检索结果-南通市图书馆

作者：倪钰南京信息工程大学

学位级别：硕士

随着社会信息化程度不断提高,人们对网络地依赖日益增强,计算机网络安全问题得到人们的广泛关注。入侵检测技术作为一种重要的安全防护技术,很好地解决了访问控制、身份认证等传统机制所不能解决的问题,对计算机和网络上的恶意访问行为... 详细信息

随着社会信息化程度不断提高,人们对网络地依赖日益增强,计算机网络安全问题得到人们的广泛关注。入侵检测技术作为一种重要的安全防护技术,很好地解决了访问控制、身份认证等传统机制所不能解决的问题,对计算机和网络上的恶意访问行为进行识别和响应。由于新的攻击方法的不断出现,尤其是一些分布式的入侵方式的出现,给入侵检测领域的研究带来了新的课题。传统的入侵检测系统在有效性、适应性和可扩展性等方面都存在不足。其他领域的知识引入,将进一步提高入侵检测效果,数据挖掘能够从海量数据集中挖掘出人们感兴趣的特定模式,将数据挖掘技术运用到入侵检测中,能够推动了入侵检测研究领域的快速发展。本文首先对入侵检测技术的背景进行了简要的探讨,其次,对入侵检测的技术进行了深入的分析,并详细介绍了数据挖掘技术,将数据挖掘技术应用于入侵检测系统中,能够优化检测模型,提高整个系统的检测性能,有效的减少整个系统的虚假报警率和误警率。最后,本文着重对数据挖掘算法中的Apriori算法和K-means算法进行分析并提出改进,取得一定的成果。并对未能解决的问题进行说明,有待于今后进一步的研究。

关键词：入侵检测数据挖掘 Apriori算法 K-means算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SVM图像分类方法的研究

基于SVM图像分类方法的研究

作者：吴小季南京信息工程大学

学位级别：硕士

图像的自动分类在许多领域都是一项关键的任务,其中包括图像检索、可视场景的目标检测、网络信息过滤、医学图像应用等等。当直接在图像上进行操作时,传统的分类方法由于数据的高维特性表现差,很难取得较好的效果。而支持向量机(Support... 详细信息

图像的自动分类在许多领域都是一项关键的任务,其中包括图像检索、可视场景的目标检测、网络信息过滤、医学图像应用等等。当直接在图像上进行操作时,传统的分类方法由于数据的高维特性表现差,很难取得较好的效果。而支持向量机(Support Vector Machine, SVM)却可以克服高维表示的缺陷,因此被广泛运用到图像分类中。由于支持向量机的分类性能极大程度地依赖于核参数的选择,因此,本文着重研究了核参数选择方法,并利用不同的颜色、纹理特征对图像进行分类。本文所做的主要工作如下：1.分析了支持向量机核函数中各个参数对分类模型的影响,使用网格搜索法和粒子群算法对模型中的参数进行了优化,比较各方法对SVM核参数的寻优能力。2.对彩色图像在HSV空间使用不同的量化方法提取颜色特征,针对传统直方图丢失颜色空间信息的情况,使用一种区域加权直方图与颜色矩结合的颜色特征提取方法。纹理方面,使用灰度共生矩阵法、LBP分别提取出图像的纹理特征,对LBP模式的进行了降维方面的研究,分析了LBP统一模式的不足。3.应用PSO算法的SVM对图像进行分类,对图像的色彩、纹理等多种特征的分类能力进行了测试和比较,分析了不同参数优化方法对图像分类准确率的影响。

关键词：支持向量机灰度共生矩阵局部二值模式颜色直方图

改进的遗传算法和BP神经网络在大气质量评价及预测中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进的遗传算法和BP神经网络在大气质量评价及预测中的应用研究

作者：吴昊南京信息工程大学

学位级别：硕士

遗传算法与BP神经网络在近些年进展非常迅速,传统的遗传算法在实际的应用中存在着诸多的弱点,不能一直保持持续的全局优化搜索能力,也无法确保物种的优越性和算法的收敛速度,进而在算法运算的过程中,群体的个体多样性会慢慢变少。局部... 详细信息

遗传算法与BP神经网络在近些年进展非常迅速,传统的遗传算法在实际的应用中存在着诸多的弱点,不能一直保持持续的全局优化搜索能力,也无法确保物种的优越性和算法的收敛速度,进而在算法运算的过程中,群体的个体多样性会慢慢变少。局部搜索能力较差,不能很好的避免算法早熟的现象,因而无法确保算法的运算效率。通过对遗传算法(GA)研究,深入了解遗传算法的原理。对其结构和训练方式进行了改进。在传统的遗传算法上添加了精英个体迁移算子,局部搜索算子,取点交叉等算子,并对遗传算法的训练流程进行了改进。提出一种全新的改进的混合加速遗传算法(Improved Hybrid Accelerating Genetic Algorithm-IHAGA),并将其运用在大气质量评价模型中,提出了对多种大气污染物具有普遍性的大气质量评价方法,通过实验验证取得了较高的拟合度。伴随着人工神经网络在环境质量及大气科学等领域中的不断发展和深入,人工神经网络在实际的预测和应用之中,逐渐的暴露出自己的一些重要缺点和问题。比如：如何确定人工神经网络的初始权值、神经网络的结构模式——隐节点的个数、隐层的个数等,以及难以确定的网络待定学习参数及动量因子等。这些都是确保神经网络正确运行的重要条件,但是都需要通过反复的实际训练才能得到确定。并且在一些实际的应用当中,人工神经网络经常出现过度拟合的问题,这样就严重影响了整个神经网络的泛化能力,从而极大的限制了神经网络的实际应用。本课题经过对遗传算法(GA)和人工神经网络方法进行深入研究,将改进后的遗传算法运用于BP神经网络对BP神经网络进行优化和改进。在对BP神经网络的权值阈值进行优化的基础上进一步优化整个BP神经网络的结构,弥补了单一BP神经网络的不足。然后通过实例运用IHAGA—BP神经网络对大气中的污染物进行预测。实例预测结果表明,通过IHAGA改进的BP神经网络在大气污染预测方面较为准确,在今后的大气污染预测领域具有一定的应用前景。

