期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自编码网络在JavaScript恶意代码检测中的应用研究
被引量：
4
1
作者
龙廷艳
万良
丁红卫
《计算机科学与探索》
CSCD
北大核心
2019年第12期2073-2084,共12页
针对传统机器学习特征提取方法很难发掘JavaScript恶意代码深层次本质特征的问题,提出基于堆栈式稀疏降噪自编码网络(sSDAN)的JavaScript恶意代码检测方法。首先将JavaScript恶意代码进行数值化处理,然后在自编码网络的基础上加入稀疏...
针对传统机器学习特征提取方法很难发掘JavaScript恶意代码深层次本质特征的问题,提出基于堆栈式稀疏降噪自编码网络(sSDAN)的JavaScript恶意代码检测方法。首先将JavaScript恶意代码进行数值化处理,然后在自编码网络的基础上加入稀疏性限制,同时加入一定概率分布的噪声进行染噪的学习训练,使得自动编码器模型能够获取数据不同层次的特征表达;再经过无监督逐层贪婪的预训练和有监督的微调过程可以得到有效去噪后的更深层次特征;最后利用Softmax函数对特征进行分类。实验结果表明,稀疏降噪自编码分类算法对JavaScript具有较好的分类能力,其准确率高于传统机器学习模型,相比随机森林的方法提高了0.717%,相比支持向量机(SVM)的方法提高了2.237%。
展开更多
关键词
堆栈
式
稀疏
降
噪
自编码
网络
(
ssdan
)
JavaScript恶意代码
机器学习
在线阅读
下载PDF
职称材料
基于深度学习的兵棋演习数据特征提取方法研究
被引量：
21
2
作者
郑书奎
吴琳
贺筱媛
《指挥与控制学报》
2016年第3期194-201,共8页
为使基于机器学习的兵棋演习战场态势分析理解取得更好结果,围绕兵棋演习数据特征提取问题,以深度学习方法为手段,提出了一种栈式稀疏降噪自编码网络模型,输入真实的兵棋演习数据进行了特征提取实验,通过分类精度表征了方法的效果,并进...
为使基于机器学习的兵棋演习战场态势分析理解取得更好结果,围绕兵棋演习数据特征提取问题,以深度学习方法为手段,提出了一种栈式稀疏降噪自编码网络模型,输入真实的兵棋演习数据进行了特征提取实验,通过分类精度表征了方法的效果,并进行了多种不同方法的对比实验,证明了深度学习方法的优势.
展开更多
关键词
深度学习
兵棋演习数据
特征提取
栈
式
稀疏
降
噪
自编码
网络
在线阅读
下载PDF
职称材料
题名
自编码网络在JavaScript恶意代码检测中的应用研究
被引量：
4
1
作者
龙廷艳
万良
丁红卫
机构
贵州大学计算机科学与技术学院
贵州大学计算机软件与理论研究所
出处
《计算机科学与探索》
CSCD
北大核心
2019年第12期2073-2084,共12页
基金
贵州省科学基金,黔科合J字[2011]No.2328
贵州省科学基金,黔科合LH字[2014]No.7634~~
文摘
针对传统机器学习特征提取方法很难发掘JavaScript恶意代码深层次本质特征的问题,提出基于堆栈式稀疏降噪自编码网络(sSDAN)的JavaScript恶意代码检测方法。首先将JavaScript恶意代码进行数值化处理,然后在自编码网络的基础上加入稀疏性限制,同时加入一定概率分布的噪声进行染噪的学习训练,使得自动编码器模型能够获取数据不同层次的特征表达;再经过无监督逐层贪婪的预训练和有监督的微调过程可以得到有效去噪后的更深层次特征;最后利用Softmax函数对特征进行分类。实验结果表明,稀疏降噪自编码分类算法对JavaScript具有较好的分类能力,其准确率高于传统机器学习模型,相比随机森林的方法提高了0.717%,相比支持向量机(SVM)的方法提高了2.237%。
关键词
堆栈
式
稀疏
降
噪
自编码
网络
(
ssdan
)
JavaScript恶意代码
机器学习
Keywords
stacked sparse denoising autoencoder network(
ssdan
)
JavaScript malicious code
machine learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于深度学习的兵棋演习数据特征提取方法研究
被引量：
21
2
作者
郑书奎
吴琳
贺筱媛
机构
国防大学信息作战与指挥训练教研部
出处
《指挥与控制学报》
2016年第3期194-201,共8页
基金
军民共用重大研究计划联合基金(U1435218)
国家自然科学基金(61403401)资助~~
文摘
为使基于机器学习的兵棋演习战场态势分析理解取得更好结果,围绕兵棋演习数据特征提取问题,以深度学习方法为手段,提出了一种栈式稀疏降噪自编码网络模型,输入真实的兵棋演习数据进行了特征提取实验,通过分类精度表征了方法的效果,并进行了多种不同方法的对比实验,证明了深度学习方法的优势.
关键词
深度学习
兵棋演习数据
特征提取
栈
式
稀疏
降
噪
自编码
网络
Keywords
deep learning
wargame exercises data
feature extraction
stacked sparse denoising autoencoder network
分类号
E919 [军事]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自编码网络在JavaScript恶意代码检测中的应用研究
龙廷艳
万良
丁红卫
《计算机科学与探索》
CSCD
北大核心
2019
4
在线阅读
下载PDF
职称材料
2
基于深度学习的兵棋演习数据特征提取方法研究
郑书奎
吴琳
贺筱媛
《指挥与控制学报》
2016
21
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
