检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

异常检测系统的漏洞分析

中南大学学报（自然科学版） 2009年第4期40卷 986-992页

作者：刘星宝蔡自兴中南大学信息科学与工程学院湖南长沙410083 湖南商学院现代教育技术中心湖南长沙410205

针对阴性选择算法生成的异常检测系统存在大量漏洞的问题,提出一种能够探测系统全部漏洞的非检测模式漏洞探测算法(EHANDP)。首先,指出目前检测系统漏洞探测算法(EHASP)的不完备性;然后,利用问题空间中的串模式证明空间中个体成为漏洞... 详细信息

针对阴性选择算法生成的异常检测系统存在大量漏洞的问题,提出一种能够探测系统全部漏洞的非检测模式漏洞探测算法(EHANDP)。首先,指出目前检测系统漏洞探测算法(EHASP)的不完备性;然后,利用问题空间中的串模式证明空间中个体成为漏洞的充分必要条件,并提出探测系统漏洞的完备性算法EHANDP,能够找出给定系统的全部漏洞是该算法的主要特点。实验中采用随机数据集和人工数据集比较2种漏洞探测算法。研究结果表明:在相同的实验环境下,EHANDP算法与EHASP相比不仅有相同的计算复杂度,而且有更强的探测能力。

关键词：人工免疫系统阴性选择算法漏洞异常检测

在线全文

学校读者我要写书评

暂无评论

异常检测中支持向量机最优模型选择方法

电子科技大学学报 2011年第4期40卷 559-563页

作者：张雪芹顾春华吴吉义华东理工大学信息科学与工程学院上海徐汇区200237 杭州师范大学电子商务与信息安全重点实验室杭州310036

为了构建一个具有良好的学习性能和推广能力的异常检测分类器,在结构风险最小(SRM)原则下讨论了基于支持向量机(SVM)的异常检测分类器的设计准则,提出了SVM分类器模型及其参数快速选择和评估方法,并给出了异常检测分类器训练步骤。针对... 详细信息

为了构建一个具有良好的学习性能和推广能力的异常检测分类器,在结构风险最小(SRM)原则下讨论了基于支持向量机(SVM)的异常检测分类器的设计准则,提出了SVM分类器模型及其参数快速选择和评估方法,并给出了异常检测分类器训练步骤。针对KDD’99网络入侵检测数据集,实验结果表明,该方法能够有效地缩短入侵检测分类模型建立时间,而且建立的入侵检测分类器检测精度较高。

关键词：异常检测模型选择参数估计结构风险支持向量机

在线全文

学校读者我要写书评

暂无评论

异常检测模式判定策略的研究

计算机工程 2004年第1期30卷 114-115,167页

作者：杨英杰马范援解放军信息工程大学电子技术学院郑州450004

针对异常检测模式判定问题，在对现有异常检测模式性能评估技术分析的基础上设计出一种异常检测模式性能评估方法，并利用该方法给出一种基于理想异常检测临界值的异常检测模式判定策略。

关键词：异常检测入侵检测计算机安全

在线全文

学校读者我要写书评

暂无评论

基于近似后验信息的高光谱异常检测

光谱学与光谱分析 2020年第8期40卷 2538-2545页

作者：王强辉华文深黄富瑜张炎严阳陆军工程大学石家庄校区电子与光学工程系河北石家庄050003 中国人民解放军31681部队甘肃天水741000

高光谱遥感技术通过成像光谱仪记录带有地物光谱信息的辐射信号,获得包含光谱信息和空间信息的三维高光谱图像,在光谱解混、图像分类、目标检测等方面取得了广泛的应用。近年来,随着遥感技术的发展及人们对获取目标准确位置的需求逐渐加... 详细信息

