检索结果-内蒙古大学图书馆

在大规模网络入侵检测应用中,针对模块化神经网络算法学习精度高但效率相对较低的特点,采用SOM算法作为基本学习方法并利用其神经元竞争特性,引入模糊聚类FCM对SOM输出权值进行融合学习分类,在保持SOM高精度的基础上,大幅减少了学习时间。最后采用入侵检测数据集KDDCUP99进行测试,结果验证了算法的高检测率和较好的效率。

关键词：计算机应用入侵检测分布式学习神经网络模糊C均值(FCM)

来源：评论

学校读者我要写书评

暂无评论

改进的Peer-to-Peer环境下的聚类算法

引用

吉林大学学报（工学版） 2010年第6期40卷 1639-1643页

作者：田野刘大有吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

在P2PK-Means算法的基础上,提出了一种改进的数据聚类算法DK-Means。该算法不需要所有节点进行全局同步,只需要在直接相连的节点间进行通信,同时利用本地保存的直接相邻节点聚类信息来减少节点间的通信次数,从而减少整个网络的通信开销... 详细信息

在P2PK-Means算法的基础上,提出了一种改进的数据聚类算法DK-Means。该算法不需要所有节点进行全局同步,只需要在直接相连的节点间进行通信,同时利用本地保存的直接相邻节点聚类信息来减少节点间的通信次数,从而减少整个网络的通信开销。与P2PK-Means算法的实验结果对比表明,改进后的算法通信量要小于P2PK-Means算法的通信量,并且在聚类准确度方面也没有损失,此外,随着节点的增多,DK-Means算法所需通信量的增长速度要明显低于P2PK-Means算法。

关键词：人工智能 K-Means算法分布式数据挖掘 P2P网络

来源：评论

学校读者我要写书评

暂无评论

结合增量与启发式搜索的多目标问题处理方法

引用

计算机研究与发展 2010年第11期47卷 1954-1961页

作者：魏唯欧阳丹彤吕帅殷明浩吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 东北师范大学计算机学院长春130024

提出了一种结合增量与启发式搜索的多目标问题处理方法,设计并实现了一个基于路径扩展方法的多目标增量启发式搜索系统.当问题搜索图中边的权重发生改变或添加删除节点时,该系统通过对搜索现场进行实时的更新,部分利用先前搜索保留的信... 详细信息

提出了一种结合增量与启发式搜索的多目标问题处理方法,设计并实现了一个基于路径扩展方法的多目标增量启发式搜索系统.当问题搜索图中边的权重发生改变或添加删除节点时,该系统通过对搜索现场进行实时的更新,部分利用先前搜索保留的信息,从更新后的状态开始求解新的问题,从而提高了重搜索的效率.对gridworld标准测试样例进行了大量的系统测试,实验结果表明:结合增量与启发式搜索的处理方法能够有效地解决状态格局不断变化的一系列相似的多目标最短路径问题.

关键词：多目标问题启发式搜索增量搜索路径扩展实时更新

来源：评论

学校读者我要写书评

暂无评论

简约支持向量聚类

引用

计算机研究与发展 2010年第8期47卷 1372-1381页

作者：凌萍王喆周春光黄岚符号计算与知识工程教育部重点实验室（吉林大学）长春130012 徐州师范大学计算机科学与技术学院江苏徐州221116

针对传统支持向量聚类(support vector clustering,SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering,RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生... 详细信息

针对传统支持向量聚类(support vector clustering,SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering,RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完成优化过程.后者提出并证明了高斯核函数特征空间的几何性质,并以此设计方法完成对数据簇的辨识任务.理论分析和实验结果表明,和同类算法相比,RSVC可更有效地解决两个弊端,在实际应用中取得良好的聚类效果.

关键词：支持向量聚类简约策略薛定谔方程新的簇划分方法特征空间几何性质

来源：评论

学校读者我要写书评

暂无评论

一种新的不平衡数据学习的性能评估方法

一种新的不平衡数据学习的性能评估方法

引用

2011 AASRI Conference on Applied Information Technology(AASRIAIT 2011)

作者：董元方李雄飞李军赵海英吉林大学符号计算与知识工程教育部重点实验室长春理工大学经济管理学院长春理工大学数学系新疆师范大学计算机科学技术学院

在不平衡数据学习问题中,不同类别上的正确率对总体性能有不同的贡献,而AUC并没有反映这一点。本文提出一种新的分类器性能评估度量wAUC和一种新颖的求取wAUC值的方法。这种方法对于TPrate取不同值的区域,采用不同的权值,计算ROC曲线下... 详细信息

