TopoSMOTE:基于拓扑数据分析的网络入侵检测不平衡学习

1

作者 闫计栋 钟美荟 周帆 《科学技术与工程》 北大核心 2025年第19期8142-8150,共9页

网络入侵检测系统(network intrusion detection systems,NIDS)对维护网络安全至关重要。然而,由于网络流量数据的复杂性和类不平衡问题,现有检测模型往往出现高误报率和对不同攻击类型的检测精度不足的现象。为了克服这些挑战,提出了... 网络入侵检测系统(network intrusion detection systems,NIDS)对维护网络安全至关重要。然而,由于网络流量数据的复杂性和类不平衡问题,现有检测模型往往出现高误报率和对不同攻击类型的检测精度不足的现象。为了克服这些挑战,提出了一种基于拓扑数据分析(topological data analysis,TDA)的网络入侵检测不平衡学习方法,称为TopoSMOTE,用于生成新的少数类以平衡训练样本。TopoSMOTE的核心在于构建拓扑图来合成新样本。首先,该方法使用TDA映射网络流量数据中的空间关系和连接模式,并构建拓扑图。然后,基于拓扑图设计了一种少数类样本选择策略,通过低维映射空间中的距离度量选择具有拓扑关系的最近邻样本来合成新数据。本文在两个类不平衡的数据集上进行了实验。实验结果表明,与先进的过采样方法和入侵检测模型相比,TopoSMOTE方法具有更高的检测精度和更低的误报率。 展开更多

关键词 网络入侵检测 拓扑数据分析 不平衡学习 数据增强

在线阅读 下载PDF 职称材料

基于拓扑数据分析与卷积神经网络的特征融合方法

2

作者 杨含 秦广军 +3 位作者 刘子源 胡永庆 刘光南 戴庆龙 《深圳大学学报(理工版)》 北大核心 2025年第5期624-630,共7页

针对卷积神经网络(convolutional neural networks,CNN)难以捕获和利用复杂高维数据的多维结构信息,限制了其特征学习能力的问题,提出一种融合了拓扑数据分析(topological data analysis,TDA)与CNN的特征融合方法——TDA-CNN.该方法将CN... 针对卷积神经网络(convolutional neural networks,CNN)难以捕获和利用复杂高维数据的多维结构信息,限制了其特征学习能力的问题,提出一种融合了拓扑数据分析(topological data analysis,TDA)与CNN的特征融合方法——TDA-CNN.该方法将CNN捕获的数值分布特征与TDA提取的拓扑结构特征相融合,CNN通道负责提取数值分布特征,TDA通道专注于提取拓扑结构特征,然后,将这两类特征融合形成组合特征表示,并利用注意力机制自适应地学习每种特征的重要性权重,为后续全连接网络提供更全面的决策依据.在Intel Image、Gender Images和Chinese Calligraphy Styles by Calligraphers等数据集上的实验表明,TDA-CNN在改进特征聚类与识别关键特征方面表现出色,分别将基线模型VGG16、EfficientNet V2和DenseNet121的性能提升了21.89%、22.66%和8.26%,有效增强了模型的判别能力. 展开更多

关键词 人工智能 模式识别 计算机神经网络 拓扑数据分析 卷积神经网络 注意力机制 计算机图象处理

在线阅读 下载PDF 职称材料

基于时序拓扑数据分析的电力电缆局部放电模式识别 被引量：2

3

作者 李自强 李睿 孙抗 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期440-446,共7页

在电力电缆局部放电(PD)模式识别时,相位图谱以及统计特征往往因区分度不足而影响识别精度。为此,提出了一种基于时序拓扑数据分析(TDA)的局放特征提取和识别方法。首先,提出一种符号熵和粒子群优化(PSO)相结合的重构参数选择方法,将预... 在电力电缆局部放电(PD)模式识别时,相位图谱以及统计特征往往因区分度不足而影响识别精度。为此,提出了一种基于时序拓扑数据分析(TDA)的局放特征提取和识别方法。首先,提出一种符号熵和粒子群优化(PSO)相结合的重构参数选择方法,将预处理后的局放时域信号进行相空间重构,并生成三维局放数据点云;然后,基于TDA方法提取持续同调特征,据此生成持续散点图及持续条形码,计算并可视化表达为贝蒂曲线;最后,将贝蒂曲线输入1D-CNN模型,对4种典型局放缺陷模式进行识别并开展对比实验。实验结果表明,该方法对相空间重构时延参数的选取更加准确,且TDA特征具备良好的区分度,相比其他以相位图谱及统计特征为输入的模型,该方法整体识别准确率最高可提升15.34%,达到98.55%。 展开更多

