检索结果-内蒙古大学图书馆

化工自动化及仪表 2024年第5期51卷 837-843,863页

作者：王欣源缪祥华黄明巍张世奇张世杰昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室

提出一种基于果蝇算法(FOA)和卷积神经网络(CNN)的入侵检测方法。FOA实现训练数据的均衡,并结合新型CNN结构(1个输入层、3个卷积层、2个池化层和2个全连接层)改善不均衡数据对入侵检测的影响。研究使用了OpenStack数据集,包含正常数据和... 详细信息

提出一种基于果蝇算法(FOA)和卷积神经网络(CNN)的入侵检测方法。FOA实现训练数据的均衡,并结合新型CNN结构(1个输入层、3个卷积层、2个池化层和2个全连接层)改善不均衡数据对入侵检测的影响。研究使用了OpenStack数据集,包含正常数据和4类攻击数据。数据特征经处理后转换为灰度图作为CNN的输入数据。实验结果表明:该方法显著提高了入侵检测系统的分类平均精确率,克服了不均衡训练数据的负面影响,实现了CNN在入侵检测中的应用。可为提高入侵检测系统的准确性和可信度提供参考。

关键词：入侵检测 FOCNN 数据不平衡少数类攻击 OpenStack CNN新结构

来源：评论

学校读者我要写书评

暂无评论

融合模拟退火和自适应的天牛须搜索算法

引用

通信技术 2019年第7期52卷 1626-1631页

作者：周田江钱谦伏云发昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室

天牛须搜索算法是一种新型单体智能优化算法,该算法在低维函数优化中收敛速度快并且具有全局寻优能力,但在多维函数中收敛速度慢,寻优精度较低。针对以上缺点,提出了一种融入模拟退火过程以及自适应因子的改进天牛须搜索算法。该算法在... 详细信息

天牛须搜索算法是一种新型单体智能优化算法,该算法在低维函数优化中收敛速度快并且具有全局寻优能力,但在多维函数中收敛速度慢,寻优精度较低。针对以上缺点,提出了一种融入模拟退火过程以及自适应因子的改进天牛须搜索算法。该算法在寻优阶段采用自适应因子加快收敛,再通过模拟退火过程概率性跳出局部最优。采用6个标准测试函数进行测试,并与天牛须搜索算法、天牛群算法和模拟退火算法进行对比。仿真结果表明,该算法在多维函数优化问题中有更好的寻优能力。

关键词：天牛须搜索算法单体智能函数优化模拟退火

来源：评论

学校读者我要写书评

暂无评论

基于fNIRS信号单手手语识别研究

引用

昆明理工大学学报（自然科学版） 2020年第6期45卷 74-81页

作者：王文乐龚安民伏云发昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学脑认知与脑机智能融合实验室中国人民武装警察工程大学信息工程学院陕西西安710086 云南省计算机技术应用重点实验室云南昆明650500

本研究探索基于fNIRS信号把手语任务作为BCI实验范式进行识别的可行性.实验采集了16名被试执行6类手语任务的实际和想象运动期间大脑运动区的fNIRS信号,然后从氧合血红蛋白(HbO)信号中分别提取峰值和均值作为特征,最后分别采用AdaBoost... 详细信息

本研究探索基于fNIRS信号把手语任务作为BCI实验范式进行识别的可行性.实验采集了16名被试执行6类手语任务的实际和想象运动期间大脑运动区的fNIRS信号,然后从氧合血红蛋白(HbO)信号中分别提取峰值和均值作为特征,最后分别采用AdaBoost.M1、SVM、LDA、HMM、NB和KNN算法进行识别.在LDA下实现了78.70%±1.78%的最高平均分类准确率.为验证结果,进行了统计学显著性检验,证实了采用以上算法和HbO信号实现识别,p值具有统计学意义(p<0.05).实验表明,把手语任务作为fNIRS-BCI实验范式是可行的.本研究可为fNIRS-BCI提供更多新的实验范式,以期提供更丰富的输出命令,并为该类BCI脑控机械手多任务运动提供思路.

