One-R的改进随机森林入侵检测模型研究

针对入侵检测系统中传统决策树分类算法仅能处理离散化数据的情况,提出一种改进的入侵检测方法。通过云模型对数据集连续属性进行离散化,利用遗传算法引入加权选择概率函数,使得决策树分类算法能检测出dos、r2l、u2r、prb攻击。kddcup99数据集上的实验结果表明,与基于贝叶斯、支持向量机与云模型离散化的检测方法相比,该方法具有更好的入侵检测与分类性能。

基于监督学习的异常入侵检测算法通常面临着训练样本不足的问题,同时,对整个历史数据集进行等同学习,没有充分考虑到网络数据模式随时间变化的特点.本文提出了一种基于小样本标记实例的数据流集成入侵检测模型,对小样本的标记数据集进行扩展,解决了训练样本不足的问题,并能够充分适应网络数据模式随时间变化的特点.实验结果表明,在小样本标记实例情况下,算法的检测性能明显优于基于所有历史数据进行入侵检测的结果.

支持向量机以严格的数学理论为基础,具有简单的数学形式、直观的几何解释和良好的泛化性能,其与核函数的结合使它成为解决分类、回归、概率密度估计等实际问题的有力工具。但当处理大规模的数据集时,无论在时间和空间效率上都是无法满足人们的需求。针对该问题,本文提出ασ-svm支持向量机,通过对其训练样本的缩减从而减少其训练时间。最后ασ-svm算法对kdd99cup入侵检测数据做验证,并与常规的svm做对比,实验结果表明该方法不但能应用到入侵检测中,而且其训练的时间也明显的减少。

在电力行业改革不断深化的背景下,电力企业也面临着较大的人才流失问题。本文利用随机森立模型建立电力企业员工离职倾向预测模型,模型的预测精度非常高,同时根据mda和mdg两种判断指标,"专业岗位符合度"对于预测电力企业员工在半年内的离职倾向具有重要的作用,对电力企业人力资源管理提供决策依据。

为提高网络入侵检测的检测效果,提出了一种基于改进d-s证据理论的信息融合网络入侵检测方法。该方法首先采用支持向量机(supportvectormachine,svm)统计机器学习方法分别对基于主机和基于网络的数据进行训练;然后针对d-s证据理论无法解决证据之间冲突问题,从合成规则着手,提出一种改进的d-s证据理论;最后采用改进的d-s证据理论对svm的训练结果进行融合,兼顾了两类检测结果的优势,提高了网络入侵检测的性能。仿真结果表明,与单一的入侵检测策略相比,该方法能有效提高网络入侵检测的准确率,降低漏报率,提高了网络入侵检测的整体性能。

本文采用深圳综合指数检验了一种使用广泛的技术分析准则——移动平均准则。与随机漫步类型的检验不同，技术分析检验不依赖于时间，并且可以包括线性模式与非线性模式各种可能，因而具有很大的优越性。同时，为了避免股票收益分布的正态性假设，本文还采用ｂｏｏｔｓｔｒａｐ方法与常规检验进行对比。经验结果表明：在现阶段中国股市，技术分析具有一定的预测能力，但对技术分析准则所指出的“买”、“卖”及“买－卖”条件收益来说，随机漫步模型不具备解释能力，也就是说，随机漫步模型尚不能正确描述现阶段中国股票市场行为的特征

预测混凝土碳化深度的随机模型

岩体随机不连续面三维网络模型的检验

传统入侵检测系统虽然可以根据特征匹配的方法检测出攻击企图,却无法验证攻击企图是否成功,生成的报警不仅数量巨大而且误警率很高。该文提出一种结合漏洞扫描工具对入侵检测系统生成的报警进行验证的方法,根据被攻击主机是否包含能使攻击成功的漏洞来判定攻击能否成功,对攻击的目标主机不存在对应漏洞的报警降低优先级,从而提高报警质量。说明了报警验证模型各部分的设计和实现方法,系统运行结果显示该方法能有效地压缩报警量,降低误警率,帮助管理员从大量数据中找到最应该关注的真实报警。

