检索结果-内蒙古大学图书馆

哈尔滨工业大学学报 2015年第11期47卷 27-33页

作者：杨剑哲孙巧榆王君程丹松金野石大明哈尔滨工业大学计算机科学与技术学院淮海工学院电子工程学院

针对增广的拉格朗日乘子法在求解鲁棒性主成分分析,特别是当数据同时受到稀疏噪声和高斯噪声的干扰时,计算精度会降低,数据降维去噪任务不能很好完成的情况,提出改进的增广拉格朗日乘子法来解决上述问题.一是用基于最优乘子初始化的改... 详细信息

针对增广的拉格朗日乘子法在求解鲁棒性主成分分析,特别是当数据同时受到稀疏噪声和高斯噪声的干扰时,计算精度会降低,数据降维去噪任务不能很好完成的情况,提出改进的增广拉格朗日乘子法来解决上述问题.一是用基于最优乘子初始化的改进增广拉格朗日乘子法来提高算法的计算精度,二是针对鲁棒性主成分分析,提出一个带高斯噪声的凸优化模型.实验结果表明,本文提出的最优乘子初始化改进算法赋予增广的拉格朗日乘子法一个最优的拉格朗日乘子,从而提高算法的计算精度,而凸优化模型能够清晰地将高斯噪声和稀疏噪声从数据矩阵中分离出去,进而提高数据对高斯噪声的鲁棒性.

关键词：鲁棒性主成分分析拉格朗日乘子的最优初始化增广的拉格朗日乘子法凸优化高斯噪声

来源：评论

学校读者我要写书评

暂无评论

低秩鲁棒性主成分分析的遮挡人脸识别

引用

南京理工大学学报 2017年第4期41卷 460-465页

作者：唐娴黄军伟商丘学院计算机工程学院河南商丘476000

为了提高遮挡人脸的识别效果,提出了低秩鲁棒性主成分分析的遮挡人脸识别算法。首先采集人脸图像,并进行相应的预处理,然后采用鲁棒性主成分分析对人脸样本进行分解,并建立人脸图像训练样本和测试样本的低秩矩阵和误差矩阵,最后根据误... 详细信息

为了提高遮挡人脸的识别效果,提出了低秩鲁棒性主成分分析的遮挡人脸识别算法。首先采集人脸图像,并进行相应的预处理,然后采用鲁棒性主成分分析对人脸样本进行分解,并建立人脸图像训练样本和测试样本的低秩矩阵和误差矩阵,最后根据误差矩阵对人脸识别进行加权和识别,并采用经典人脸数据库进行仿真实验,结果表明,低秩鲁棒性主成分分析的遮挡人脸识别率得到显著提高,降低了遮挡人脸的误识率,具有更优的鲁棒性。

关键词：鲁棒性主成分分析模式识别遮挡人脸低秩映射误识率

来源：评论

学校读者我要写书评

暂无评论

基于鲁棒性主成分分析的低照度图像增强算法

引用

计算机应用与软件 2024年第2期41卷 244-249页

作者：胡乘其王书朋王瑜婧西安科技大学通信与信息工程学院陕西西安710054

由于低照度图像对比度和信噪比低,传统图像增强算法在提高图像对比度的同时容易造成噪声放大。针对该问题,提出基于鲁棒性主成分分析(RPCA)的低照度图像增强算法。算法依据Retinex理论将图像分解为照度分量和反射分量,使用伽马矫正对照... 详细信息

由于低照度图像对比度和信噪比低,传统图像增强算法在提高图像对比度的同时容易造成噪声放大。针对该问题,提出基于鲁棒性主成分分析(RPCA)的低照度图像增强算法。算法依据Retinex理论将图像分解为照度分量和反射分量,使用伽马矫正对照度分量进行增强。将增强后的照度分量与反射分量合成为最终的增强图像。其中图像分解采用RPCA方法实现,因为该方法可以有效地将照度信息与噪声分离,从而避免增强照度分量时放大噪声。为了提高计算效率,算法采用非精确增广拉格朗日乘子法(Inexect-ALM,IALM)求解RPCA分解问题。实验结果表明,该算法在增强图像对比度的同时避免了放大噪声,其主观评价与客观指标都优于几种经典的图像增强算法,有较好的视觉效果和较低的计算复杂度。