关键词 局部放电 模式识别 相空间重构 拓扑数据分析 卷积神经网络

在线阅读 下载PDF 职称材料

基于拓扑数据分析的高维数据隐藏模式挖掘 被引量：2

4

作者 刘擘龙 李喆 《系统仿真学报》 CAS CSCD 北大核心 2019年第9期1755-1762,共8页

针对传统数据分析方法寻找高维复杂数据间隐藏模式存在局限性的问题,提出基于拓扑数据分析的高维数据隐藏模式挖掘方法,通过提取复杂高维数据的特征,分析其形状和样本的相互关系来获得数据集隐藏模式。利用拓扑数据分析对高维数据集-声... 针对传统数据分析方法寻找高维复杂数据间隐藏模式存在局限性的问题,提出基于拓扑数据分析的高维数据隐藏模式挖掘方法,通过提取复杂高维数据的特征,分析其形状和样本的相互关系来获得数据集隐藏模式。利用拓扑数据分析对高维数据集-声音的性别识别进行实例验证,同时对数据集数据子组以及相关数据子组之间关系进行可视化分析,结果表明所提方法可发现传统方法无法发现的数据子组之间隐含的关系和模式,得到了比传统方法更精细有效的结果,验证了所提方法对高维数据隐藏模式挖掘的强大性和有效性。 展开更多

关键词 拓扑数据分析 隐藏模式挖掘 高维数据

在线阅读 下载PDF 职称材料

基于拓扑数据分析的驾驶疲劳EEG数据处理与优化分析研究

5

作者 周飞扬 柳政卿 +1 位作者 王秋成 杨忠 《高技术通讯》 CAS 2023年第3期322-331,共10页

为提高驾驶疲劳脑电(EEG)数据处理与分析的准确性和鲁棒性,提出一种基于拓扑数据分析(TDA)的驾驶人疲劳脑电分析方法。首先利用汽车性能虚拟仿真平台开展驾驶实验,通过驾驶人状态反馈和面部特征视频,标记脑电数据,形成清醒和疲劳二分数... 为提高驾驶疲劳脑电(EEG)数据处理与分析的准确性和鲁棒性,提出一种基于拓扑数据分析(TDA)的驾驶人疲劳脑电分析方法。首先利用汽车性能虚拟仿真平台开展驾驶实验,通过驾驶人状态反馈和面部特征视频,标记脑电数据,形成清醒和疲劳二分数据集。之后利用EEGLAB预处理数据,剔除噪声并保留0.3~30 Hz频带,直接从时域EEG数据中提取拓扑特征。此外还提取了经典频域特征α波能量和α/β用于对比分析。最后使用支持向量机进行分类。结果表明,基于持久同源(PH)的拓扑特征取得了高达88.7%的准确率和91.4%的召回率,与经典频域特征性能相当,且对脑电伪影的鲁棒性明显更好,在未剔除EEG伪影的情况下仍取得了87.4%的准确率和89.7%的召回率。综上所述,本文提出的用于驾驶疲劳脑电信号处理与分析的TDA方法抗干扰特性好、处理成本低、经济性高,有助于稳定、高效地处理驾驶人脑电数据并检测驾驶疲劳状态,具有较大的科学实际应用价值。 展开更多

关键词 疲劳驾驶 脑电信号(EEG) 拓扑数据分析(TDA) 持久同源(PH) 支持向量机(SVM)

在线阅读 下载PDF 职称材料

基于点云整体拓扑结构的图像分类算法 被引量：1

6

作者 王杰 孟华 《计算机应用》 CSCD 北大核心 2024年第4期1107-1113,共7页

卷积神经网络(CNN)参数众多、分类边界复杂,对数据的局部特征较敏感,导致当CNN模型受到对抗攻击时,精度明显下降;而拓扑数据分析(TDA)方法更关注数据的宏观特征,天然具有对抗噪声和梯度攻击的能力。为此,提出一种耦合拓扑数据分析和CNN... 卷积神经网络(CNN)参数众多、分类边界复杂,对数据的局部特征较敏感,导致当CNN模型受到对抗攻击时,精度明显下降;而拓扑数据分析(TDA)方法更关注数据的宏观特征,天然具有对抗噪声和梯度攻击的能力。为此,提出一种耦合拓扑数据分析和CNN的图像分类算法MCN(Mapper-Combined neural Network)。首先,利用Mapper算法得到刻画数据集宏观特征的Mapper图,通过多视图的Mapper图对每一个样本点进行新的特征表示,并将新特征表示成二值向量;其次,结合新特征和CNN提取的隐藏层特征,增强隐藏层特征;最后,使用特征增强后的样本数据训练全连接的分类网络,完成图像分类任务。在MNIST和FashionMNIST数据集上,将MCN与纯卷积网络、单一Mapper特征分类算法进行对比,采用主成分分析(PCA)降维的MCN的初始分类精度提升了4.65%和8.05%;采用线性判别分析(LDA)降维的MCN的初始分类精度提高了8.21%和5.70%。实验结果表明,MCN分类精度更高,并且对抗攻击能力更强。 展开更多