研究网络恶意入侵检测问题,当外来的恶意入侵程序高度伪装成虚拟文件隐藏在linux系统中,系统无法完整检测伪装成虚拟文件的病毒,造成漏检率很高的问题。为解决上述问题,提出一种lsm(linux安全模块)恶意入侵检测新方法,利用专门为增强linux系统的安全性设计的lsm为数据,能有效检测出系统中伪装成虚拟文件的病毒,避免了只提取系统调用数据而无法完整检测恶意入侵的问题。实验证明,采用lsm的检测新方法,能快速、准确地将恶意入侵检测出来,为保证信息的安全检测提供了参考。

为确定混凝土的弹性模量,基于细观层次假定混凝土是由骨料、砂浆和两者之间的粘结界面组成的三相复合材料,借助蒙特卡罗方法和瓦拉文公式,在二维平面上建立了随机骨料模型。通过有限元法预测混凝土的弹性模量,并将数值计算结果与试验结果进行比较,验证了该细观有限元模型的有效性。在此基础上研究了混凝土各细观组成成分的弹性模量、骨料体积率、骨料最大粒径、骨料级配、界面厚度以及孔隙等因素对混凝土弹性模量的影响规律。结果表明:在混凝土的各细观组成成分中,砂浆弹性模量对混凝土弹性模量的影响最大;连续级配的混凝土弹性模量在相同条件下大于间断级配的混凝土;孔隙的存在以及界面层厚度的增大均会使混凝土的弹性模量减小。研究结果为混凝土配合比的设计及力学性能的优化提供参考。

为确定混凝土的弹性模量,基于细观层次假定混凝土是由骨料、砂浆和两者之间的粘结界面组成的三相复合材料,借助蒙特卡罗方法和瓦拉文公式,在二维平面上建立了随机骨料模型。通过有限元法预测混凝土的弹性模量,并将数值计算结果与试验结果进行比较,验证了该细观有限元模型的有效性。在此基础上研究了混凝土各细观组成成分的弹性模量、骨料体积率、骨料最大粒径、骨料级配、界面厚度以及孔隙等因素对混凝土弹性模量的影响规律。结果表明：在混凝土的各细观组成成分中,砂浆弹性模量对混凝土弹性模量的影响最大;连续级配的混凝土弹性模量在相同条件下大于间断级配的混凝土;孔隙的存在以及界面层厚度的增大均会使混凝土的弹性模量减小。研究结果为混凝土配合比的设计及力学性能的优化提供参考。

在当下交通运输业的飞速发展,我国公路桥梁的面临着交通负载不断增长的情况.因而需不断更新桥梁检测技术及方法,提高对检测数据的认识,知识转化,从而对桥梁的实际状况有更加深入的理解.监测工作中产生的大规模数据有待利用处理,有效挖掘.文章对福建省三明市、南平市公路桥检测的数据进行了清洗,引入机器学习算法中的随机森林算法,对检测数据进行了人工智能处理,并与专家评测结果进行对比分析,证明了机器学习算法在桥梁检测监控的可行性.

本文提出了一种基于随机森林的屋顶机空调系统故障诊断方法。首先,在3个不同的屋顶机系统上证明了该方法的有效性。然后,本文研究并得到了训练样本的故障程度与诊断效率的关系,为实际应用中故障等级的实验设计提供了一定的依据。最后,对本文提出的诊断模型应用于不同屋顶机空调系统时的通用性问题进行了验证与分析。实验结果表明,对于膨胀阀类型相同,但制冷剂、压缩机与系统冷量不同的屋顶机空调系统,本文提出的诊断方法具有一定的通用性。本文创新之处在于提出了基于随机森林的故障诊断方法,并就不同故障程度、不同系统两方面进行了研究。

在精密工程施工建设中,用全站仪建立高精度边角网方便、有效。针对边角网数据处理过程中,一般只侧重于平差函数模型的建立,而忽视随机模型合理性的统计检验这一不足,结合边角网在核电施工控制测量中的应用实例,对平差中随机模型的统计检验过程及根据检验结果改善整个数学模型质量进行了详细的探讨。

