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

基于深度森林的多类型DDoS攻击检测方法

软件导刊 2024年第2期23卷 106-112页

作者：徐精诚陈学斌董燕灵华北理工大学理学院河北省数据科学与应用重点实验室唐山市数据科学重点实验室河北唐山063210

分布式拒绝服务攻击(DDoS)是网络安全的主要威胁之一。近年来,基于多种不同DDoS攻击方式的混合攻击数量大幅增长,如何在保证精度的前提下同时检测多种类型的DDoS攻击成为亟待解决的问题。为此,提出一种基于深度森林的多类型DDoS攻击检... 详细信息

分布式拒绝服务攻击(DDoS)是网络安全的主要威胁之一。近年来,基于多种不同DDoS攻击方式的混合攻击数量大幅增长,如何在保证精度的前提下同时检测多种类型的DDoS攻击成为亟待解决的问题。为此,提出一种基于深度森林的多类型DDoS攻击检测方法。该方法首先使用基于平均不纯度的特征选择算法对多类型异常流量数据集进行特征排序与特征筛选;然后使用多粒度扫描对DDoS训练集进行特征提取,并使用级联森林分层训练模型,最终生成可用于DDoS恶意流量检测与分类的深度森林模型。实验结果表明,与6种主流树类集成学习模型相比,基于改进深度森林的DDoS攻击检测方法训练得到的分类器准确率最低提升了0.8%,召回率最低提升了0.9%;与改进前相比,改进后模型准确率提升了1.3%,加权召回率提高了1.3%,训练时间减少了29.7%。模型整体性能有明显提升。

关键词：多类型攻击检测分布式拒绝服务攻击深度森林多粒度扫描级联森林平均不纯度

基于Stacking特征增强多粒度联级Logistic的个人信用评估

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

河南师范大学学报（自然科学版） 2023年第3期51卷 111-122页

作者：侯天宝王爱银新疆财经大学统计与数据科学学院乌鲁木齐830012

主要针对广受关注的P2P网贷信用评估问题,利用机器学习方法提高申请人网贷违约预测准确率,研究出基于Stacking特征增强多粒度联级Logistic方法及其应用.所提分类器是一种混合模型,结合了Stacking集成学习和联级Logistic学习的思想.首先... 详细信息

主要针对广受关注的P2P网贷信用评估问题,利用机器学习方法提高申请人网贷违约预测准确率,研究出基于Stacking特征增强多粒度联级Logistic方法及其应用.所提分类器是一种混合模型,结合了Stacking集成学习和联级Logistic学习的思想.首先,通过网格搜索技术分别建立XGBoost,Catboost,LightGBM,AdaBoost以及Gradient Boosting模型,并筛选出适合的基评估器作为Stacking集成的初级学习器,logistic模型作为次级学习器,构建基于Stacking的多粒度扫描器,生成预测结果作为元特征,拼接成新特征数据.其次,通过新特征数据以及元特征在每级Logistic上的特征增强建立联级Logistic Regression模型,并且与现有的单一集成学习器和各基评估器在3个不同的P2P网贷信用评估数据集上进行对比.实验结果表明,通过AUC、准确率等指标对其进行评价,相比于各基评估器以及其他单一集成分类器,基于Stacking增强多粒度联级Logistic模型有较高的准确率,预测效果更优.

关键词：个人信用特征增强 Stacking集成多粒度扫描联级Logistic模型

基于深度森林的可见光通信网络恶意代码识别研究

在线全文

学校读者我要写书评

暂无评论

激光杂志 2022年第10期43卷 150-154页

作者：杨静郭韦昱杨文彬太原师范学院网络信息中心山西晋中030619 中央财经大学信息学院北京102206 太原师范学院计算机系山西晋中030619

由于可见光通信网络恶意代码的升级和变形,导致恶意代码识别正确率与效率下降,因此,提出一种基于深度森林的可见光通信网络恶意代码识别方法。将恶意代码二进制文件映射为图片形式,并且通过分析图像梯度获取方向梯度直方图的特征,提取... 详细信息

由于可见光通信网络恶意代码的升级和变形,导致恶意代码识别正确率与效率下降,因此,提出一种基于深度森林的可见光通信网络恶意代码识别方法。将恶意代码二进制文件映射为图片形式,并且通过分析图像梯度获取方向梯度直方图的特征,提取恶意代码图像特征向量。在随机森林模型中,利用决策树划分恶意代码类别,同时多粒度扫描图像特征向量矩阵,扫描结果作为深度森林的输入,输出中平均值最大的类别即为恶意代码,实现识别恶意代码。仿真实验结果表明,所提方法的识别误报率最低、正确率最高,并且识别效率最高,提高了光通信网络的安全性,其具有可行性和有效性。