关键词：图像增强低照度图像 Retinex理论鲁棒性主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于脑电信号的警觉度估计研究

基于脑电信号的警觉度估计研究

引用

作者：石立臣上海交通大学

学位级别：博士

警觉度(Vigilance)通常定义为，对外界刺激长时间的保持注意力和警惕性的能力。在日常的工作和生活中,许多人机交互系统需要操作人员保持一定的警觉度。尤其是汽车驾驶员，他们一旦出现警觉度下降的情况，就可能会造成非常严重的后果。... 详细信息

警觉度(Vigilance)通常定义为，对外界刺激长时间的保持注意力和警惕性的能力。在日常的工作和生活中,许多人机交互系统需要操作人员保持一定的警觉度。尤其是汽车驾驶员，他们一旦出现警觉度下降的情况，就可能会造成非常严重的后果。因此，研究警觉度监测算法，对驾驶员的疲劳状态进行实时监测，是车辆辅助安全驾驶领域的一个重要课题，对解决交通安全问题具有重要的现实意义。由于脑电信号是疲劳检测的“金标准”，以及便携式脑电采集设备商用化的出现，使得脑电采集越来越便捷。因此，本论文将重点进行基于脑电的警觉度监测方法研究，具体研究问题包括：脑电信号在线降噪去伪迹算法，警觉度关键脑区定位，脑电疲劳特征快速提取算法、在线脑电特征过滤平滑算法，高鲁棒性的脑电特征降维算法，高效的在线警觉度监测算法以及警觉度自动标注算法等。目的是结合便携式脑电采集系统，为将来开发基于脑电等生理信号的警觉度监测系统提供理论和基本算法。本论文的主要贡献和创新点体现在以下几个方面： 1.脑电信号在线降噪去伪迹。本文提出了自适应在线降噪去伪迹算法，能自适应跟踪随时间变化的信号源，并具备伪迹源自动识别功能，且能在线自动重构出不含伪迹成分的脑电信号，以解决脑电采集过程中的噪音伪迹干扰问题。该算法的伪迹识别精度在90%以上，已达到人工标注的水平，相比于其他自动去伪迹算法，该算法能很好的解决伪迹信号源随时间变化的问题，并且支持在线工作模式。 2.警觉度关键脑区定位。本文提出了基于脑电信号的警觉度相关同步去同步概念，基于该原理，开发了三种警觉度关键脑区定位算法，分别是基于线性相关系数的定位方法，基于ICA算法的定位方法和基于CSP算法的定位方法，并最终定位出枕叶附近为警觉度关键脑区。从警觉度关键脑区采集脑电信号可有效降低警觉度无关脑电信号的影响，并可以简化脑电采集过程，增强脑电警觉度分析系统的实用性。 3.脑电疲劳特征提取。对对数形式的脑电频谱特征，本文给出了物理层面的解释，进而定义了脑电的微分熵特征。