随机介质固热耦合数学模型与岩石热破裂数值实验——随机介质固热耦合数学模型与岩石热破裂数值实验

适当考虑结构对于地面运动随机过程的影响,将结构影响因子β(t)引入谱密函数表达式中,得到一种修正的随机地震动模型,并对该模型中的关键参数进行了详细研究及数值计算。结果表明,根据规范谱等效原则标定的结构影响因子物理意义明确、应用方便;由修正模型得到单自由度体系加速度反应均值谱与现行规范谱吻合良好。提出的模型具有较高的精度及广泛的应用前景,为结构随机地震反应分析及动力可靠性设计提供了可靠的依据。

以城门山铜矿为例,提出了一种溶洞随机模型并将其应用于评估岩溶地区岩质边坡稳定性。钻孔数据统计表明溶洞长度分布服从负指数规律,而石灰岩长度分布是无规则的。基于钻孔数据,分别采用逆变换法和舍选法生成溶洞和石灰岩长度；同时,借鉴极限平衡法中竖直条分思路,将岩溶区域离散为有限数量的竖直条块；在此基础上,开发了溶洞随机模型生成软件。将溶洞随机模型导入极限平衡法,提出了一种岩溶地区岩质边坡稳定性评估方法。研究发现,溶洞随机模型模拟所得的溶洞特征参数与钻孔统计结果非常接近。考虑溶洞影响效应,城门山铜矿典型边坡的安全系数明显降低。该方法对于类似岩溶地区的溶洞分布模型构建以及岩质边坡稳定性评估具有重要的指导和推广意义。

根据《建筑抗震设计规范(gb50011-2001)》的反应谱曲线,确定了基于clough-penzien修正过滤白噪声模型的参数取值。采用时间包络函数考虑地震的非平稳特性,根据加速度峰值等效原则迭代计算得到地面的加速度功率谱密度曲线,然后通过曲线拟合得到与规范各种地震烈度、场地类别和设计地震分组相对应的谱参数。计算结果表明,与规范相对应的加速度功率谱密度曲线呈双峰型,clough-penzien谱能较好地拟合其曲线形状。最后给出了规范各种工况下的地面加速度功率谱参数值,为随机抗震计算分析提供了依据。

结构模糊可靠性理论研究主要是建立仅考虑失效准则模糊性的结构模糊可靠性分析模型.在现有结构模糊可靠性分析理论研究的基础上,同时考虑工程中结构参数的随机性和区间模糊性,提出了模糊概率密度函数的概念,并推导相应的模糊概率密度函数公式,给出了反映随机参数区间模糊性的隶属函数的类型和选取方法.建立了同时考虑随机参数区间模糊性和失效准则模糊性的结构模糊可靠性分析模型.讨论了模糊可靠性分析模型与常规的随机可靠性分析模型的相容性.并给出算例进行验证,研究结果表明,采用该结构模糊可靠性分析方法更能全面地利用结构参数信息.

为解决bp神经网络应用于入侵检测时检测率较低、训练时间过长的问题,对改进差分进化算法(samde)优化bp神经网络并用于入侵检测的可行性进行研究。该算法引入模拟退火算法(sa)和一种融合de/rand/1与de/best/1的变异算子对差分进化算法进行改进以提高其全局寻优能力。用改进后的算法优化bp神经网络权值阈值。通过逐次的迭代训练使bp神经网络收敛,将优化过的bp神经网络用于入侵检测。仿真实验结果显示,优化的bp网络在收敛速度和精度方面有明显提升,用于入侵检测时提高了检测准确率,缩短了训练时间。

目前,针对工控网络的安全防护手段主要是传统it系统防御方法的移植,然而工控系统对实时性的要求和有限的计算与存储资源均对这些防御手段提出了新的要求。入侵检测技术通过对系统内的通信行为进行实时监视、分析并发现可疑行为进行报警,便于安全人员及时采取相应措施。因此,近年来以旁路监听为基础的工控网络流量异常检测得到研究人员的广泛认可。本文将对工控系统入侵检测技术进行深入分析。