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
3
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
多层极限学习机在入侵检测中的应用
被引量：
18
1
作者
康松林
刘乐
+1 位作者
刘楚楚
廖锓
《计算机应用》
CSCD
北大核心
2015年第9期2513-2518,共6页
针对神经网络在入侵检测应用存在的维度高、数据大、获取标记样本难、特征构造难、训练难等问题,提出了一种基于深度多层极限学习机(ML-ELM)的入侵检测方法。首先,采用多层网络结构和深度学习方法抽取检测样本最高层次的抽象特征,用奇...
针对神经网络在入侵检测应用存在的维度高、数据大、获取标记样本难、特征构造难、训练难等问题,提出了一种基于深度多层极限学习机(ML-ELM)的入侵检测方法。首先,采用多层网络结构和深度学习方法抽取检测样本最高层次的抽象特征,用奇异值对入侵检测数据进行特征表达;然后,利用极限学习机(ELM)建立入侵检测数据的分类模型;其次,利用逐层的无监督学习方法解决入侵检测获取标记样本难的问题;最后采用KDD99数据集对该方法的性能进行了验证。实验结果表明:多层极限学习机的方法提高了检测正确率,检测漏报率也低至0.48%,检测速度比其他深度模型的检测方法提高了6倍以上。同时在极少标记样本的情况下仍有85%以上的正确率。通过多层网络结构的构建提高了对U2L、R2L这两类攻击的检测率。该方法集成深度学习和无监督学习的优点,能对高维度,大数据的网络记录用较少的参数得到更好的表达,在入侵检测的检测速度以及特征表达两个方面都具有优势。
展开更多
关键词
入侵检测
高维度
大数据
标记样本
特征构造
训练
多层极限学习机
在线阅读
下载PDF
职称材料
适用于高数据速率和高速移动环境的多相位匹配信道估计方法
被引量：
2
2
作者
李永会
张其善
李道本
《通信学报》
EI
CSCD
北大核心
2001年第12期29-34,共6页
本文给出了多相位匹配信道估计方法,通过这种方法,可以有效地将高维的PSK调制的性能改善到低维的PSK性能,使得在高速移动环境中可以应用高维的PSK调制,因而这是一种适用于高数据速率和高速移动环境的一种有效的信道估计方法。
关键词
多相位匹配信道估计方法
高数据速率
高速移动环境
移动通信
在线阅读
下载PDF
职称材料
基于混沌PSO的大数据智能加权K均值聚类算法
被引量：
7
3
作者
刘洪基
《计算机应用与软件》
北大核心
2022年第4期311-319,共9页
针对传统聚类算法无法处理大数据中多视图高维数据问题,提出一种基于混沌粒子群优化算法的智能加权K均值聚类算法。在聚类模型中引入聚类之间的耦合程度以扩大聚类的相似性。为了消除初始聚类中心的敏感性,利用混沌粒子群优化算法通过...
