检索结果-南通市图书馆

soinn-Based Abnormal Trajectory Detection for Efficient Video Condensation

Computer Systems Science & Engineering 2022年第8期42卷 451-463页

作者： Chin-Shyurng Fahn Chang-Yi Kao Meng-Luen Wu Hao-En Chueh National Taiwan University of Science and Technology Taipei City106335Taiwan Soochow University Taipei City100Taiwan Tamkang University New Taipei City251301Taiwan Chung Yuan Christian University Taoyuan City32023Taiwan

With the evolution of video surveillance systems,the requirement of video storage grows rapidly;in addition,safe guards and forensic officers spend a great deal of time observing surveillance videos to find abnormal *** most of the scene in the surveillance video are redundant and contains no information needs attention,we propose a video condensation method to summarize the abnormal events in the video by rearranging the moving trajectory and sort them by the degree of *** goal is to improve the condensation rate to reduce more storage size,and increase the accuracy in abnormal *** the trajectory feature is the key to both goals,in this paper,a new method for feature extraction of moving object trajectory is proposed,and we use the soinn(Self-Organizing Incremental Neural Network)method to accomplish a high accuracy abnormal *** the results,our method is able to shirk the video size to 10%storage size of the original video,and achieves 95%accuracy of abnormal event detection,which shows our method is useful and applicable to the surveillance industry.

关键词： Surveillance systems video condensation soinn moving trajectory abnormal detection

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

soinn多视图网络入侵检测

引用

计算机应用与软件 2013年第8期30卷 314-317页

作者：向直扬朱俊平韩文静亢娟娜西北农林科技大学信息工程学院陕西杨凌712100 甘肃畜牧工程职业技术学院甘肃武威733006

检测准确性是入侵检测系统(IDS)的关键性能。针对入侵检测中训练样本数目不平衡的问题,提出使用拓扑学习的方法训练网络数据分类器,并且使用多视图入侵检测方法进一步提高检测率。实验结果表明,提出的方法对于某些攻击类型的检测能力优... 详细信息

检测准确性是入侵检测系统(IDS)的关键性能。针对入侵检测中训练样本数目不平衡的问题,提出使用拓扑学习的方法训练网络数据分类器,并且使用多视图入侵检测方法进一步提高检测率。实验结果表明,提出的方法对于某些攻击类型的检测能力优于现有的方法。特别是提升了对非法远程闯入(R2L)攻击,与非法提升权限(U2R)攻击的检测能力。

关键词：入侵检测 soinn 拓扑学习基于原型分类器

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于soinn的DDoS攻击检测方法研究

引用

智能计算机与应用 2020年第7期10卷 257-260页

作者：李慧敏福建船政交通职业学院信息工程系福州350007

分布式拒绝服务(DDoS)攻击是一种分布式、协作式的大规模网络攻击方式。目前很多DDoS攻击检测方法虽然对已知类型攻击具有较高的检测率,但在攻击形式快速变化时,缺乏对新攻击类型的有效检测。因此,本文提出了一种基于soinn的DDoS攻击检... 详细信息

分布式拒绝服务(DDoS)攻击是一种分布式、协作式的大规模网络攻击方式。目前很多DDoS攻击检测方法虽然对已知类型攻击具有较高的检测率,但在攻击形式快速变化时,缺乏对新攻击类型的有效检测。因此,本文提出了一种基于soinn的DDoS攻击检测方法。在对攻击流量进行分析的基础上,抽取出5个重要特征,以此建立soinn检测模型,通过实验验证表明,该方法对已知攻击流量的检测率高、误判率低,而且soinn的增量式学习特性有助于发现新的攻击类型。

关键词： DDoS攻击 soinn 攻击检测增量学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于自组织增量神经网络的码书产生方法在图像分类中的应用

引用

计算机应用 2013年第7期33卷 1976-1979页

作者：袁飞云榆林学院信息工程学院陕西榆林719000

针对基于码书模型的图像分类方法忽略图像的拓扑信息及增量学习导致分类精度有限的问题,提出了基于自组织增量神经网络(soinn)的码书产生方法。首先回顾了常见的码书编码方式;其次改进了基本的码书模型,利用soinn自动产生聚类数目和保... 详细信息

