检索结果-内蒙古大学图书馆

科技通报 2021年第2期37卷 40-46页

作者：钟倩漪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昆明650500

针对传统关联规则挖掘在处理高维大型数据时运行效率不高的问题,提出一种基于多策略二进制粒子群优化算法的关联规则挖掘方法。该方法使用二进制粒子群优化算法搜索关联规则,无需人为指定支持度、置信度等阈值,同时引入反向学习策略、... 详细信息

针对传统关联规则挖掘在处理高维大型数据时运行效率不高的问题,提出一种基于多策略二进制粒子群优化算法的关联规则挖掘方法。该方法使用二进制粒子群优化算法搜索关联规则,无需人为指定支持度、置信度等阈值,同时引入反向学习策略、细粒度惯性权重及V型函数,降低算法陷入局部最优的概率,提高算法的收敛精度。实验结果表明,改进后的算法收敛速度较快,且平衡了可靠性、相关性及可理解性等多个指标,能挖掘出更为有效的关联规则。

关键词：关联规则挖掘二进制粒子群优化反向学习

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

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

改进灰狼算法优化支持向量机的入侵检测研究

引用

化工自动化及仪表 2022年第2期49卷 219-226页

作者：欧元芳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

针对支持向量机参数设置不当导致入侵检测分类性能不佳的问题,提出一种改进灰狼算法优化支持向量机(IGWO-SVM)的入侵检测模型。首先,针对入侵检测数据维度较高的问题,利用降噪自编码器(DAE)对高维数据进行特征提取,获得低维特征;然后,... 详细信息

针对支持向量机参数设置不当导致入侵检测分类性能不佳的问题,提出一种改进灰狼算法优化支持向量机(IGWO-SVM)的入侵检测模型。首先,针对入侵检测数据维度较高的问题,利用降噪自编码器(DAE)对高维数据进行特征提取,获得低维特征;然后,用随机动态调整收敛因子的灰狼算法寻找支持向量机的最优参数,构建IGWO-SVM的分类模型;最后,将提取到的低维特征输入到IGWO-SVM分类模型中进行入侵检测分类。实验结果表明:IGWO-SVM模型不仅能够避免灰狼算法陷入局部最优,而且能够提高入侵检测分类性能。

关键词：网络入侵检测 IGWO-SVM 数据降维随机调整收敛因子

来源：评论

学校读者我要写书评

暂无评论

利用哈里斯鹰算法优化卷积神经网络的入侵检测研究

引用

化工自动化及仪表 2023年第4期50卷 513-520页

作者：李响缪祥华张如雪张宣琦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

以往利用卷积神经网络(CNN)搭建入侵检测模型时,需用人工经验设定网络结构,导致其网络性能很难发挥最优。为此,提出利用哈里斯鹰算法(HHO)对CNN的网络结构进行自适应优化,构建入侵检测模型。首先针对传统CNN全连接层易发生过拟合的问题... 详细信息

以往利用卷积神经网络(CNN)搭建入侵检测模型时,需用人工经验设定网络结构,导致其网络性能很难发挥最优。为此,提出利用哈里斯鹰算法(HHO)对CNN的网络结构进行自适应优化,构建入侵检测模型。首先针对传统CNN全连接层易发生过拟合的问题,采用全局池化层(GAP)对参数进行缩减;然后采用哈里斯鹰算法选取CNN最佳网络结构,避免人工干预引起的检测不确定性,从而缩短参数选择时间,提升入侵检测模型的适用性和入侵检测性能。在NSL-KDD数据集的实验结果表明:所提哈里斯鹰算法优化改进后的卷积神经网络构建的入侵检测模型,检测准确率93.68%,误报率1.65%,检测性能优于SVM、AdaBoost、BP入侵检测模型。

关键词：入侵检测 HHO-GCNN模型卷积神经网络哈里斯鹰算法自适应优化全局池化层 NSL-KDD数据集

来源：评论

学校读者我要写书评

暂无评论

基于深度循环神经网络的入侵检测方法

引用

化工自动化及仪表 2021年第6期48卷 566-574,645页

作者：王佳坤缪祥华邵建龙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

在入侵检测中提出一种具有多层堆叠的深度门控循环单元检测模型,并且通过简化深度门控循环单元,在减少计算参数的同时保持学习能力。针对NSL-KDD数据集中少数攻击类型数量较少的问题,提出使用Borderline-SMOTE过采样算法来提高少数攻击... 详细信息

在入侵检测中提出一种具有多层堆叠的深度门控循环单元检测模型,并且通过简化深度门控循环单元,在减少计算参数的同时保持学习能力。针对NSL-KDD数据集中少数攻击类型数量较少的问题,提出使用Borderline-SMOTE过采样算法来提高少数攻击类型的检测准确率,进而提升入侵检测的能力。通过数据集平衡前后的多项评价标准对比可知,所提方法能够有效提升检测效率,与其他算法相比表现出较高的检测能力。

关键词：入侵检测技术深度门控循环单元 NSL-KDD数据集少数攻击类型 Borderline-SMOTE算法

来源：评论

学校读者我要写书评

暂无评论

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

引用

化工自动化及仪表 2024年第2期51卷 262-273页

作者：张恒齐钱谦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

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logisti... 详细信息

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。

关键词： S型自适应混沌蜉蝣优化算法(S-AMA) 稚虫迁徙机制混沌映射 S型生命系数莱维飞行

来源：评论

学校读者我要写书评

暂无评论

基于Attention-ResNet-LSTM网络的中期负荷预测模型

引用

化工自动化及仪表 2021年第6期48卷 575-580,645页

作者：刘新志刘爱莲李英娜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

提出一种基于Attention-ResNet-LSTM网络的中期负荷预测模型。将Attention机制引入LSTM模型,赋予不同的权重于特征向量,加入ResNet网络后算出负荷的预测值。以爱尔兰某地区的真实负荷为数据集进行仿真实验,负荷预测结果表明:相比于RNN、... 详细信息

提出一种基于Attention-ResNet-LSTM网络的中期负荷预测模型。将Attention机制引入LSTM模型,赋予不同的权重于特征向量,加入ResNet网络后算出负荷的预测值。以爱尔兰某地区的真实负荷为数据集进行仿真实验,负荷预测结果表明:相比于RNN、LSTM、Attention-LSTM模型,Attention-ResNet-LSTM模型的预测精度更高。

关键词：中期负荷预测电力负荷 LSTM网络 Attention机制 ResNet网络

来源：评论

学校读者我要写书评

暂无评论

APP软件的用户满意度模型研究

引用

信息技术 2019年第2期43卷 14-18,24页

作者：刘婷姜瑛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昆明650500

目前多数软件用户满意度模型只关注了用户满意度的部分内容,有些研究只针对部分APP软件。文中基于ISO/IEC 25010软件产品质量标准,结合APP软件的特点,从主观和客观的角度出发,从用户、软件、环境三个方面提出了APP软件通用的用户满意度... 详细信息

目前多数软件用户满意度模型只关注了用户满意度的部分内容,有些研究只针对部分APP软件。文中基于ISO/IEC 25010软件产品质量标准,结合APP软件的特点,从主观和客观的角度出发,从用户、软件、环境三个方面提出了APP软件通用的用户满意度模型。通过APP软件用户评论的分析,表明文中提出的APP软件的用户满意度模型是可行的。

关键词： APP软件用户满意度模型主观客观

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

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：