高光谱遥感技术通过成像光谱仪记录带有地物光谱信息的辐射信号,获得包含光谱信息和空间信息的三维高光谱图像,在光谱解混、图像分类、目标检测等方面取得了广泛的应用。近年来,随着遥感技术的发展及人们对获取目标准确位置的需求逐渐加大,目标检测取得了较快的发展。根据是否提前掌握目标光谱作为先验信息,目标检测分为光谱匹配检测和异常检测。光谱匹配检测需要目标光谱作为先验信息,通常检测精度较高、效果较好。而异常检测不需要先验信息,应用范围更广,但是检测精度通常低于光谱匹配检测。由于实际应用中缺少完备且实用的光谱库,先验信息的获取较为困难,不需要先验信息的异常检测成为研究的热点。针对异常检测与光谱匹配检测相比精度较低的问题,提出一种基于近似后验信息的高光谱异常检测算法。首先利用矩阵分解算法对原始高光谱图像数据进行矩阵分解,得到纯净的背景矩阵与包含噪声的异常矩阵。舍弃异常矩阵,将得到的背景矩阵作为近似背景信息。然后计算图像所有像元光谱向量与背景矩阵中均值向量的马氏距离对图像进行初始异常检测,得到初始异常像元,将初始异常像元光谱取均值作为近似目标信息。最后将近似背景信息与近似目标信息作为先验信息,进行正交子空间投影得到最终的异常检测算法。将本算法作用于图像中所有像元,得到对整幅图像的异常检测结果。为证明本算法的优良效果,采用一组仿真数据和一组AVIRIS真实高光谱数据进行实验,并与RX, LRX和LSMAD算法进行对比。实验表明,无论是从定性的角度还是定量的角度来看,该算法能够有效抑制噪声,在信噪比较低的情况下仍然可以有效地检测出图像中的异常目标,检测精度较高并且对检测效率的影响不大,取得了较好的检测效果。

关键词：高光谱遥感异常检测矩阵分解先验信息正交子空间投影

基于空间密度聚类的改进KRX高光谱异常检测

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2019年第6期39卷 1878-1884页

作者：刘春桐马世欣王浩汪洋李洪才火箭军工程大学导弹发射与定向瞄准技术军队重点实验室

高光谱遥感影像包含了丰富的光谱信息,对于地物具有极强的分辨能力,从而促进了不需任何先验信息的高光谱异常目标探测技术的发展。KRX(Kernel RX)异常探测算法巧妙地利用核函数将RX算法映射至高维特征空间,加强了光谱中非线性信息的运用... 详细信息

高光谱遥感影像包含了丰富的光谱信息,对于地物具有极强的分辨能力,从而促进了不需任何先验信息的高光谱异常目标探测技术的发展。KRX(Kernel RX)异常探测算法巧妙地利用核函数将RX算法映射至高维特征空间,加强了光谱中非线性信息的运用,具有较强的可分辨性,显著改善了低维空间的光谱不可分问题。然而,也暴露了KRX算法中病态Gram矩阵求逆误差大,异常检测效率低等缺点。为实现理论上KRX算法的强探测性能,提出一种基于新型聚类方法的改进KRX探测算法(DC-KRX)。(1)由于空间邻域像元具有较强的光谱相似性,会造成Gram矩阵病态,严重影响了异常探测效果,因此背景虚检现象严重。针对病态Gram矩阵的求逆误差问题,算法改进了KRX算子,对Gram矩阵进行奇异值分解,选取特征值较大的主成分,保证了Gram矩阵的求逆精度,待测像元的探测结果采用l-2范数表示,检测效果提高明显;(2)在改进KRX的基础上,提出了空间聚类KRX算法。空间像元之间具有光谱强相关性,既造成了Gram矩阵的病态,数据的冗余也影响了探测效率。实验发现,通过聚类算法可以合并像元于聚类中心,减少空间维度,提高计算效率;同时,聚类中心按照聚类大小被赋予不同的权重,保证了探测精度;(3)另一方面,选用合适的聚类算法是一个难点。聚类KRX算法对于聚类算法的精度和实时性要求较高,比较发现,一种基于密度峰值快速搜索(DC)的新型聚类算法具有较好的聚类性能。算法采用欧式距离计算任意像元的相似度,利用局部密度和邻域距离作为聚类中心的联合判断准则,对结果进行排序得到聚类中心。实验发现,该聚类算法计算速度快,且能够对任意形状的分布进行聚类,非常适合于维度较高,成分复杂的高光谱图像,且适用于较高次数的重复聚类。DC-KRX算法提供了一种空间聚类预处理的高光谱异常探测新思路,最后,与国际主流探测算法对比发现,该算法表现了较好的探测性能。同时,时效性对比分析发现,聚类前后算法的检测效率提高了30%以上,有效改善了KRX算法的实时性。