提出了脑电特征中的乘性噪音问题，并给出了不同脑电特征的乘性噪音消除方案。同时，结合警觉度实验数据，对自回归系数，能量谱，分形维数，样本熵以及微分熵这五种脑电特征，从原理和性能两个层面进行了详细的对比分析。最终结果显示，微分熵特征的警觉度表征能力最强，且性能最稳定。 4.脑电特征在线过滤。本文提出了基于线性动力系统模型的脑电特征过滤算法，用于消除脑电数据中的警觉度无关脑电特征。同时，结合警觉度实验数据，从原理和性能两个方面与传统的滑动平均滤波器算法进行了对比分析。结果显示，该算法能更加充分合理的利用已观测到的全部脑电数据，更好的消除警觉度无关脑电特征的影响，提高警觉度的估计精度。 5.鲁棒性的脑电特征降维。由于脑电特征中含有较强的噪音，传统的特征降维算法如PCA，在受到噪音干扰后会导致计算出的主成分不准确，从而影响后续的警觉度估计性能。为了解决特征降维过程中的噪音问题，本文引入了具有抗噪能力的特征降维算法：Robust PCA，并基于具体的实验数据，进行了对比分析。结果显示，Robust PCA算法相比于标准PCA算法，在处理含有较多噪音的脑电特征时，确实能有效提高警觉度估计系统的性能。 6.高效的警觉度估计模型。本文提出了用于在线警觉度估计的Larsen-ELM算法，相比于SVM回归模型，该算法在保证警觉度估计准确率的同时，具有高效的模型参数训练效率，对处理大规模的脑电警觉度数据，具有较高的实用价值。 7.基于脑电信号的警觉度自动标注算法。传统警觉度标注算法通常代价过高，自动化性能欠佳，且无法有效处理大规模的数据集。因此，本文提出了直接基于脑电数据的离散警觉度标注算法和连续警觉度标注算法。由于脑电特征随警觉度变化而变化，该类型的算法能直接利用脑电特征的分布规律通过聚类算法和流形学习算法进行警觉度的自动标注。直接基于脑电数据的标注结果，与传统的基于警觉度相关任务行为的标注结果相比，同样能准确的标注出警觉度变化的整体走势，只是在细节方面存在较小的误差。由于该类型的算法是完全自动化实现，且无需训练数据集，因此，该类型的算法能有效的提高脑电警觉度数据集的标注效率。最后，我们设计了一套完整的脑电警觉度实验方案，采集了大量的脑电警觉度实验数据，在充分且具体的数据支撑下，从实验结果和算法机理两个方面，对警觉度分析过程中各个环节的不同算法，进行了系统性的对比分析，给出了各个分析环节的推荐算法使用方案；实验结果显示，我们提出的警觉度监测方法，确实能准确可靠的实现在线警觉度估计功能和离线警觉度标注功能。

