-
题名基于概率核主成分分析的属性优化方法及其应用
被引量：8
- 1
-
-
作者
郑静静
王延光
杜磊
印兴耀
张广智
-
机构
中国石化胜利物探研究院
中国石油辽河勘探开发研究院
中国石油大学(华东)
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2014年第3期567-571,419,共5页
-
基金
中国石化股份公司项目(P12047)
博士后课题(YKB1219)
+1 种基金
国家油气重大专项(2008zx05014-001-010hz)
中国石油科技创新基金项目(2011D-5006-0301)联合资助
-
文摘
主成分分析(PCA)是最常用的属性优化分析技术,但存在缺少概率模型和缺失高阶统计量信息的不足。本文基于贝叶斯理论和核主成分分析(KPCA)法,研究了可同时克服PCA两个缺点的方法———概率核主成分分析(PKPCA)。即首先将样本数据映射到高维特征空间,继而在特征空间定义数据的概率模型,最后应用期望最大(EM)估计最佳结果。该方法兼具概率分析和核主成分分析的优点,能有效地适应更复杂储层情况,实现非线性概率分析。实际数据的应用结果表明,基于贝叶斯理论的属性概率优化法提高了属性优化的精度,同时增强了储层预测的准确性和可靠性。
-
关键词
核主成分分析
概率核主成分分析
核函数
属性优化
储层预测
-
Keywords
kernel principal component analysis(KPCA),probability of kernel principal component analysis(PKPCA),kernel function,attribute optimization analysis,reservoir prediction
-
分类号
P631
[天文地球—地质矿产勘探]
-
-
题名基于双层异质集成学习器的入侵检测方法
被引量：6
- 2
-
-
作者
凌玥
刘玉岭
姜波
李宁
卢志刚
刘宝旭
-
机构
中国科学院信息工程研究所
中国科学院大学网络空间安全学院
-
出处
《信息安全学报》
CSCD
2021年第3期16-28,共13页
-
基金
中国自然科学基金(No.61702508,No.61802404)
国家重点研发计划课题(No.2016YFF0204002,No.2016YFF0204003)
+1 种基金
“十三五”装备预研领域基金(No.6140002020115)的支持
中国科学院网络评估技术重点实验室和北京市网络安全与保护技术重点实验室的部分支持。
-
文摘
入侵检测是网络安全领域中具有挑战性和重要性的任务。现有研究以增加时间消耗和误报率为代价,重点关注如何提高检测率,在实际应用中代价较大。为此,本文提出了一种使用双层异质学习器集成学习策略的入侵检测IDHEL模型。该模型使用概率核主成分分析方法降低数据维度,采用多个异质分类器通过分层十折交叉验证策略进行异常检测,并根据所提出的分类器评估算法筛选出在相关数据上表现最佳的三种分类器,基于概率加权投票的多分类器集成算法进行入侵检测。实验结果表明IDHEL模型在准确率、错误率和时间消耗方面均优于现有主流入侵检测模型。
-
关键词
入侵检测
异质学习器集成
概率核主成分分析
分类器评估
概率加权投票
-
Keywords
intrusion detection
heterogeneous classifiers ensemble
probabilistic kernel principal component analysis
classifier evaluation
probability weighted voting
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