关键词：深度森林可见光通信网络恶意代码决策树多粒度扫描

在线全文

学校读者我要写书评

暂无评论

基于深度森林的医学图像分类研究

基于深度森林的医学图像分类研究

作者：陈冬雪长春工业大学

学位级别：硕士

医学图像的研究有利于疾病的早期发现和治疗,对患者的早日康复起着重要的作用。通过机器学习对医学图像进行分类,为医护人员和患者提供科学有效的检测结果,节省医护资源,使患者得到及时的治疗。本文基于深度森林理论,提出优化算法与改... 详细信息

医学图像的研究有利于疾病的早期发现和治疗,对患者的早日康复起着重要的作用。通过机器学习对医学图像进行分类,为医护人员和患者提供科学有效的检测结果,节省医护资源,使患者得到及时的治疗。本文基于深度森林理论,提出优化算法与改进的深度森林算法结合框架对医学图像进行分类,并对Kaggle上的三个医学图像数据集进行实验,结果表明该方法有效提高了医学图像分类的准确性,主要研究内容如下:针对医学图像分类问题,本文提出了改进的深度森林算法,深度森林中的多粒度扫描部分增加了特征的多样性,但部分子样本影响总体的分类效果,对多粒度扫描产生的子样本进行筛选,提高整体模型预测的准确性,并在实证部分将该方法与K-近邻算法、支持向量机算法、随机森林算法和原始的深度森林算法进行对比。针对模型优化问题,本文提出基于莱维飞行的斑点鬣狗优化算法,将莱维飞行策略引入到寻找最优参数的过程中,增加参数的全局搜索能力,避免传统方法容易陷入局部最优的问题,为模型的参数选择和调优提供合理的改进,并在八个标准测试函数上对比遗传算法、粒子群算法、差分进化算法、樽海鞘算法、哈里斯鹰优化算法以及原始的斑点鬣狗优化算法这传统的六个优化算法,验证改进的斑点鬣狗优化算法的性能,同时使用改进的斑点鬣狗优化算法对加权深度森林中两个参数进行优化,即随机森林中子树的数量和滑动窗口的大小,并在数据集上与未优化的深度森林进行性能的对比。综上,本文以三个医学图像数据集为研究对象,即脑肿瘤图像数据集、心电图图像数据集和肺炎图像数据集,通过改进的斑点鬣狗优化算法优化改进的深度森林模型,实现医学图像的分类研究,提高分类模型的准确性和时效性,能够为医生和患者提供有效的方案,在医疗多个方向上均具有较好的推广应用价值。

关键词：斑点鬣狗优化算法莱维飞行深度森林多粒度扫描医学图像分类

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

基于加权深度森林的长白山风景区客流量预测

长春工业大学学报 2022年第4期43卷 587-592页

作者：秦喜文陈冬雪占贻畅尹冬梅董小刚长春工业大学大数据科学研究院吉林长春130012 长春工业大学数学与统计学院吉林长春130012

提出一种改进的加权深度森林方法。主要通过筛选多粒度扫描产生的子样本,使预测结果性能更好。选取长白山风景区客流量数据集作为样本,将随机森林、支持向量机和原始深度森林等作为对比方法,验证了模型的有效性。结果表明,提出的算法R^... 详细信息

提出一种改进的加权深度森林方法。主要通过筛选多粒度扫描产生的子样本,使预测结果性能更好。选取长白山风景区客流量数据集作为样本,将随机森林、支持向量机和原始深度森林等作为对比方法,验证了模型的有效性。结果表明,提出的算法R^(2)为0.9586,明显高于其他方法。该算法能有效提高客流量预测的准确性,对旅游业的发展具有重要的理论意义与实用价值。

关键词：加权深度森林多粒度扫描旅游客流量预测评价指标

在线全文

学校读者我要写书评

暂无评论

基于深度森林算法的电力系统短期负荷预测

电力建设 2018年第11期39卷 42-50页

作者：陈吕鹏殷林飞余涛王克英华南理工大学电力学院广州市510640 广东省绿色能源技术重点实验室广州市510640 广西大学电气工程学院南宁市530004

为了提高电力系统短期负荷预测的精确度,解决目前基于机器学习算法的负荷预测需要人为凭经验对超参数进行大量设置和调整的问题,该文将深度森林算法引入了电力系统短期负荷预测领域。深度森林算法包含多粒度扫描阶段和级联森林阶段,具... 详细信息

