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.     

基于人工神经网络的地应力场非线性反演

本文结合实测地应力资料,建立三维非线性有限元模型,通过FLAC3D程序求解,以及人工神经网络,将计算地应力值作为网络的输入向量,将边界条件作为神经网络的输出向量训练神经网络,获得了区域初始地应力场.     

基于支持向量机的股票投资价值分类模型研究

本文遵循价值投资理念,建立基于支持向量机的股票投资价值分类模型。首先随机抽取500支A股股票作为样本,并选取对股票投资价值影响显著的财务指标构造样本特征集,然后采用支持向量机方法建立股票投资价值分类模型,最后将其与BP神经网络和RBF神经网络相比较,结果表明支持向量机的分类效果和泛化能力最优。     

基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

网络终端设备软件加速方法研究

文章主要研究了针对网络终端设备的软件加速的方法。对数据包通过标准网络内核比较耗时的问题,增加了加速学习和加速转发模块。对于已经学习过的数据包,后续不会再次经过内核的标准处理流程,而直接在加速转发模块将数据包发送到学习到的出口设备,从而大大缩短了包处理的时间。     

考虑变权重自适应调整的网络信息鲁棒性分析

BP神经网络加权权重成固化状态,导致信息信任度评价误差较大。提出基于BP神经网络的变权重自适应网络拓扑结构的C2C网络信息信任度评价和鲁棒性分析模型,以营运商可信度、网站信任度和外部环境为一级指标体系构建网络信息评价体系。以12维可信性因素作为输入向量,系统结构以网络信息信任度作为输出,通过调整网络拓扑权重向量设置信任度周期响应加权变量自适应函数,有效降低迭代算法的运算成本。仿真实验表明,采用新的网络信息鲁棒性评价模型能使C2C网站信息评价误差率大幅减低,系统具有较好的健壮稳定性和鲁棒性,能有效促进C2C网络健全运行和发展。     

基于网络的入侵检测系统数据包采样策略研究

入侵检测是信息安全研究的重要组成部分，基于网络的入侵检测系统通过详细分析计算机网络中传输的网络数据包进行入侵检测。由于检测速率与数据包采集速率不匹配，以及检测所需成本的限制，在收集用于检测的网络数据包时，必须选择有效的采样策略。本文引入博弈模型框架上的原始入侵数据包采样策略，在此基础上再进行分析和扩展。本文针对单一采样策略的缺陷与不足，引入风险管理的思想来分析在决策者不同效用偏好情况下的采样策略选择问题，并且通过具体的实例，说明了基于风险差异的采样策略选择的有效性。     

基于BP神经网络的企业技术创新能力评价及应用研究

针对当前评价企业技术创新能力的方法所存在的不足,提出一种基于BP神经网络的企业技术创新能力评价方法。首先建立企业技术创新能力评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。在计算方法上,用MATLAB神经网络工具箱来进行网络设计和计算。通过大量学习样本的训练和测试,使模型的误差达到预定的范围内。最后,以实例验证了这种方法的准确性和可操作性。     

BP神经网络在灌区分水闸控制中的应用

BP神经网络是一种单向传播的多层前向网络,具有很强的学习功能,多次训练后的网络具有很好的预测能力。结合BP网络的特点和灌区分水闸的工作原理,应用BP神经网络对闸门控制进行预测,并分析预测结果。     

PSO算法优化BP神经网络

本文将PSO算法与BP神经网络算法相结合,主要目的是解决BP神经网络自身存在的缺陷,利用粒子群算法来代替BP网络中梯度下降法,从而可以更好地优化BP网络各层间的连接权值,进而提高了BP神经网络的泛化能力、学习能力,并且大大提升它的收敛速度。     

神经网络在计算机网络安全评价中的应用研究

随着计算机技术的不断发展,网络安全成为人们非常担忧的问题。为了满足人们对网络安全方面的需求,计算机网络安全评价体系应运而生。而神经网络是一种在适应能力、组织能力以及学习能力方面都较强的智能人工算法技术,能够对计算机网络安全评价起到极大的促进作用。本文主要从神经网络与计算机网络安全评价概述、计算机网络安全评价中对神经网络的应用以及在计算机网络安全评价中使用神经网络的意义三个方面,对计算机网络评价安全以及神经网络的相关问题进行了论述。     