关键词 卷积神经网络 对抗攻击 拓扑数据分析 特征增强 多视图

在线阅读 下载PDF 职称材料

神经网络的拓扑解释综述 被引量：1

7

作者 何宇楠 阳蕾 王佳慧 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第8期188-196,共9页

随着神经网络技术在医疗诊断、金融风险评估等关键领域的广泛应用,其决策过程的透明度和可解释性需求日益增加。尽管已有大量研究从不同维度探讨了神经网络的解释性,但当前的方法仍未能完全揭示其决策机制,限制了其在高可靠性和高解释... 随着神经网络技术在医疗诊断、金融风险评估等关键领域的广泛应用,其决策过程的透明度和可解释性需求日益增加。尽管已有大量研究从不同维度探讨了神经网络的解释性,但当前的方法仍未能完全揭示其决策机制,限制了其在高可靠性和高解释性要求的场景中的广泛应用。通过系统综述拓扑学方法在神经网络解释性研究中的应用,详细分析了这些方法在揭示神经网络内部工作机制方面的优势与不足。具体探讨了拓扑工具在分析神经网络特征空间和参数空间的作用,并总结了相关研究在实际应用中面临的挑战和未来的发展方向,为进一步提升神经网络的透明度和可解释性提供了有益参考。 展开更多

关键词 神经网络可解释性 拓扑数据分析 持续同调 Mapper算法

在线阅读 下载PDF 职称材料

融合持续同调-CNN的灰度化光伏红外图像的识别和分类

8

作者 孙海蓉 唐振超 +1 位作者 张洪玮 周黎辉 《太阳能学报》 北大核心 2025年第6期321-328,共8页

针对卷积神经网络对光伏红外热斑图像进行识别和分类准确率低、计算量大、光伏红外图像上热斑特征难以识别的问题,提出一种基于持续同调的对灰度化光伏热斑图像提取拓扑特征的算法。首先,将光伏红外热斑图像灰度化;然后将灰度化之后的... 针对卷积神经网络对光伏红外热斑图像进行识别和分类准确率低、计算量大、光伏红外图像上热斑特征难以识别的问题,提出一种基于持续同调的对灰度化光伏热斑图像提取拓扑特征的算法。首先,将光伏红外热斑图像灰度化;然后将灰度化之后的图像进行持续同调计算,得到条形码,从条形码中提取其拓扑特征组成新的图像;最后,用卷积神经网络对新的图像进行识别和分类。实验结果表明,灰度化后的光伏红外图像是一个单通道图像,计算量更小;提取的光伏红外热斑图像拓扑特征更易识别和分类,准确率更高。 展开更多

关键词 特征提取 卷积神经网络 持续同调 拓扑数据分析 拓扑特征 识别和分类

在线阅读 下载PDF 职称材料

基于持续同调算法的光伏热斑识别与分类方法

9

作者 孙海蓉 张洪玮 +1 位作者 唐振超 周黎辉 《太阳能学报》 北大核心 2025年第5期285-292,共8页

针对光伏组件中红外热斑的识别及分类需训练样本数量较大以及准确率还有待提高的问题,提出一种基于持续同调算法与卷积神经网络相结合的热斑识别方法。首先使用拓扑数据分析中的持续同调算法,将红外热图像中RGB三通道上的数值映射到三... 针对光伏组件中红外热斑的识别及分类需训练样本数量较大以及准确率还有待提高的问题,提出一种基于持续同调算法与卷积神经网络相结合的热斑识别方法。首先使用拓扑数据分析中的持续同调算法,将红外热图像中RGB三通道上的数值映射到三维坐标系形成三维点云,然后进行持续同调计算,预先提取出图片内部所包含的拓扑特征,再将提取出的特征向量化处理后以固定的顺序排列,映射到图像的像素中去,并与图片的亮度及对比度特征相结合,最后将处理后的图像数据输入到调整后的LeNet-5卷积神经网络模型中,实现对光伏红外热斑的分类识别,并通过混淆矩阵计算各项性能指标,以评估模型的性能。实验结果表明,该模型有效地提取出隐藏在图像内部的高维拓扑特征,并与其他特征进行有利地互补结合,解决图像数据无法直接输入到持续同调算法中以及高维度拓扑特征无法直接作为深度学习模型输入的问题,同时提高了光伏红外热斑的分类识别准确率,且显著减少了所需的计算资源。 展开更多