针对基于码书模型的图像分类方法忽略图像的拓扑信息及增量学习导致分类精度有限的问题,提出了基于自组织增量神经网络(soinn)的码书产生方法。首先回顾了常见的码书编码方式;其次改进了基本的码书模型,利用soinn自动产生聚类数目和保留数据拓扑结构的两项能力,寻找更有效的单词和设计更有效的编码方式,产生更合适的码书。实验结果显示在不同样本数和不同规模码书下分类精确度相对同类算法有最高将近1%的提升。该结果表明基于soinn的码书产生方法显著提高了图像分类算法的精度,该方法还可以更高效、更准确地运用于各种图像分类任务。

关键词：码书图像分类空间金字塔 soinn

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

人脑记忆机制启发下图像存储和提取的认知神经计算建模

人脑记忆机制启发下图像存储和提取的认知神经计算建模

引用

作者：董丽萍中国石油大学(华东)

学位级别：硕士

随着神经科学和脑科学的发展,人们对于人脑记忆机制的研究越来越深入,模拟人脑记忆机制来进行图像信息存储与提取已经成为了国内外学者研究的热点,各种新方法不断地被提出。但是从认知神经科学出发,探寻基于人脑记忆机制的视觉图像信息... 详细信息

随着神经科学和脑科学的发展,人们对于人脑记忆机制的研究越来越深入,模拟人脑记忆机制来进行图像信息存储与提取已经成为了国内外学者研究的热点,各种新方法不断地被提出。但是从认知神经科学出发,探寻基于人脑记忆机制的视觉图像信息存储和提取方法的研究还很少。为此,本文主要对人脑记忆机制启发下图像信息存储和提取的认知神经计算建模方法进行研究,本文主要工作如下:1.对人脑记忆机制进行总结,分析大脑中海马和内侧颞叶皮层对于记忆机制的作用,并对记忆建模方法进行研究,设计一种人脑记忆启发下基于CLS模型的图像存储和提取的认知神经计算框架;2.给出一种基于稀疏编码的图像信息表达模型,使用稀疏编码算法模拟人脑的视觉感知机制,运用快速词典算法进行稀疏编码求解,并针对提取的特征数量较大,加重计算负担问题,采取两种特征精简的方法:随机选取特征和基于密度聚类算法选取特征,加快词典学习和稀疏编码的速度。3.设计一种基于自组织增量神经网络(Self-Organizing Incremental Neural Network,soinn)的图像信息存储和提取的认知神经计算模型,利用soinn能够进行在线增量学习、且无需预先定义网络的大小与结构等特性,模拟人脑的图像信息存储,并在需要的时候进行信息提取。实验结果验证了本文所提算法的有效性。

关键词：人脑记忆机制稀疏编码密度聚类 soinn 信息存储与提取

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

在线非侵入式负荷识别算法研究

在线非侵入式负荷识别算法研究

引用

作者：陆进威华南理工大学

学位级别：硕士

负荷运行状态的监测是用电管理的重要环节。通过非侵入式负荷监测技术,用户可以在安装少量传感器的前提下,藉由总线处测量得到的用电信息识别出建筑内部的负荷运行状态,实现高性价比的负荷监测。针对应用过程中非侵入式负荷监测对负荷... 详细信息