关键词：功能近红外光谱(fNIRS) 脑机接口(BCI) BCI实验范式运动想象(MI)

来源：评论

学校读者我要写书评

暂无评论

一种混合采样与膨胀卷积相结合的入侵检测模型设计

引用

化工自动化及仪表 2022年第1期49卷 27-35页

作者：刘兴元缪祥华昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

基于机器学习的入侵检测模型在网络环境的安全保护中起着至关重要的作用。然而,入侵检测数据集存在不平衡类问题,限制了分类器对少数类的检测性能,降低了少数类的检测率。为了解决入侵检测数据集数据不平衡的问题,提出一种新的混合采样... 详细信息

基于机器学习的入侵检测模型在网络环境的安全保护中起着至关重要的作用。然而,入侵检测数据集存在不平衡类问题,限制了分类器对少数类的检测性能,降低了少数类的检测率。为了解决入侵检测数据集数据不平衡的问题,提出一种新的混合采样技术(SSG),由基于支持向量机(SVM)合成少数类过采样(SMOTE)算法和高斯混合模型(GMM)欠采样聚类技术相结合。其次,为了解决网络入侵数据特征学习不充分的问题,运用特征提取功能强的膨胀卷积神经网络模型(DCNN),使用膨胀卷积来增大对信息的感受野,从而提取高级特征。在UNSW-NB15数据集进行多分类实验,取得了97.04%的检测准确率,实验结果优于其他模型和现有的方法,为大规模不平衡的网络数据入侵检测提供了一个有效的方案。

关键词：入侵检测深度学习数据不平衡混合采样膨胀卷积 UNSW-NB15数据集

来源：评论

学校读者我要写书评

暂无评论

基于MFFT-SCA的复杂光照条件下的行车检测

引用

化工自动化及仪表 2022年第2期49卷 197-206页

作者：任庆坤昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

针对毫米波雷达点云稀疏,无法生成精确的感兴趣区域的问题,提出一种基于点云的雷达位置信息增强技术。通过对雷达点半径进行扩大,使雷达数据包含更多的空间信息和位置信息,从而实现对视觉检测模块的引导作用。实验表明:对雷达位置信息... 详细信息

针对毫米波雷达点云稀疏,无法生成精确的感兴趣区域的问题,提出一种基于点云的雷达位置信息增强技术。通过对雷达点半径进行扩大,使雷达数据包含更多的空间信息和位置信息,从而实现对视觉检测模块的引导作用。实验表明:对雷达位置信息进行增强,可使平均精度均值最高提升4.1%,平均召回率均值最高提升4.9%。针对辅助驾驶过程中夜间、雨天等复杂光照环境下目标检测精度低的问题,提出一种基于多模态融合的复杂光照环境下行车检测框架MFFT-SCA。MFFT-SCA方法以多模态融合技术为基础,强化了空间信息融合模块,使经过增强处理的雷达空间位置信息与视觉特征更好地结合,得到更精准的感兴趣区域引导;引入通道注意力机制,对各通道的依赖性进行建模,对雷达通道特征进行更多的权重分配,增强雷达通道有用特征;最后通过特征金字塔,利用多尺度特征完成相应的目标检测任务。实验结果表明:MFFT-SCA框架在夜间检测环境下,平均精度均值提高了11.2%,平均召回率均值提高了6.0%;在雨天场景下,平均精度均值提高了2.2%,平均召回率均值提高了1.6%;混合天气条件下,平均精度均值提高了3.5%,平均召回率均值提高了6.3%。

关键词：视觉检测辅助驾驶多模态融合空间信息增强通道注意力

来源：评论

学校读者我要写书评

暂无评论

基于深度提升网络的入侵检测技术研究

引用

化工自动化及仪表 2022年第6期49卷 787-793页

作者：张如雪缪祥华昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

为了在入侵检测时得到更高的精确率,使用极限梯度提升决策树XGBoost和梯度提升决策树GBDT构成集成学习的深度提升模型。利用CICIDS2017数据集对该模型进行实验,结果表明:与传统的5种方法相比,该方法在二分类和多分类任务上都表现出良好... 详细信息

为了在入侵检测时得到更高的精确率,使用极限梯度提升决策树XGBoost和梯度提升决策树GBDT构成集成学习的深度提升模型。利用CICIDS2017数据集对该模型进行实验,结果表明:与传统的5种方法相比,该方法在二分类和多分类任务上都表现出良好的检测效果。

关键词：入侵检测集成学习多假设相对多数投票重构误差 CICIDS2017数据集

来源：评论

学校读者我要写书评

暂无评论

一种具有前向安全的TLS协议0-RTT握手方案

引用

化工自动化及仪表 2023年第6期50卷 813-819,832页

作者：蒲鹳雄缪祥华袁梅宇昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

针对传输层安全(TLS)协议1.3版本在握手消息的第1个flight中传输应用数据的0-RTT握手方案,传输的早期数据由于不存在身份认证,容易遭受重放、伪造以及中间人的攻击,并且不满足前向安全的问题,提出一种具有前向安全的0-RTT优化握手方案,... 详细信息