关键词 光伏组件 特征提取 卷积神经网络 拓扑数据分析 持续同调 光伏热斑

在线阅读 下载PDF 职称材料

基于图元统计和持续同调的时间序列分类算法

10

作者 黄冠英 杨骏 敬思远 《计算机工程与设计》 北大核心 2025年第9期2509-2516,共8页

针对当前时间序列分类算法大多采用形状特征进行分类,缺乏更高维的数据特征表征能力的问题,提出通过时间序列转化的自然可视图和水平可视图提取图元特征,同时通过持续同调方法提取Vietoris-Rips复形拓扑特征,以此构造特征向量的方法,并... 针对当前时间序列分类算法大多采用形状特征进行分类,缺乏更高维的数据特征表征能力的问题,提出通过时间序列转化的自然可视图和水平可视图提取图元特征,同时通过持续同调方法提取Vietoris-Rips复形拓扑特征,以此构造特征向量的方法,并训练XGBoost分类器以实现时间序列分类。实验结果表明:所提算法在UCR数据集上取得的平均准确率为0.81,优于COTE,ResNet,BSPCover等当前领先的时间序列分类算法。该结果验证了所提算法的有效性。 展开更多

关键词 时间序列分类 图元统计 拓扑数据分析 持续同调 拓扑特征 可视图 特征提取

在线阅读 下载PDF 职称材料

移动传感器网络区域覆盖快速检测的拓扑方法研究 被引量：2

11

作者 洪峰 刘旭 易东云 《计算机工程与科学》 CSCD 北大核心 2013年第9期73-77,共5页

无线传感器网络以获取有用信息为最终目的,而获得的有用信息的多少取决于对监测区域的覆盖程度,因此覆盖算法是其研究的重要问题之一。现有的覆盖算法大多假定传感器节点能够提供精确的部署位置及相对方位。介绍了一种基于代数同调群的... 无线传感器网络以获取有用信息为最终目的,而获得的有用信息的多少取决于对监测区域的覆盖程度,因此覆盖算法是其研究的重要问题之一。现有的覆盖算法大多假定传感器节点能够提供精确的部署位置及相对方位。介绍了一种基于代数同调群的快速覆盖检测算法,基于网络拓扑即可快速判断网络的覆盖情况,无需传感器精确位置,降低了传感器设计复杂度。仿真结果表明,该算法可以快速有效地检测移动传感器部署的覆盖盲区。 展开更多

关键词 无线传感器网络 拓扑数据分析 覆盖盲区 覆盖冗余 单纯复形 Betti—Number

在线阅读 下载PDF 职称材料

基于拓扑结构特征的投资组合构建研究

12

作者 李瑞阳 李庶祎 +3 位作者 杨越溪 彭楚涵 邢静雨 乔高秀 《计算机科学》 2025年第10期13-21,共9页

近年来,拓扑数据分析(Topological Data Analysis,TDA)在金融领域的应用逐渐显现出价值。TDA通过持久同调等方法构建复形,能有效量化数据的形状,以便提取数据信息,为时间序列分析,特别是金融时间序列的聚类与投资组合的构建提供了独特... 近年来,拓扑数据分析(Topological Data Analysis,TDA)在金融领域的应用逐渐显现出价值。TDA通过持久同调等方法构建复形,能有效量化数据的形状,以便提取数据信息,为时间序列分析,特别是金融时间序列的聚类与投资组合的构建提供了独特优势。基于此,通过采用TDA方法对中国股票市场的时间序列数据进行深入挖掘,结合聚类算法,并将其应用于投资组合的构建,分析其有效性。通过滑动窗口法进行验证,结果表明基于TDA(去噪)聚类的投资组合在回报风险比和稳定性方面表现良好,优于市场整体表现。研究表明,TDA方法可以更有效地挖掘股票数据中的信息,为投资者提供科学依据,从而取得最佳收益。 展开更多

关键词 拓扑数据分析 投资组合 时间序列 聚类

在线阅读 下载PDF 职称材料