关键词：高光谱图像异常检测密度聚类奇异值分解 KernelRX

光谱角匹配加权核特征空间分离变换高光谱异常检测算法

在线全文

学校读者我要写书评

暂无评论

红外与毫米波学报 2013年第4期32卷 359-365页

作者：韩静岳江张毅柏连发陈钱南京理工大学江苏省光谱成像与智能感知重点实验室江苏南京210094

提出了一种光谱角匹配(SAM)加权核特征空间分离变换(KEST)高光谱异常检测算法.在基于核的特征空间分离变换(KEST)算法基础上,利用光谱角匹配(SAM)测度对高维特征空间中检测点邻域差异相关矩阵(DCOR)中的每个样本引入权重因子,各样本权... 详细信息

提出了一种光谱角匹配(SAM)加权核特征空间分离变换(KEST)高光谱异常检测算法.在基于核的特征空间分离变换(KEST)算法基础上,利用光谱角匹配(SAM)测度对高维特征空间中检测点邻域差异相关矩阵(DCOR)中的每个样本引入权重因子,各样本权重因子取决于该样本光谱向量与检测窗口数据中心向量夹角,从而抑制检测窗口中的病态数据,突出主成分数据的贡献,使得DCOR矩阵能够更好地描述目标、背景数据分布差异.通过理论分析和对模拟、实际数据实验比较,证明该算法较传统异常检测算法和KEST算法具有更高的检测率.

关键词：高光谱异常检测光谱角匹配特征空间分离变换 SAM加权KEST

基于深度自编码器的自适应异常检测算法及其应用研究

在线全文

学校读者我要写书评

暂无评论

系统工程理论与实践 2024年第8期44卷 2718-2732页

作者：陈晓红陈姣龙胡东滨梁伟张威威中南大学商学院长沙410083 湘江实验室长沙410205 湖南工商大学前沿交叉学院长沙410205

随着深度学习的发展,深度自编码器被广泛应用于异常检测任务中.然而,现有一些基于深度自编码器的异常检测算法仍存在数据分布复杂多样、误报率、漏报率高等问题.为解决以上问题,本文提出了一种基于深度自编码器的自适应异常检测算法,该... 详细信息

随着深度学习的发展,深度自编码器被广泛应用于异常检测任务中.然而,现有一些基于深度自编码器的异常检测算法仍存在数据分布复杂多样、误报率、漏报率高等问题.为解决以上问题,本文提出了一种基于深度自编码器的自适应异常检测算法,该算法采用基于密度峰值的自适应地标过滤机制,自适应地选择密度高的样本作为候选地标中心,旨在发现潜在特征空间中正常样本的多样性.其次,利用地标过滤机制对候选地标中心进行过滤和优化,以此增强地标中心的代表性和稀疏性.然后,进一步设计了一种新颖的损失函数来迭代优化模型参数,旨在增强正常样本与地标中心之间的相关性.最后,将所提出的异常检测算法应用于电池故障诊断,实证结果表明本文的工作在准确度、误报率和漏报率等方面显著优于现有一些异常检测算法,可以有效识别故障电池,能够为电池故障识别与状态管理提供技术支持和精准服务.

