期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于K-means聚类特征消减的网络异常检测
被引量：
22
1
作者
贾凡
严妍
张家琪
《清华大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2018年第2期137-142,共6页
针对基础K-means算法在KDD 99数据集中检测罕见攻击效果差且效率低下等问题,该文通过数据统计的方式对数据集中各维度与每类攻击类型的相关分析发现,罕见攻击极易被大量的常见攻击所淹没,而当常见攻击被移去时,这些威胁性更大的罕见攻...
针对基础K-means算法在KDD 99数据集中检测罕见攻击效果差且效率低下等问题,该文通过数据统计的方式对数据集中各维度与每类攻击类型的相关分析发现,罕见攻击极易被大量的常见攻击所淹没,而当常见攻击被移去时,这些威胁性更大的罕见攻击则能够被更好地识别出来。基于此,该文提出一种改进的基于K-means分层迭代的检测算法,通过有针对性的特征选择来降低K-means聚类的数据维度,经过多次属性消减的K-means聚类迭代操作可以更加精准地检测到不同异常类型的攻击。在KDD 99数据集上的实验结果表明：该算法对原基础的K-means检测算法难以检测到的罕见攻击类型U2R/R2L攻击检测率几乎达到99%左右。同时随着每次分层迭代聚类维度近50%的降低,进一步节省了约90%的异常检测时间。
展开更多
关键词
异常检测
K-MEANS
特征
消减
U2R
R2L
原文传递
基于维度融合与SSA-LSTM的机翼结冰检测
被引量：
1
2
作者
聂福印
李强
+1 位作者
黄秋凤
黄玲琳
《传感器与微系统》
CSCD
北大核心
2022年第6期118-121,共4页
高海拔、低温作业下的风电机组常伴有机翼结冰现象。针对风机数据纬度高,传统模型无法挖掘数据间时序关系、收敛速度慢、预测精度低等问题,提出一种基于维度融合优化与长短期记忆(LSTM)网络的结冰检测模型。结合特征消减算法筛选建模特...
高海拔、低温作业下的风电机组常伴有机翼结冰现象。针对风机数据纬度高,传统模型无法挖掘数据间时序关系、收敛速度慢、预测精度低等问题,提出一种基于维度融合优化与长短期记忆(LSTM)网络的结冰检测模型。结合特征消减算法筛选建模特征,通过主成分分析(PCA)降低数据耦合性并引入改进的麻雀搜索算法(ISSA)建立长短期记忆网络结冰检测模型。实验验证,维度融合与改进麻雀搜索算法优化的结冰检测模型判决准确率得到较好的改善,平均具有99.85%的判决准确率。
展开更多
关键词
结冰检测
特征
消减
主成分分析
麻雀搜索算法
长短期记忆网络
下载PDF
职称材料
题名
基于K-means聚类特征消减的网络异常检测
被引量：
22
1
作者
贾凡
严妍
张家琪
机构
北京交通大学通信与信息系统北京市重点实验室
中国信息安全认证中心
出处
《清华大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2018年第2期137-142,共6页
基金
中央高校基本科研业务费项目(2017JBM005)
文摘
针对基础K-means算法在KDD 99数据集中检测罕见攻击效果差且效率低下等问题,该文通过数据统计的方式对数据集中各维度与每类攻击类型的相关分析发现,罕见攻击极易被大量的常见攻击所淹没,而当常见攻击被移去时,这些威胁性更大的罕见攻击则能够被更好地识别出来。基于此,该文提出一种改进的基于K-means分层迭代的检测算法,通过有针对性的特征选择来降低K-means聚类的数据维度,经过多次属性消减的K-means聚类迭代操作可以更加精准地检测到不同异常类型的攻击。在KDD 99数据集上的实验结果表明：该算法对原基础的K-means检测算法难以检测到的罕见攻击类型U2R/R2L攻击检测率几乎达到99%左右。同时随着每次分层迭代聚类维度近50%的降低,进一步节省了约90%的异常检测时间。
关键词
异常检测
K-MEANS
特征
消减
U2R
R2L
Keywords
anomaly detection
K-means
feature reduction
U2R
R2L
分类号
O242.21 [理学—计算数学]
原文传递
题名
基于维度融合与SSA-LSTM的机翼结冰检测
被引量：
1
2
作者
聂福印
李强
黄秋凤
黄玲琳
机构
西南科技大学信息工程学院
出处
《传感器与微系统》
CSCD
北大核心
2022年第6期118-121,共4页
基金
四川省科技计划资助项目(2019JDTD0019)
国家重点研发计划资助项目(2019YFB1705100)。
文摘
高海拔、低温作业下的风电机组常伴有机翼结冰现象。针对风机数据纬度高,传统模型无法挖掘数据间时序关系、收敛速度慢、预测精度低等问题,提出一种基于维度融合优化与长短期记忆(LSTM)网络的结冰检测模型。结合特征消减算法筛选建模特征,通过主成分分析(PCA)降低数据耦合性并引入改进的麻雀搜索算法(ISSA)建立长短期记忆网络结冰检测模型。实验验证,维度融合与改进麻雀搜索算法优化的结冰检测模型判决准确率得到较好的改善,平均具有99.85%的判决准确率。
关键词
结冰检测
特征
消减
主成分分析
麻雀搜索算法
长短期记忆网络
Keywords
icing detection
feature reduction
principal component analysis(PCA)
sparrow search algorithm(SSA)
long short-term memory(LSTM)network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TK83 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于K-means聚类特征消减的网络异常检测
贾凡
严妍
张家琪
《清华大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2018
22
原文传递
2
基于维度融合与SSA-LSTM的机翼结冰检测
聂福印
李强
黄秋凤
黄玲琳
《传感器与微系统》
CSCD
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