关键词：脑电信号警觉度在线自适应去伪迹警觉度关键脑区鲁棒性主成分分析线性动力系统流形学习 Larsen-ELM 警觉度估计警觉度标注

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的复杂环境下表面缺陷检测技术研究

基于机器视觉的复杂环境下表面缺陷检测技术研究

引用

作者：曹锦纲华北电力大学(北京)

学位级别：博士

基于机器视觉的表面缺陷检测是生产过程自动化、智能化发展的需要。表面缺陷检测作为工业生产中产品质量监控的重要环节,能够有效地提高产品质量和生产效率;表面缺陷检测还是进行日常设备维护的重要手段,及时发现表面缺陷能够有效延长... 详细信息

基于机器视觉的表面缺陷检测是生产过程自动化、智能化发展的需要。表面缺陷检测作为工业生产中产品质量监控的重要环节,能够有效地提高产品质量和生产效率;表面缺陷检测还是进行日常设备维护的重要手段,及时发现表面缺陷能够有效延长设备的寿命。随着机器视觉和人工智能技术的发展,对于背景单一、缺陷明显等简单环境下的表面缺陷已经取得了较好地检测效果,具有较高的准确率。但是对于复杂环境下的表面缺陷,由于干扰因素多、涉及的领域广,大大增加了缺陷检测的难度,为实现智能检测和制造强国、质量强国发展战略,复杂环境下表面缺陷的高精度检测是一个亟待解决的问题。本文以表面缺陷为研究对象,基于机器视觉技术,针对复杂环境下的表面缺陷检测问题进行了深入研究,采用鲁棒性主成分分析和深度学习技术,提出了解决的方法。本文的创新和主要研究工作如下:(1)针对采集的图像中光照不均和检测结果中缺陷不连续的问题,提出了一种基于视觉显著性和鲁棒性主成分分析的表面缺陷检测方法。该方法将缺陷图像看成由低秩矩阵表示的非缺陷区域、稀疏矩阵表示的缺陷区域和噪声矩阵组成,通过对表面缺陷的人工特征提取,基于改进的鲁棒性主成分分析求得稀疏矩阵。为抑制非均匀光和检测出连续的缺陷区域,在鲁棒性主成分分析基础上,增加了F范数和拉普拉斯正则项。再根据稀疏矩阵,采用视觉显著性,实现对表面缺陷的检测。对提出的方法,在人工数据集和风机叶片数据集上与其他传统方法进行了比较,结果表明所提出方法能够有效抑制非均匀光和噪声,检测出连续的缺陷区域,提高缺陷检测的性能。(2)针对复杂环境下,传统的表面缺陷检测方法难以有效检测缺陷的问题,提出了一种基于注意力机制的深度神经网络表面缺陷检测模型。该模型基于编码器-解码器架构,编码器采用ResNet34提取各层特征,通过在编码器和解码器间增加基于注意力的更高层特征提取模块,以获取更高层的语义上下文信息,更好地定位缺陷区域。此外,在解码器各层引入基于注意力机制的解码模块,利用空间和通道注意力机制,提升对表面缺陷定位的准确性。对提出模型在两个公开路面缺陷数据集CFD和CRACK500上,与其他8种模型进行了性能对比,提出模型在评价指标F-measure和IoU上取得了最佳的检测结果。(3)针对低对比度、微小缺陷和缺陷种类形态多样以及非均匀光等给表面缺陷检测带来的巨大挑战,为提升复杂环境下表面缺陷检测方法的准确性和通用性,提出了一种基于深度神经网络的多层多级特征融合的表面缺陷检测模型。该模型首先利用ResNet50提取多层特征,然后利用多层特征聚合模块融合各层特征,具体过程为先采用横向连接和特征融合块自下而上融合特征,再利用跳跃连接与高层特征相加融合,从而使各层不仅包括丰富的局部信息,而且包含高层的语义上下文信息。接着再利用多级解码器进行特征深度融合,多级解码器包含多个解码分支,各分支结构相同,各级解码器利用横向连接传递各层特征。前一级解码分支的输出还通过反馈连接与各层特征融合后再传入后一级解码器。通过多层多级特征的深度融合,实现对表面缺陷的准确定位和分割。在三个不同类型的复杂表面缺陷数据集MT、RSDD和CFD上和多种模型进行了实验对比,结果表明提出模型能够有效提升表面缺陷检测的性能和通用性。(4)为进一步提升复杂环境下表面缺陷检测的性能,采用FCN构架,提出了一种基于两级注意力特征融合的表面缺陷检测模型。该模型首先利用ResNet50特取表面缺陷的各层特征,为更好地检测微小缺陷,增加了一个基于扩张卷积的多尺度特征提取模块。然后将各层特征送入两级注意力特征融合模块,该模块先通过基于注意力的相邻特征融合模块在各层进行相邻特征融合,再通过基于注意力的高层特征融合模块实现将各层与其高层特征融合,通过两级特征融合,各层能够包含更多的局部细节信息和全局语义信息。最后将各层特征拼接融合,经过边界求精模块和卷积模块,输出缺陷分割图。为验证提出模型的有效性,在三个不同类型的表面缺陷数据集SD900,MT和CFD上与其它模型进行了对比,结果表明提出的模型具有最优的检测性能和较强的通用性,IoU分别提高到89.90%,76.72%和 64.92%。