为了提高电力系统短期负荷预测的精确度,解决目前基于机器学习算法的负荷预测需要人为凭经验对超参数进行大量设置和调整的问题,该文将深度森林算法引入了电力系统短期负荷预测领域。深度森林算法包含多粒度扫描阶段和级联森林阶段,具有表征学习的能力。与深度神经网络相比,深度森林算法能够进行高效并行训练,无须大量人为设置和调整超参数。该文选取了某地区实际电力负荷值以及气象因素数据,分别利用了前21天和前40天的数据对深度森林算法进行训练,并将其负荷预测结果与智能算法和传统分类算法的负荷预测结果进行了对比分析。试验结果表明深度森林算法具有高效的电力系统短期负荷预测的能力。

关键词：深度森林短期负荷预测多粒度扫描级联森林超参数配置

在线全文

学校读者我要写书评

暂无评论

基于gcForest的多因子量化选股策略

计算机工程与应用 2020年第15期56卷 86-91页

作者：王伦李路上海工程技术大学数理与统计学院上海201620

为了获取股票市场更高的超额收益,提高股票涨跌预测准确率,将gcForest(深度森林)算法引入了股票投资市场,建立基于gcForest多因子量化投资策略,每月月末在沪深300成分股中买入gcForest算法预测上涨的前30支股票,并进行回测。研究结果表... 详细信息

为了获取股票市场更高的超额收益,提高股票涨跌预测准确率,将gcForest(深度森林)算法引入了股票投资市场,建立基于gcForest多因子量化投资策略,每月月末在沪深300成分股中买入gcForest算法预测上涨的前30支股票,并进行回测。研究结果表明,gcForest算法的年化收益率为29.2%,远超基准年化收益率15.0%,并且获得了15.8%的超额收益。同时还将gcForest算法同随机森林和支持向量机算法进行了比较,从各项技术指标综合分析来看,gcForest算法在股市行情平稳和上涨时期都较其他算法有着明显的优势。

关键词：多因子选股多粒度扫描 gcForest算法

在线全文

学校读者我要写书评

暂无评论

基于深度森林算法的窃电行为检测方法研究

智慧电力 2019年第10期47卷 85-92页

作者：杨学良陶晓峰熊霞戚梦逸孙萌南瑞集团(国网电力科学研究院)有限公司

深度学习在窃电行为检测领域的研究中应用越来越多,但传统的基于神经网络的深度学习因需要大量的训练样本、调参过程复杂等原因应用十分受限。首次将深度森林分类算法引入窃电行为检测领域,利用其依赖训练样本量小、超参数少、计算效率... 详细信息

深度学习在窃电行为检测领域的研究中应用越来越多,但传统的基于神经网络的深度学习因需要大量的训练样本、调参过程复杂等原因应用十分受限。首次将深度森林分类算法引入窃电行为检测领域,利用其依赖训练样本量小、超参数少、计算效率高的优点,结合从电量、电压、电流、功率因数等数据提取的特征检测用户是否存在窃电嫌疑。通过某地区用电信息采集系统提供的负荷数据,验证了所提窃电行为检测模型的有效性。

关键词：窃电行为检测深度森林多粒度扫描级联森林特征增强超参数调试

在线全文

学校读者我要写书评

暂无评论

一种加权的深度森林算法

计算机应用与软件 2019年第2期36卷 274-278页

作者：宫振华王嘉宁苏翀南京机电职业技术学院江苏南京211135 江苏科技大学电气与信息工程学院江苏苏州215600

深度森林DF(Deep Forest)由多粒度扫描和级联森林两个部分组成。其中:多粒度扫描通过滑动窗口技术获取多个特征子集,以增强级联森林的差异性;级联森林则是将决策树组成的森林通过级联方式实现表征学习。因此,深度森林克服深度学习参数... 详细信息

深度森林DF(Deep Forest)由多粒度扫描和级联森林两个部分组成。其中:多粒度扫描通过滑动窗口技术获取多个特征子集,以增强级联森林的差异性;级联森林则是将决策树组成的森林通过级联方式实现表征学习。因此,深度森林克服深度学习参数依赖性强、训练开销大以及仅适用于大数据集等不足之处。然而,深度森林中各个子树的预测精度是各不相同的,简单算术平均会导致子树的错误预测对整个森林的预测产生影响,进而随着级数增加,有可能使错误被进一步放大。为此,提出一种根据森林中每棵子树的预测精度进行加权的深度森林。在高维和低维数据集上进行实验,结果表明:加权的深度森林在高维和低维数据集上性能都获得一定提升,特别在高维数据集上优势较为明显。

关键词：深度森林多粒度扫描级联森林加权