐藏数据定位精度。设计非对称补偿滤波器,抑制数据访问中相干数据干扰,采用迭代方式对隐藏数据访问进程进行更新。最后采用取对数能量求倒谱的方法对数据进行恢复处理,实现对可逆隐藏数据的精准定位访问。仿真实验表明,采用该算法对大型级联数据库进行访问,能准确定位可逆隐藏数据,抗干扰能力强,无损可逆性好,数据库访问识别率和鲁棒性均有明显提高。     

基于粒子群算法优化的RBF网络控制策略及应用

提出了一种基于粒子群算法优化的RBF网络整定PID控制策略.该策略利用粒子群算法对初始PID参数及其学习率进行优化,解决了控制器初始值对控制效果的影响.通过对火灾探测器温箱系统的仿真控制,验证了该控制策略具有控制精度高、抑制噪声及扰动能力强的优点.     

基于多层特征基参数融合的网络入侵检测算法

传统的网络入侵检测算法,使用的都是同一个或者相似的特征基作为入侵检测的衡量标准,但是在多层网络中,不同层次的特征基参数存在差异,检测结果误差较大。为此提出了一种基于多层特征基参数融合的网络入侵检测算法。通过提取多层网络操作差异特征基参数,利用非线性回归方式对每层特征基参数进行差异补偿,按照自适应融合方式对多层差异特征基进行融合处理,以此作为检测的基础。实验表明,该算法提高了检测的准确率,取得了理想的效果。