针对传输层安全(TLS)协议1.3版本在握手消息的第1个flight中传输应用数据的0-RTT握手方案,传输的早期数据由于不存在身份认证,容易遭受重放、伪造以及中间人的攻击,并且不满足前向安全的问题,提出一种具有前向安全的0-RTT优化握手方案,使用Tamarin安全协议形式化分析工具对改进前、后的协议进行形式化验证,结果表明:改进方案的早期数据在原方案之上具有了前向保密的安全性质。

关键词：传输层安全(TLS) 完美前向安全(PFS) 0-RTT优化握手方案安全协议形式化分析 Tamarin

来源：评论

学校读者我要写书评

暂无评论

网络攻击检测技术综述

引用

化工自动化及仪表 2022年第5期49卷 557-562,568页

作者：缪祥华张如雪张宣琦蒲鹳雄王攀李响张家临昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

网络攻击检测作为一种处理网络威胁的有效方法已被广泛接受。网络攻击检测技术主要有两类,即基于已知数据集的网络攻击检测技术和基于未知攻击的检测技术。其中基于已知数据集的网络攻击检测技术又分为基于统计方法的网络攻击检测和基... 详细信息

网络攻击检测作为一种处理网络威胁的有效方法已被广泛接受。网络攻击检测技术主要有两类,即基于已知数据集的网络攻击检测技术和基于未知攻击的检测技术。其中基于已知数据集的网络攻击检测技术又分为基于统计方法的网络攻击检测和基于机器学习的网络攻击检测。介绍了网络攻击检测的重要性,综述了网络攻击检测技术中数据预处理的过程以及多种网络攻击检测技术,提出了网络攻击检测技术中几个未来研究的方向。

关键词：网络攻击检测统计方法机器学习未知攻击

来源：评论

学校读者我要写书评

暂无评论

基于自适应布谷鸟搜索的模糊聚类算法

引用

化工自动化及仪表 2022年第6期49卷 725-731页

作者：高妍妍缪祥华昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

由于布谷鸟算法的步长控制因子和发现概率在算法运行过程中保持固定,影响算法的整体寻优效率和寻优精度,为此提出一种自适应设置步长控制因子和发现概率的布谷鸟搜索算法,并利用它优化模糊聚类随机选取初始聚类中心影响聚类效果的缺陷... 详细信息

由于布谷鸟算法的步长控制因子和发现概率在算法运行过程中保持固定,影响算法的整体寻优效率和寻优精度,为此提出一种自适应设置步长控制因子和发现概率的布谷鸟搜索算法,并利用它优化模糊聚类随机选取初始聚类中心影响聚类效果的缺陷。首先根据搜索阶段的不同自动调节两个参数,使全局和局部的搜索能力达到最平衡的状态,提高整体的搜索效率;然后用改进的布谷鸟搜索算法优化模糊聚类算法,使得算法达到更好的聚类效果。在对比实验中验证了改进后的自适应布谷鸟搜索算法在寻优速度和精度上效果更优。通过比较4种算法在UCI数据集上的聚类效果,验证了改进后的算法在聚类准确率和稳定性上都有所提升。

关键词：模糊聚类布谷鸟搜索自适应优化控制全局寻优

来源：评论

学校读者我要写书评

暂无评论

融合自注意力机制的入侵检测数据生成方法

引用

化工自动化及仪表 2023年第2期50卷 199-206页

作者：张宣琦缪祥华张如雪李响昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

针对传统入侵检测领域由于数据不平衡而出现少数类检测率低的问题,设计了一种基于条件生成对抗网络和CatBoost算法的数据生成模型(SA-WCGAN)。首先,采用CatBoost算法对原始数据集进行特征选择,减少模型训练时间。之后,利用SA-WCGAN生成... 详细信息

针对传统入侵检测领域由于数据不平衡而出现少数类检测率低的问题,设计了一种基于条件生成对抗网络和CatBoost算法的数据生成模型(SA-WCGAN)。首先,采用CatBoost算法对原始数据集进行特征选择,减少模型训练时间。之后,利用SA-WCGAN生成模型进行数据扩充,解决数据不平衡问题,该生成模型引入自注意力机制(SA),提取攻击样本的全局特征,提高少数类攻击样本生成的质量;同时,引入Wasserstein距离和梯度惩罚,提高模型训练过程的收敛速度和稳定性。实验结果表明:在公开基准数据集NSL-KDD上,SA-WCGAN生成模型在只有少数样本的攻击类型上具有较高的精确率、召回率和F1分数。同时,与现有5种方法的比较分析也证实了该模型的优越性。

关键词：入侵检测 SA-WCGAN生成模型自注意力机制数据增强少数类攻击数据不平衡 Wasserstein距离梯度惩罚

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：