防止网络欺骗的IP路由系统

网络中的每一台路由器都参与路由决策。基本的路由决策是“带有特定IP目的地址的数据包应发往何处?”。网络中每台主机都保存着一张路由表,记录着转发到目的网络的路由器IP地址,表中的缺省路由器对应没有特别标出的目的网络。如果主机发出数据包的IP目的地址与本网中另一台主机的网络地址一致,则数据包被直接发往那台主机;否则,主机将在路由表中选择路由器转发到目的网络,如果路由表中没有对应目的网络的路由器,则选择目的路由器进行转发。对于某些没有特别标出的目的网络,缺省路由器并不是最好的路由选择,这是缺省路由器将返回一个ICMP…     

基于云理论的文本分类方法

提出一种基于云理论和神经网络构造决策树的文本分类方法。运用云神经网络学习变量间的云映射关系,从中生成云决策树。这种方法结合了神经网络的学习算法和决策树的推理方法,具有神经网络的学习能力,并且应用了云发生器对处理不确定性的能力。更符合人类的思维方式,从而进一步提高了文本分类的效率、准确性和可靠性。     

基于自适应RBF神经网络的电网变压器故障检测

变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。     

词向量语义表示研究进展

【目的/意义】词是语言的最小单元,词的向量表示决定了机器学习模型的构建方法。深度学习的神经网络 训练得到的词向量,通过无监督的机器学习方法从海量数据中自动学习词汇的语义特征,无需人工标注和复杂繁 琐的特征工程,端到端的完成各种自然语言处理任务,带来了一种新的研究范式,成为学术界的研究热点。【方法/ 过程】介绍了词向量语义表示及优化方法,存在的问题及解决方法,最后指出了词向量未来的研究方向。【结果/结 论】将句法特征、词形特征、（知识库）先验语义知识融入到神经网络模型能增强词向量的语义表示能力,针对词向 量存在的一词多义、解释性差等问题,总结了最新的研究成果。     

基于SOM神经网络的柴油机故障诊断

为提升柴油机故障诊断的速度与准确度,降低人为因素的干扰,提出使用自组织特征映射神经网络进行故障智能诊断与分类的方法。首先对自组织特征映射神经网络进行网络初始化,然后分别计算映射层向量之间的相互距离,并进行权值的学习,最后计算得出故障分类及诊断结果。通过仿真实验证明,自组织特征映射神经网络能够准确快速的将实验柴油机的故障进行诊断,实用效果较好。     

一种用于网络攻击犯罪防范的数据包分配防护方法

网络攻击犯罪被认为是目前影响网络尤其是因特网安全的重要威胁之一,传统的数据包分配防护算法采用线性组合重传方式进行网络攻击犯罪的防范。但网络环境的波动性,使得接收方对信息产生的负反馈效应,导致数据包分配防护算法的均衡性差。提出一种用于网络攻击犯罪防范的数据包分配防护方法。采用分布式计算方法,并融合于随机网络编码方法,获取无线网络数据包的编码解码线性方程,利用方程中网络节点信息反馈机制,编码解码并优化重组网络数据包,提高网络数据包的分配防护性能。仿真结果表明,采用该算法有效降低无线网络数据包的分配误比特率,提高了网络数据包分配防护均衡性能,能够较好地应用于网络攻击犯罪的防范中。     

基于MATLAB平台的RBF神经网络在膜分离废水中的应用

为能更好地预测工艺条件对膜分离过程的影响,运用RBF神经网络技术建立输入变量为压差、流速、浓度和温度的输入向量,输出变量为膜通量的预测模型。通过实验数据训练预测模型,得到的网络模型整体平均相对误差为2.76%;证实了所建立的RBF神经网络膜通量预测模型与实验值吻合程度较好,有较好地预测能力。     

Ad-hoc网络节点休眠策略的设计

在本文中,作者基于博弈论提出了一种Ad-hoc网络节点的休眠策略,并给出了计算这种休眠策略的方法。这种休眠策略同时考虑了节点的存活时间和网络传输数据包的效率。理论上来说,这种休眠机制可以同时保证网络中数据传输的效率和网络中节点的存活时间。     

基于小波网络的电力系统故障诊断

小波神经网络(Wavelet Neural Network)结合了小波变换及神经网络的优点,是一种基于知识的故障诊断方法,它不需要精确的数学模型,既具有良好的时频局部性质,又有较好的自学习能力和容错能力。本文介绍了小波网络及其在电力系统故障检测中的应用,通过EMTP仿真实验表明,小波网络与传统的人工神经网络相比,具有收敛速度快,鲁棒性强的特点,可以将小波网络应用于电力系统的故障检测。