在不平衡数据学习问题中,不同类别上的正确率对总体性能有不同的贡献,而AUC并没有反映这一点。本文提出一种新的分类器性能评估度量wAUC和一种新颖的求取wAUC值的方法。这种方法对于TPrate取不同值的区域,采用不同的权值,计算ROC曲线下方面积。本文讨论了权值的选择方法,以及w AUC的性质,并指出AUC是wAUC的特殊情形。实验结果表明,w AUC优于AUC。

关键词：机器学习分类模型选择 AUC

来源：评论

学校读者我要写书评

暂无评论

基于约束总体最小二乘方法的近似消逝理想算法

引用

系统科学与数学 2010年第11期30卷 1478-1490页

作者：李喆张树功董天刘莉莉吉林大学数学学院符号计算与知识工程教育部重点实验室长春130012

提出了基于约束总体最小二乘方法的近似消逝理想算法.给定经验点集X~ε,该算法输出序理想O和多项式集合G.当O中单项的个数等于经验点集X~ε的基数时,G即为X~ε的近似消逝理想基.该算法充分考虑赋值向量的扰动之间的内在联系,因此在关注... 详细信息

提出了基于约束总体最小二乘方法的近似消逝理想算法.给定经验点集X~ε,该算法输出序理想O和多项式集合G.当O中单项的个数等于经验点集X~ε的基数时,G即为X~ε的近似消逝理想基.该算法充分考虑赋值向量的扰动之间的内在联系,因此在关注向量的数值相关性方面,算法优于目前其它同类算法.

关键词：经验点集近似消逝理想总体最小二乘约束总体最小二乘

来源：评论

学校读者我要写书评

暂无评论

基于草图的空间数据检索研究

引用

电子学报 2010年第8期38卷 1819-1824页

作者：申世群刘大有王生生朱丽娜吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 沈阳炮兵学院辽宁沈阳110162

空间数据库中蕴含了大量拓扑和方向关系语义,但传统的空间数据检索方法没有很好地利用这些高层语义,针对这一局限性,本文提出了一种基于草图的空间数据检索方法,将九交集拓扑模型和深度方向矩阵引入空间数据检索,给出了一种结合拓扑与... 详细信息

空间数据库中蕴含了大量拓扑和方向关系语义,但传统的空间数据检索方法没有很好地利用这些高层语义,针对这一局限性,本文提出了一种基于草图的空间数据检索方法,将九交集拓扑模型和深度方向矩阵引入空间数据检索,给出了一种结合拓扑与方向关系并支持地理数据库中所有数据类型的草图检索方法,基于二元约束满足问题的求解给出了检索算法,并针对实际应用给出了该算法的优化算法.最后通过开发系统原型及实际应用对本文提出的方法进行了验证.

关键词：空间数据检索方向关系拓扑关系空间推理

来源：评论

学校读者我要写书评

暂无评论

主题爬行中的隧道穿越技术

引用

计算机研究与发展 2010年第4期47卷 628-637页

作者：彭涛孟宇左万利王英胡亮吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 北京科技大学土木与环境工程学院北京100083

由于网络环境的复杂性和网页内容的多主题性,要想得到更多的特定主题相关网页,就要穿越那些主题不相关网页来获取更多的主题相关网页,即隧道穿越.将隧道穿越分为灰色隧道穿越和黑色隧道穿越.对于灰色隧道,在爬行过程中,将一个多主题Web... 详细信息

由于网络环境的复杂性和网页内容的多主题性,要想得到更多的特定主题相关网页,就要穿越那些主题不相关网页来获取更多的主题相关网页,即隧道穿越.将隧道穿越分为灰色隧道穿越和黑色隧道穿越.对于灰色隧道,在爬行过程中,将一个多主题Web页面分割成数量不多的内容块分别处理来避免由于网页整体主题不相关给该块所带来的影响.对于黑色隧道的穿越,将隧道中主题不相关网页根据其父亲页面的主题相关性赋予一个深度值,然后根据其深度值的大小进行取舍,来达到扩展主题爬行区域的目的.实验结果显示,这两种方法都达到了预期效果,所以方法是有效、稳健和实用的.

关键词：主题爬行灰色隧道穿越黑色隧道穿越网页分块 target length

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：