检索结果-南通市图书馆

作者：梁远超华南理工大学

学位级别：硕士

特征选择是数据降维的方法之一,在机器学习中具有去除数据集冗余特征,降低计算时间开销的作用。过滤式特征选择是特征选择方法中的一种,传统的过滤式特征选择方法注重于选出有利于分类器分类的特征,却缺乏对安全问题的考虑。近几年的研... 详细信息

特征选择是数据降维的方法之一,在机器学习中具有去除数据集冗余特征,降低计算时间开销的作用。过滤式特征选择是特征选择方法中的一种,传统的过滤式特征选择方法注重于选出有利于分类器分类的特征,却缺乏对安全问题的考虑。近几年的研究表明,传统过滤式特征选择方法选出特征后,已选特征的数据子集提供给分类器使用时,攻击者能轻易地逃避分类器的检测。为解决此问题,目前现有方法FAFS对此提出了对抗过滤式特征选择模型,分别采用m RMR、每个恶意样本到最邻近合法样本距离均值,来衡量特征的泛化能力和安全性,并以两者加权和的形式来评估特征在分类问题下的好坏。FAFS使得所选出的特征有利于给分类器提供有效信息的同时,也让这些特征较难被攻击者通过修改来误导分类器的正确分类。但FAFS对于含有的少量异常值的数据集的特征,存在评估安全性不够准确的问题;除此之外,该方法还不适合于选择离散取值特征,尤其是布尔类型的特征。本论文提出了一个新的对抗过滤式特征选择方法DAFFS,采用SU作为泛化能力,衡量特征能为分类器分类提供多少信息;与此同时,引入从两类样本数据分布的差异出发来计算两类样本相似度的EM距离,以衡量特征的安全性。DAFFS相较于现有方法FAFS,具有受噪声或异常值的影响较小,能更准确地处理离散类型特征的优势;其既可在无攻击环境下选出具备足够泛化能力的特征,又能使得这些选出的特征在有攻击的环境下具备较好的安全性,为可能潜在安全性问题的机器学习研究或应用提供了安全可靠的特征选择方法。DAFFS适合应用于垃圾邮件分类、计算机病毒检测等对安全性较为敏感的机器学习系统中。

关键词：对抗学习特征选择机器学习模式分类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

探讨滚筒洗衣机减振技术的发展

引用

大科技 2014年第2期 319-320页

作者：梁远超广东省佛山市528231

随着生活水平的不断提高，家用电器的生产和使用量越来越大，其中就包括洗衣机。在洗衣机的生产和使用过程中，减振一直是人们关注的焦点问题。本文主要介绍了滚筒洗衣机振动的原因和影响，探讨了滚筒洗衣机传统减振方法以及新型减振方... 详细信息

随着生活水平的不断提高，家用电器的生产和使用量越来越大，其中就包括洗衣机。在洗衣机的生产和使用过程中，减振一直是人们关注的焦点问题。本文主要介绍了滚筒洗衣机振动的原因和影响，探讨了滚筒洗衣机传统减振方法以及新型减振方法，阐述了虚拟样机技术在滚筒洗衣机减振中的运用，希望对滚筒洗衣机减振研发工作有所帮助。

关键词：滚筒洗衣机减振技术虚拟样机技术发展方向

来源：