关键词：机器视觉复杂环境表面缺陷检测深度神经网络鲁棒性主成分分析

来源：评论

学校读者我要写书评

暂无评论

适宜于高清监控视频的多ROI背景建模方法

引用

小型微型计算机系统 2018年第6期39卷 1190-1194页

作者：汪舟何军胡昭华南京信息工程大学电子与信息工程学院江苏省气象探测与信息处理重点实验室南京210044

针对智能监控领域精确运动检测的高实时性的需求,本文提出两种基于RPCA背景建模方法.方法 I提出平均网格化背景建模法,该方法通过对视频每帧图像进行网格化切分,对每一网格视频帧图像运用多线程并行进行背景建模;方法 II提出基于RPCA的... 详细信息

针对智能监控领域精确运动检测的高实时性的需求,本文提出两种基于RPCA背景建模方法.方法 I提出平均网格化背景建模法,该方法通过对视频每帧图像进行网格化切分,对每一网格视频帧图像运用多线程并行进行背景建模;方法 II提出基于RPCA的多ROI背景建模法,由于视频监控中,往往只有几处感兴趣的目标区域,该方法通过设定多ROI区域级联后进行背景建模,则无须对整个视频帧图像进行背景建模.实验表明,两种方法检测时间上相较与Online RPCA背景建模方法时间大大减少,并且检测效果上保证目标检测的精确度,能够满足对于高清视频的实时监控.

关键词：视频监控鲁棒性主成分分析背景建模运动目标检测

来源：评论

学校读者我要写书评

暂无评论

面向视觉大数据的异常检测算法的研究与应用

面向视觉大数据的异常检测算法的研究与应用

引用

作者：汪舟南京信息工程大学

学位级别：硕士

现代社会下,随着科技和经济的快速发展,互联网及多媒体的技术快速迭代更新,视觉大数据的时代已真正来临。这对智能监控领域产生重大影响以及对智能监控领域提出了巨大的挑战。通常智能监控领域中,人们希望监控能够真正达到无监管、快响... 详细信息

现代社会下,随着科技和经济的快速发展,互联网及多媒体的技术快速迭代更新,视觉大数据的时代已真正来临。这对智能监控领域产生重大影响以及对智能监控领域提出了巨大的挑战。通常智能监控领域中,人们希望监控能够真正达到无监管、快响应、智能化。而传统的监控视频系统面临着对于高分辨率的监控摄像无法进行实时的异常算法分析,通常利用大量的人力物力保障监控领域的安全防护,不仅人员资源浪费且受到人为因素的影响。因此,如何快速有效地从高清实时视频数据中获取用户所需的信息,已成为智能监控领域研究热点。传统的单机架构已经远远不能满足当下的实时性需求,目前的分布式计算已成为大数据主流计算模式。为此,本文将分布式计算与背景建模法相融合,以面向大规模视觉数据的异常检测算法为核心,充分利用Spark分布式框架提升背景建模架构的效率,并主要完成了以下几个方面的工作:(1)本文对传统几种异常检测算法进行了深度剖析,对背景差分法、帧间差分法、光流法以及背景建模法检测原理及过程进行综述比较以及阐述各个方法的优缺点。其次综述了鲁棒性主成分分析方法,包括静态鲁棒性主分分分析原理的阐述和动态主成分分析几种“在线”方法的比较。。(2)本文提出了两种基于RPCA的背景建模法,分别是平均网格化背景建模法和多ROI背景建模法。结合传统异常检测所存在的弊端或者瓶颈所在,从原理证明了这两种方法的可行性,并且分步骤的详细阐述了这两种方法在异常检测过程中的应用。最后通过实验证明保证了这两种方法检测精确度的前提下,检测的时间大大减少。(3)随着超高清摄像监控的出现,智能监控面临的挑战异常突出,为了满足实时检测的需求,本文提出了针对上文的两种背景建模法的Spark集群分布式实现。从理论上证明了基于Spark并行化处理的可行性,并且详细推倒出并行化的算法流程。其次说明高清监控视频基于Spark集群并行化的实施具体流程并通过实验证明并行化流程实现的可行性。最后,说明了 Spark集群的详细配置以及在实验结果上,证明了相较于上文所提及单机架构的两种背景建模法来说,对于超高清在线监控视频基于Spark集群的背景建模法检测时间较多减少,能基本满足实时性的需求。