负荷运行状态的监测是用电管理的重要环节。通过非侵入式负荷监测技术,用户可以在安装少量传感器的前提下,藉由总线处测量得到的用电信息识别出建筑内部的负荷运行状态,实现高性价比的负荷监测。针对应用过程中非侵入式负荷监测对负荷识别的实时性与动态适应性的要求,本文重点研究了在线非侵入式负荷识别算法,主要研究内容如下:(1)对非侵入式负荷监测技术的基本实现流程与关键步骤进行介绍,在此基础上,对在线非侵入式负荷监测技术的基本实现方法进行探讨,从在线非侵入式负荷监测的需求出发,总结出在线非侵入式负荷监测的基本流程;(2)提出了基于无监督学习的在线非侵入式负荷识别算法,该算法基于自组织增量学习神经网络(self-organizing incremental neural network,soinn)理论,以单个负荷特征向量为输入,构造网络的神经元,并通过相似度阈值的动态调整来修改神经元的权值与数量,实现负荷样本空间的自适应调整。此外,针对目前研究较少的适用于无监督算法的负荷命名问题,对负荷命名方法进行研究,提出了一种融合了自动命名方法和人工命名方法的综合命名方法。算例结果表明,在分类精度、算法时间复杂度以及样本存储方面,所提出的基于无监督学习的在线非侵入式负荷识别算法与传统懒惰学习方法相比具有更优秀的性能。(3)在基于无监督学习的在线非侵入式负荷识别算法研究的基础上,对在线非侵入式负荷监测的动态监督场景进行定义与分析,提出一种基于动态监督学习的在线非侵入式负荷识别算法,该算法能够通过半监督学习方法,利用有限的标记信息改善soinn的神经元分布情况,并通过主动学习方法,有针对性地挑选高价值样本进行标记,进一步提升半监督学习方法的性能。算例结果表明,所提出的基于动态监督学习的在线非侵入式负荷识别算法能够有效利用标记样本信息,进一步提升soinn的分类性能。

关键词：非侵入式负荷监测 soinn 机器学习在线学习负荷命名

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

基于数据挖掘的网络入侵检测研究

基于数据挖掘的网络入侵检测研究

引用

作者：向直扬西北农林科技大学

学位级别：硕士

现代计算机网络中，网络数据流量不断增长，数据传输速率不断增大，网络中新出现的入侵类型不断增多。因此对网络入侵检测系统提出了三个方面的要求：一是需要提高训练的效率;二是提高检测的准确性;三是需要减少人工标记。现有的入侵检... 详细信息

现代计算机网络中，网络数据流量不断增长，数据传输速率不断增大，网络中新出现的入侵类型不断增多。因此对网络入侵检测系统提出了三个方面的要求：一是需要提高训练的效率;二是提高检测的准确性;三是需要减少人工标记。现有的入侵检测研究中，无监督检测方法虽然检测精度较低，训练效率较低，但是由于其不需要专家标记，因此无监督检测有重要的研究意义。有监督的与半监督的入侵检测在训练效率与检测精度上效果较好，但依然有提高的空间。本文的研究内容主要包括如下三个方面：（1）在无监督的网络入侵检测研究方面，针对现有的基于聚类的异常检测算法缺乏有效的聚类中心标记规则的问题，基于拓扑学习方法提出一种聚类中心的标记方法;最后使用已标记的聚类中心对测试样本进行最近邻分类。并且为了进一步提高训练效率，使用数据精简方法在线地减少训练样本数目。实验结果表明，提出的标记规则能有效降低无监督检测的误警率，并且拓扑学习结合数据精简的入侵检测方法训练效率较好。（2）有监督检测方面，针对现有文献中对样本不平衡的问题考虑不深入，提出使用基于原型学习方法进行入侵检测，分别对训练样本中的正常样本与异常样本进行聚类，然后使用聚类的结果生成最近邻分类器。考虑到在原型学习的检测算法中，无需使用Isoinn的拓扑学习结果，提出了简化的Ssoinn。实验结果表明，Ssoinn在信息保留程度较好的前提下，训练速度较现有的Isoinn有提高。为了进一步提高检测率，使用多视图的方法提高检测准确性，但是实验结果表明此方法的误警率过高。（3）在半监督检测方面，使用基于聚类的方法即首先对待分类数据集进行聚类，然后利用已标记的正常数据对聚类中心进行标记。提出了两种聚类中心的标记方法，一种是直接标记，另一种是基于最近邻数据描述（NNDD）的方法。实验表明基于k-means和直接标记的方法的检测率高于现有方法，基于Ssoinn和直接标记的方法在对于R2L类型的检测率上高于现有方法。

关键词：数据挖掘入侵检测在线聚类半监督学习 soinn

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：