基于K-means聚类特征消减的网络异常检测

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。     

一种改进的粒子群算法

上海理工大学计算机工程学院陈家琪由Eberhart和Kennedy等于1995年提出的粒子群优化算法(Particle Swarm Optimization,PSO)是一种基于种群搜索的自适应进化计算技术,它源于对鸟群和鱼群群体觅食运动行为的模拟.与其他生物进化算法类似,PSO算法是一种基于迭代过程的优化方法.PSO作为一种并行优化算法,可以用于解决大量非线性、不可微和多峰值的复杂问题的优化.目前,在函数优化、神经网络训练、工业系统优化及控制、游戏设计等领域均取得了非常好的效果.     

CRMP2蛋白促进海马神经元树突野的形成

目的:探讨坍塌反应调节蛋白2(CRMP2)对海马神经元树突野形成的作用.方法:培养大鼠海马神经元,用基因转染的方法检测CRMP2蛋白的作用,免疫荧光显示树突,全细胞膜片钳检测微小兴奋性突触后电流(mEPSCs).结果:过表达CRMP2促进树突的生长以及分支形成,而敲减CRMP2抑制树突的生长和形成新的分支,CRMP2基因促进树突野的形成,促使树突野变得复杂(P0.05);全细胞膜片钳检测显示:CRMP2促进形成的树突能够表达AMPA受体,而且可以诱导出mEPSCs,而敲减CRMP2抑制树突AMPA受体,以及降低mEPSC的幅度和频率,其改变有统计学差异(P0.05).结论:CRMP2促进功能性树突形成,并提高树突野的复杂性.     

精车工件表面粗糙度预测系统的开发

开发精车工件表面粗糙度预测系统.应用模糊自适应BP算法建立工件表面粗糙度与其影响因素之间的关系模型;依据给定的数据样本对模型进行训练,将训练好的网络用于实际的工件表面粗糙度预测;采用VB和MatLab语言相结合的方法开发系统,实现数据采集和神经网络预测功能.实验结果表明,利用该系统进行工件表面的粗糙度预测是切实可行的.