排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
提出了一种系统化的指纹纹路方向计算和指纹图像分割方法．该方法用神经网络对基于梯度方法计算的纹路方向的正确性进行学习，经过训练的神经网络可以区分正确纹路方向和错误纹路方向，从而使错误的纹路方向可以根据周围正确的纹路方向进行纠正；同时，可以根据经过训练的网络的方向正确性计算结果对指纹图像进行初步分割．此外，提出了对初步分割结果进行二次分割以分离指纹图像中残留纹路的方法．将该方法与Neurotechnologija Ltd在2004年发布的VeriFinger 4．2进行特征提取比较，结果表明，该方法有效地提高了特征提取的正确率． 相似文献
2.
针对入侵检测的代价敏感主动学习算法 总被引：3，自引：2，他引：1
入侵检测系统通过提供可能由恶意攻击导致的告警信息来保护计算机系统.为了能够利用历史数据自动提升入侵检测的性能,机器学习方法被引入入侵检测.但是,高质量训练数据的获取往往需要繁重的劳动或代价昂贵的监控过程.同时,不同类型的误分类导致的代价也是不一样的,入侵检测需要使误分类代价最小.针对这两种需要综合考虑的问题,提出一种基于代价敏感主动学习的入侵检测分类器构造方法ACS.该方法结合代价敏感学习和主动学习方法,其目标为减少学习代价敏感分类器的标注次数,使代价敏感分类器的误分类代价最小.该方法在主动学习的学习引擎中使用代价敏感学习算法替代传统的错误最小学习算法,同时在采样引擎中使用最大误分类代价的采样标准.ACS方法在主动学习中版本空间的构造、更新过程都针对代价敏感环境作了对应的改进,使该算法能够以较高的收敛速度收敛到误分类代价最小的目标函数.在入侵检测数据集KDDCUP99上的的实验表明,ACS方法能够有效地减少学习代价敏感分类器的标注次数. 相似文献
1