关键词：异常检测鲁棒性主成分分析智能监控分布式计算

来源：评论

学校读者我要写书评

暂无评论

红外与可见光图像融合中的关键技术研究

红外与可见光图像融合中的关键技术研究

引用

作者：王雪电子科技大学

学位级别：硕士

红外与可见光图像融合作为多源图像融合中的一个重要分支,既继承了图像融合的基本理论和方法,又具有其自身的特性。红外传感器利用景物的热辐射性质成像,具有不受天气和光照环境影响的特点,但其获得的红外图像整体比较模糊,且具有较低... 详细信息

红外与可见光图像融合作为多源图像融合中的一个重要分支,既继承了图像融合的基本理论和方法,又具有其自身的特性。红外传感器利用景物的热辐射性质成像,具有不受天气和光照环境影响的特点,但其获得的红外图像整体比较模糊,且具有较低的空间分辨率和图像对比度;相对而言,可见光传感器通过探测场景反射的可见光成像,其获得的可见光图像具有较高的空间分辨率、清晰的纹理信息以及丰富的图像细节成分,但其容易受光照条件以及天气环境的干扰。因此结合红外与可见光图像自身的特点进行图像融合具有重要的研究意义。本文主要针对红外与可见光图像融合中的关键技术进行了研究。首先对图像融合的基本理论、原理、框架和主要方法进行了研究,为本文中红外与可见光图像融合技术的研究奠定理论基础。然后针对红外图像和可见光图像各自的成像原理、图像特性进行了分析与比较;阐述了图像融合质量评价的主观评价方法以及客观质量评价指标。多尺度分析方法是图像融合领域应用最为广泛的方法,本文对非下采样Contourlet变换(NSCT)理论的原理和实现方法进行了深入地研究与分析,并将NSCT作为本文图像融合算法的基本工具。然后在此基础上,分别提出了基于视觉显著性和基于RPCA的红外与可见光图像融合算法:(1)视觉显著性反映的是场景中目标吸引视觉注意的能力,此特性与红外图像和可见光图像融合中需要提取红外图像中的目标信息具有一致性,于是本文结合视觉显著性和NSCT的平移不变性提出了一种红外与可见光图像融合的新算法;(2)根据RPCA理论,高维数据矩阵可以表示为低秩矩阵和稀疏矩阵的叠加,本文将此理论应用到图像处理领域,提出了基于RPCA和NSCT的红外与可见光图像融合算法。本文通过实验对基于视觉显著性和基于RPCA的红外与可见光图像融合算法与基准算法进行了比较,从主观和客观两方面对算法的有效性进行了评估,实验结果表明两种方法既能突出红外图像中的目标信息,同时有效地利用了可见光图像中丰富的背景信息。

关键词：图像融合非下采样轮廓波变换视觉显著性鲁棒性主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的微表情识别算法研究

基于深度学习的微表情识别算法研究

引用

作者：王婷北京交通大学

学位级别：硕士

微表情是一种轻微快速的面部运动,它能够揭露一个人试图隐藏的真实情绪。因此它被认为是检测谎言的重要线索之一。由于它在不同领域有许多前景的应用,吸引了许多研究者的注意。然而,微表情有两个非常显著的特点:短时性和低强度性,导致... 详细信息

