基于隐马尔可夫模型的情感建模

根据隐马尔可夫模型HMM的基本理论和算法设计了一个情感模型。该模型用E HMM构成:子层(即低层)HMM由3个HMM组成,分别对应3种心理情绪状态。外部刺激经过子层初步识别,其输出组成高级层HMM的观察向量,经过高层HMM,确定情感输出,从而提高了模型的准确性。     

基于主动学习隐马尔可夫模型的文本信息抽取

对只能获得部分标记的训练文本,将主动学习方法应用到文本信息抽取中,提出了一种基于主动学习隐马尔可夫模型的文本信息抽取方法.在该方法中,通过主动学习,仅将对隐马尔可夫模型的训练最有价值的训练文本挑选出来进行标记.实验表明,通过选择模型信任值的最佳门槛值,该方法在保证文本信息抽取性能的前提下,大大减少了用户标记训练文本的工作量.     

基于模糊数据挖掘的网络入侵检测模型

提出了一个基于模糊数据挖掘的入侵模型.异常检测的一个主要问题是正常模式随时间变化.如果一个实际的入侵行为稍有偏差就有可能与正常的模式相匹配,而异常检测系统则无法检测到这种入侵行为.为解决这个问题,本文利用模糊数据挖掘技术建立正常模式,并用一组模糊关联规则表示.在进行异常检测时,利用新的审计数据挖掘当前模糊关联规则,并计算其与正常模式的相似度,如相似度低于规定的阈值,使其产生入侵警报.最后,文中利用遗传算法优化模糊成员函数来选择其参数.     

1种基于可变精度粗糙集的网络入侵检测模型

当前各网络入侵检测算法的准确率仍不尽人意；针对此问题。提出1种基于可变精度粗糙集（Variable Precision Rough Set）的网络入侵检测模型。模型通过粗糙集对不确性数据进行筛选。再利用粒子群算法对数据进行约简，然后再根据设定的阀值，用可变精度粗糙集导出规则并得到检测结果。实验结果表明。本模型运用的粒子群算法数据约简速度高于利用遗传算法的同类模型，且基于可变精度粗糙集的入侵系统检测准确率比基于非可变精度粗糙集的检测系统高。     

一种基于PSO-RBF神经网的入侵检测方法

针对传统基于K-均值聚类的RBF神经网络训练方法中,隐层参数训练结果易受初始值影响而陷入局部极小解,最终导致整个网络收敛速度慢、性能下降等问题,提出了基于粒子群算法(PSO)和K-均值相结合的径向基神经网络(RBF)训练算法.该算法利用PSO的全局搜索能力形成最优解邻域,K-均值算法在该邻域进行局部搜索,这样既利用了PSO算法的全局最优解搜索能力,同时也利用了K-均值算法收敛速度快的优点.试验结果表明该算法有效地解决了基于K-均值训练算法易陷入局部极小解的不足.文中将基于上述训练方法的RBF神经网应用到入侵检测系统中,试验结果同基于传统K-均值、遗传算法和RPCL算法训练的RBF方法进行比较,结果表明本文建议的方法在检测性能和训练时间上都有明显提高.     

1种基于可变精度粗糙集的网络入侵检测模型

当前各网络入侵检测算法的准确率仍不尽人意;针对此问题,提出1种基于可变精度粗糙集(Variable Precision Rough Set)的网络入侵检测模型.模型通过粗糙集对不确性数据进行筛选,再利用粒子群算法对数据进行约简,然后再根据设定的阀值,用可变精度粗糙集导出规则并得到检测结果.实验结果表明,本模型运用的粒子群算法数据约简速度高于利用遗传算法的同类模型,且基于可变精度粗糙集的入侵系统检测准确率比基于非可变精度粗糙集的检测系统高.     

隐马尔可夫模型下基于SIFT特征的局部遮挡目标识别

提出一种利用隐马尔可夫模型建立目标特征匹配库来识别图像中局部遮挡目标的新方法。该方法首先通过SIFT算法提取目标SIFT特征,然后采用隐马尔可夫模型对目标所有的SIFT特征进行训练,得到目标SIFT特征对应的模型输出概率范围,将该概率范围作为目标特征匹配库。在对图像中的目标进行识别时,利用目标特征匹配库可以把目标特征从图像所有特征中识别出来,即使目标遮挡比例为60%时,该方法仍能识别出目标。实验结果表明,新方法可以精准地识别出图像中被遮挡目标,能够很好地解决遮挡情况下的目标识别问题。与现有局部遮挡目标识别算法相比,新方法所取得的目标识别率均有所提高。     

一种基于网络的入侵检测模型及其实现

在入侵检测CIDF体系结构基础上,提出了基于网络的二层式多数据包分析入侵检测模型.这一模型中,事件分析器对当前事件分两层进行处理:先将当前事件结合历史事件进行关联分类,找出与当前事件关联紧密的历史事件;然后对包含当前事件的这一类关联事件进行回归分析,最终发现潜在的协同攻击和分布式入侵行为.仿真试验说明该算法模型能够检测出传统入侵检测系统难以发现的分布式入侵行为.     