关键词：遗传算法(GA) 质量评价模型改进的混合加速遗传算法(IHAGA) BP神经网络大气污染预测

基于神经网络的月降水预报模型在洪泽湖的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的月降水预报模型在洪泽湖的应用研究

作者：高宝建南京信息工程大学

学位级别：硕士

长期降水预报是对未来一个月或者一个季度的降水展望,在水库调度、防洪防灾、农业灌溉方面有很重要的作用,尤其是在农业气象上,长期降水预报的准确度如果稍有提高就能够产生巨大的经济效益。传统的长期预报方法都是基于历史数据的统计分... 详细信息

长期降水预报是对未来一个月或者一个季度的降水展望,在水库调度、防洪防灾、农业灌溉方面有很重要的作用,尤其是在农业气象上,长期降水预报的准确度如果稍有提高就能够产生巨大的经济效益。传统的长期预报方法都是基于历史数据的统计分析,由预报员的客观判断来决定。人工神经网络是一种模拟生物神经系统的模型,理论上它可以逼近任意的非线性函数。长期降水的物理影响因素非常复杂,目前还没有完善的理论基础。利用人工神经网络来进行长期的降水预报可以不需要清楚降水机理的情况下进行预报。但是标准的BP网络在解决实际问题时具有收敛速度慢、容易陷入局部极小值、网络结构没有完善的理论指导等缺点。研究发现,一些改进的算法可以弥补上述缺点,这些算法包括：附加动量法、自适应学习率、弹性BP算法、牛顿法、共轭梯度法、模拟退火算法等等。本文基于标准BP算法的原理,针对标准算法的缺陷,在动量-自适应学习率算法的基础上,提出了改进的动量-自适应学习率算法,并且给出了算法的流程图。新算法基于动量-自适应学习率算法,可以有效的避免陷入局部极小值,大大降低训练的周期,提高了收敛效果。利用新算法在洪泽湖地区的长期降水模拟预报,并且和标准BP算法以及其他改进型BP算法进行了实验对比。新算法与标准算法或者改进型BP算法比较,明显改善了网络训练时收敛的速度和效果,避免了陷入局部极小值。并且新算法具有更好的稳定性和鲁棒性。

关键词：神经网络误差反向传播算法月降水预报改进的动量自适应学习率算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像特征的地基云分类识别研究

基于图像特征的地基云分类识别研究

作者：王琦南京信息工程大学

学位级别：硕士

云观测是气象观测工作中十分基础也十分重要的一个方面。云观测对当时天气系统的观测具有很强的指导意义,同时云的变化趋势也是预测未来天气的一项重要指标。随着科学技术的进步,云的观测逐步由人工观测向计算机智能化观测发展。在目前... 详细信息

云观测是气象观测工作中十分基础也十分重要的一个方面。云观测对当时天气系统的观测具有很强的指导意义,同时云的变化趋势也是预测未来天气的一项重要指标。随着科学技术的进步,云的观测逐步由人工观测向计算机智能化观测发展。在目前智能化观测领域中,主要的技术有卫星云图观测和地基站点云观测等。卫星云图观测比较适合描述大范围的云层信息和变化,而地基站点云观测则能更好地反映局部地区的云类信息和发展趋势。地基站点云观测还具有成本低、易操作、简单直观等优势,所以目前地基站点云观测在天气系统观测中发挥着越来越重要的作用。但是目前地基云观测工作主要由气象工作者人工完成,这项工作往往需要花费大量的时间和精力,而且容易受到观测经验不足等因素的制约而导致结果不准确。在以往地基云智能分类研究的基础上,论文提出了一种自动化的地基云分类方案,能较好地克服人工分类观测的弊端,提高观测效率,从长远角度出发,这种自动化观测必将成为未来气象观测的一部分。研究的主要内容和具体工作如下： (1)分析研究目前国内外云分类资料,发现在地基云分类识别的研究中普遍存在分类识别率不高、针对性不强等不足。在获得了地基云图样本之后,分析了锐化、灰度化等基本的图像处理技术在实验中的应用。然后研究比对了一些常用的纹理特征提取方法,发现各方案都存在一定程度的不足。 (2)通过对地基云图纹理特征提取方案的研究,选用了Gabor滤波器作为纹理特征提取方案,解决了纹理特征提取的问题。通过纹理特征提取,可以将图像数据转换成特征数据,并将纹理特征数据应用于地基云分类识别过程中。在研究了神经网络的基础上,选用了应用最广泛的BP神经网络作为分类器。针对BP神经网络存在的一些不足,讨论并选用了相关的优化方案,为将优化的BP神经网络应用于地基云分类奠定基础。 (3)在研究了纹理特征提取方案和分类识别技术的基础上,设计并实现了基于优化BP神经网络的地基云图分类器,解决了地基云分类的问题。实验针对浓积云、雨层云、堡状高积云、荚状高积云、毛卷层云这五种常见的云类进行分类识别。根据实验的结果,作了进一步的优化和调整,提出了改进型二阶分类器。分类结果具有较高的准确率,解决了原先分类器准确率较低的不足。实验结果表明该方案能有效的提高分类正确率,具有良好的分类性能。

关键词：地基云纹理特征 Gabor滤波器 BP神经网络分类