针对传统聚类算法无法处理大数据中多视图高维数据问题,提出一种基于混沌粒子群优化算法的智能加权K均值聚类算法。在聚类模型中引入聚类之间的耦合程度以扩大聚类的相似性。为了消除初始聚类中心的敏感性,利用混沌粒子群优化算法通过全局搜索得到最优初始聚类中心、视图权重和特征权重。引入一种精确摄动策略提高混沌粒子群优化算法的寻优性能。通过在Apache Spark和Single Node两个平台上的实验验证了该方法在视图多、维数高的复杂数据集条件下具有较好的聚类性能。
展开更多
关键词
大数据
K均值聚类
高维多视图数据
粒子群优化算法
在线阅读
下载PDF
职称材料
题名
多层极限学习机在入侵检测中的应用
被引量：
18
1
作者
康松林
刘乐
刘楚楚
廖锓
机构
中南大学信息科学与工程学院
出处
《计算机应用》
CSCD
北大核心
2015年第9期2513-2518,共6页
基金
国家自然科学基金资助项目(60773013)
文摘
针对神经网络在入侵检测应用存在的维度高、数据大、获取标记样本难、特征构造难、训练难等问题,提出了一种基于深度多层极限学习机(ML-ELM)的入侵检测方法。首先,采用多层网络结构和深度学习方法抽取检测样本最高层次的抽象特征,用奇异值对入侵检测数据进行特征表达;然后,利用极限学习机(ELM)建立入侵检测数据的分类模型;其次,利用逐层的无监督学习方法解决入侵检测获取标记样本难的问题;最后采用KDD99数据集对该方法的性能进行了验证。实验结果表明:多层极限学习机的方法提高了检测正确率,检测漏报率也低至0.48%,检测速度比其他深度模型的检测方法提高了6倍以上。同时在极少标记样本的情况下仍有85%以上的正确率。通过多层网络结构的构建提高了对U2L、R2L这两类攻击的检测率。该方法集成深度学习和无监督学习的优点,能对高维度,大数据的网络记录用较少的参数得到更好的表达,在入侵检测的检测速度以及特征表达两个方面都具有优势。
关键词
入侵检测
高维度
大数据
标记样本
特征构造
训练
多层极限学习机
Keywords
intrusion detection
high
dimension
big
data
labeled sample
feature expression
training
multiple
LayerExtreme Learning Machine （ML-ELM）
分类号
TP393.08 [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
适用于高数据速率和高速移动环境的多相位匹配信道估计方法
被引量：
2
2
作者
李永会
张其善
李道本
机构
北京航空航天大学
北京邮电大学
出处
《通信学报》
EI
CSCD
北大核心
2001年第12期29-34,共6页
基金
申请国际专利号:PCT/CN00/00262
国家自然科学基金资助项目(69972002)
文摘
本文给出了多相位匹配信道估计方法,通过这种方法,可以有效地将高维的PSK调制的性能改善到低维的PSK性能,使得在高速移动环境中可以应用高维的PSK调制,因而这是一种适用于高数据速率和高速移动环境的一种有效的信道估计方法。
关键词
多相位匹配信道估计方法
高数据速率
高速移动环境
移动通信
Keywords
channel estimation by using
multiple
phase matching
high
dimension PSK modulation
high
data
rate
high
speed mobile communications
分类号
TN929.53 [电子电信—通信与信息系统]
TN911.23 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于混沌PSO的大数据智能加权K均值聚类算法
被引量：
7
3
作者
刘洪基
机构
楚雄师范学院经济与管理学院
出处
《计算机应用与软件》
北大核心
2022年第4期311-319,共9页
基金
云南省科技计划项目(2017FH001-124)。
文摘
针对传统聚类算法无法处理大数据中多视图高维数据问题,提出一种基于混沌粒子群优化算法的智能加权K均值聚类算法。在聚类模型中引入聚类之间的耦合程度以扩大聚类的相似性。为了消除初始聚类中心的敏感性,利用混沌粒子群优化算法通过全局搜索得到最优初始聚类中心、视图权重和特征权重。引入一种精确摄动策略提高混沌粒子群优化算法的寻优性能。通过在Apache Spark和Single Node两个平台上的实验验证了该方法在视图多、维数高的复杂数据集条件下具有较好的聚类性能。
关键词
大数据
K均值聚类
高维多视图数据
粒子群优化算法
Keywords
Big
data
K-means clustering
data with high dimensions and multiple views
Particle swarm optimization
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
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
多层极限学习机在入侵检测中的应用
康松林
刘乐
刘楚楚
廖锓
《计算机应用》
CSCD
北大核心
2015
18
在线阅读
下载PDF
职称材料
2
适用于高数据速率和高速移动环境的多相位匹配信道估计方法
李永会
张其善
李道本
《通信学报》
EI
CSCD
北大核心
2001
2
在线阅读
下载PDF
职称材料
3
基于混沌PSO的大数据智能加权K均值聚类算法
刘洪基
《计算机应用与软件》
北大核心
2022
7
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