微表情是一种轻微快速的面部运动,它能够揭露一个人试图隐藏的真实情绪。因此它被认为是检测谎言的重要线索之一。由于它在不同领域有许多前景的应用,吸引了许多研究者的注意。然而,微表情有两个非常显著的特点:短时性和低强度性,导致微表情识别仍然面临着巨大的挑战,并且在已有的工作中,微表情识别的准确率很低。为了提高微表情的识别准确率,在本篇论文中,研究了基于深度学习的微表情识别算法,提出了三种微表情识别方法:(1)基于分层网络(Hierarchical neural network,HINN)的微表情识别方法。由于人脸微表情的运动变化可以由眉毛、眼睛、鼻子、嘴巴这些局部区域的运动状态组成,因此首先采用级联回归树算法对微表情视频中的每一帧图像提取68个特征点,并依据这68个特征点将微表情数据集中的微表情图像分割为四个子图像(眉毛、眼睛、鼻子和嘴巴图像)。然后通过分层卷积网络从子图像提取丰富的局部特征,再将提取的特征送入分层双向循环网络去学习动态序列特征,最后对得到的高级特征进行分类。(2)基于鲁棒性主成分分析(Robust principal component analysis,RPCA)和双向LSTM(RBLSTM)的微表情识别算法。首先考虑到微表情的稀疏特性,采用RPCA从微表情视频的图像帧提取微表情的稀疏信息,然后将提取出来的稀疏信息送入双向长短期记忆神经网络,得到全局的稀疏的特征并进行分类。(3)基于深度融合网络(Deep fusion network,DFNN)的微表情识别算法。采用线性加权将HINN网络和RBLSTM网络的特征进行融合,通过结合提取的丰富-稀疏、局部-全局的特征,对微表情进行分类。本文提出的算法在由四个自发式微表情数据库(CASME I、CASME II、CAS(ME)2和SAMM)组合的数据集上进行实验,实验结果显示提出的方法和已有的算法比较具有不错的性能。

关键词：微表情识别卷积神经网络双向循环神经网络双向长短期记忆结构鲁棒性主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于用户网络数据指纹的异常行为检测研究

基于用户网络数据指纹的异常行为检测研究

引用

作者：吴楚婷北京邮电大学

学位级别：硕士

随着互联网在全球的快速发展,网络正在悄然改变着每个人的生活方式。在海量的用户网络行为数据中,有形形色色的数据情况和特征,通过分析用户的网络行为数据,能够看出用户的上网习惯、偏好,进而发现其中存在的异常用户。这些异常用户的... 详细信息

随着互联网在全球的快速发展,网络正在悄然改变着每个人的生活方式。在海量的用户网络行为数据中,有形形色色的数据情况和特征,通过分析用户的网络行为数据,能够看出用户的上网习惯、偏好,进而发现其中存在的异常用户。这些异常用户的存在可能会使其自身的身心健康发展受到影响、甚至破坏网络环境健康的生态圈以及网络交易的公平公正。因此,识别出这些具有异常上网行为的用户,对于维护网络生态和谐健康的发展是非常重要的。然而,海量数据的丰富性为异常检测方法带来挑战,本文将根据当前互联网环境下的两类具体异常做分析,并完成检测这两类异常的方案设计和算法实现。本文的工作和创新点主要包括以下几个方面:(1)整合运营商DPI(Deep Packet Inspection,深度包检测)数据,从用户网络行为的角度分析异常行为模式。考虑用户使用互联网应用全过程,通过分布式处理运营商大规模DPI数据并提取有效内容,构建网络数据指纹系统来表征用户网络行为。(2)分析不同类型异常用户的行为特性,针对批量薅羊毛用户以及上网习惯不良用户两类异常行为模式,设计更具针对性的基于特征工程和机器学习模型的异常检测方案。(3)在特征工程部分引入RPCA(Robust Principal Component Analysis,鲁棒性主成分分析)算法,论证该算法应用于异常检测任务的合理性,且能达到丰富特征集、增强特征选择能力的目的。(4)在学习模型上提出改进的iForest(Isolation Fores,孤立森林)算法,即w-iForest算法,该算法体现出iForest各组成部分不同的检测效力,通过上网行为不良用户检测测试,证明其表现效果良好。

关键词：异常检测鲁棒性主成分分析孤立森林算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：