基于马尔可夫链的河流水质污染预测模型研究

基于马尔可夫链的河流水质污染预测模型,采用河流水质污染的指标数据,得到水质污染的时间序列值;划分水质污染趋势的状态空间;建立状态转移矩阵,从而预测水质污染趋势变化区间.结果表明,该模型能够有效地预测河流水质污染的走势,进而能够为相关的环保部门提供治理河流的有效依据,从而达到保护农业灌溉用水的目的.     

基于信息熵与K-means融合算法的网络入侵检测模型

传统K-means算法在初始聚类中心选择时具有较大随机性,是影响聚类分析结果的关键因素。利用信息熵辅助选取聚类中心,提出一种信息熵与K-means融合算法,并以此为基础构建一种网络入侵检测模型,除完成异常入侵检测外,可使聚类中心随网络变化而动态更新,提高入侵检测效果。通过对比试验,证明了该方法的可行性及有效性。     

基于小波变换的网络异常检测研究

由于普通的网络流量很难从中检测出异常,为了有效地分析网络流量,深入研究网络流量的性质,本文提出了一种基于小波的分解与重构思想,将网络流量通过小波变换分解成不同尺度下的逼近信号和细节信号,然后分别单支重构成低频序列和高频序列,根据低频序列和高频序列的特性,对异常网络流量进行检测.通过对真实网络流最的仿真实验,结果显示该方法能够比较简单且准确地检测出异常的网络流量.     

基于BP神经网络并行算法的研究

BP神经网络算法在大规模数据训练过程中需要处理大量的计算,导致整体训练速度下降,时效性较差,针对以上问题,本文提出BP神经网络并行化策略,并利用MPI并行编程库结合C语言在Linux集群上验证了该算法的有效性,提高了BP神经网络的整体训练速度.     

基于BP神经网络的太阳能集热器热特性仿真研究

集热器出口气流温度及温升的影响因素很多,有些因素不可控制,且有交互作用,采用传统数学方法模拟较复杂.本文分析了太阳能空气集热器出口气流温度与太阳辐射、环境温湿度的关系,确定了太阳能空气集热器出口气流温升的主要影响因素.利用BP神经网络建立集热器出口气流温升预测模型,在试验条件范围内,实测值与模型预测值拟合较好,可以用BP网络模型较准确地预测集热器出口气流温升.     

基于PERCLOS的疲劳驾驶检测系统的实现

本文阐述了PERCLOS测评驾驶疲劳的机理.介绍了疲劳识别的算法,该系统首先利用肤色模型粗略检测出人脸区域,并根据驾驶员面部几何特征,准确定位出眼睛;然后根据眼睛区域白色像素的多少及闭眼持续时间对驾驶员状态做出判断;最后应用Microsoft Visual C++6.0在Windows XP操作平台上,对疲劳检测判定进行实现.实验表明:该系统可以准确定位眼睛并判定驾驶员疲劳状态,其准确率为94.44％.     

基于GIS及VB的城市交通可视化信息系统研究

本文阐述了GIS、VB、可视化及相关技术的发展历史和研究现状,提出了当前城市交通需要解决的实际问题,建立了城市交通可视化数据模型,论述了系统的组成结构及各模块的功能特点,分析了系统的社会经济效益和发展应用前景。     

应用PCR快速检测单核细胞增生症李斯特菌的研究

用聚合酶链式反应(PCR)扩增hly基因,检测单核细胞增生症李斯特菌的纯培养物及其模拟污染的生猪肉、水和牛奶。41株单核细胞增生症李斯特菌的PCR结果呈阳性,而其他李斯特菌,包括英诺克李斯特菌、绵羊李斯特菌、西尔李斯特菌、威儿李斯特菌和格氏李斯特菌以及非李斯特菌均未出现特异性片段。这表明所扩增的hly基因3′末段850bp的DNA片段对单核细胞增生症李斯特菌具有较高的特异性。PCR对单核细胞增生症李斯特菌纯培养物的检测低限达10~5cfu·mL~(-1),对16hLEB增菌培养的模拟污染生猪肉、水和牛奶的增菌培养液用PCR捡测,结果检测生猪肉低限达400cfu·kg~(-1)、水和牛奶为400cfu·L~(-1)。整个检测过程只需24h。这表明PCR法对单核细胞增生症李斯特菌的鉴定具有特异性强、灵敏度高、速度快和易操作等优点。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快