关键词：异常检测深度自编码器自适应地标过滤机制动力电池

在线全文

学校读者我要写书评

暂无评论

3D卷积自动编码网络的高光谱异常检测

光谱学与光谱分析 2022年第4期42卷 1270-1277页

作者：王盛铭王涛唐圣金苏延召火箭军工程大学作战保障学院陕西西安710025 火箭军工程大学导弹工程学院陕西西安710025

高光谱图像包含丰富的地物光谱信息,在遥感图像领域有着巨大的发展前景。高光谱图像异常检测无需任何先验光谱信息,便可检测出图像中的异常目标。因此,在国防军事和民用领域都有广泛的应用,是现阶段高光谱图像处理领域的研究热点。然而... 详细信息

高光谱图像包含丰富的地物光谱信息,在遥感图像领域有着巨大的发展前景。高光谱图像异常检测无需任何先验光谱信息,便可检测出图像中的异常目标。因此,在国防军事和民用领域都有广泛的应用,是现阶段高光谱图像处理领域的研究热点。然而,高光谱图像存在数据复杂、冗余性强、未标记以及样本数量少等特点,这给高光谱图像异常检测带来了很大的挑战。尤其是在深度学习中,往往需要大量的图像数据作为训练样本,这对高光谱图像来说很难获得。针对现有大多数算法对高光谱图像自适应性不强和空间-光谱信息利用不足的问题,提出一种基于3D卷积自动编码网络的高光谱异常检测算法,可以在少量训练数据的前提下,有效利用高光谱图像信息,学习更加有判别性的特征表达,提高检测精度。首先,通过3D卷积、 3D池化和3D归一化等步骤设计3D卷积网络,进而提取高光谱图像的空间-光谱结构特征。然后,将3D卷积网络和3D反卷积网络分别嵌入自动编码网络的编码器和解码器,通过最小化结合均方差和光谱角距离的重构误差进行背景重构。最后,利用原始高光谱图像待测像元与重构的背景图像之间的马氏距离进行异常检测。该算法可以在无先验信息的情况下,自动训练网络中的所有参数,以无监督的方式学习高光谱图像的有效特征并进行背景重构。为证明算法的有效性,利用截取来自三组真实高光谱数据集的九个图像进行异常检测,并与RX,SRX,CRD,UNRS和LRASR五种算法进行对比。结果表明,与现有的其他算法相比,该算法可以在复杂程度不同的高光谱图像背景下可以保持较高的检测效果和准确率。

关键词：高光谱异常检测 3D卷积自动编码器马氏距离

在线全文

学校读者我要写书评

暂无评论

拉普拉斯约束低秩表示的高光谱图像异常检测

光谱学与光谱分析 2018年第11期38卷 3507-3515页

作者：王杰超孙大鹏张长兴谢锋王建宇中国科学院上海技术物理研究所中国科学院空间主动光电重点实验室上海200083 中国科学院大学北京100049 上海科技大学上海200120

伴随高光谱图像的广泛使用,高光谱图像技术得到长足的发展,其中高光谱图像异常检测技术越发受到重视。为了解决传统高光谱图像异常检测技术的实用性和检测效果不佳的问题,提出一种新颖的低秩表示检测算法。对于高光谱图像,大部分背景像... 详细信息

伴随高光谱图像的广泛使用,高光谱图像技术得到长足的发展,其中高光谱图像异常检测技术越发受到重视。为了解决传统高光谱图像异常检测技术的实用性和检测效果不佳的问题,提出一种新颖的低秩表示检测算法。对于高光谱图像,大部分背景像元均可以被少量主要的背景像元组合近似地表示,且它们的表示系数将会位于低秩的空间中。在剩下无法被主要背景像元表示的稀疏部分中存在着异常像元,则可以被检测算法提取出来。在低秩表示中,背景像元字典的构建将会影响高光谱图像中背景像元的表示。如直接从现有高光谱图像中提取背景像元构建字典,会导致异常像元对背景像元字典的污染。而利用待检测高光谱图像观测数据和由光谱组成原理可合成的潜在未观测数据来构建背景像元字典,提取出背景像元的主要特征,有利于更好地分离出稀疏异常像元的信息。并且高光谱图像数据存在高维几何结构特点,通过引入拉普拉斯矩阵来约束空间中局部相似的像元对于待检测像元的表示作用,获得更接近于真实的表示系数。实验结果分别在仿真数据和真实数据上验证,与传统方法相比,提出的方法通过有效地突出异常像元提高了检出率和抑制了背景像元,降低了误检率。

关键词：高光谱图像拉普拉斯低秩表示异常检测