一种基于数据挖掘的入侵检测分析系统

对数据挖掘技术应用于入侵检测系统进行了研究,应用规则检测和数据挖掘相结合设计了一个基于数据挖掘的入侵检测系统结构框图,并详细介绍了其中的检测分析系统．     

一种基于主成分分析的时间序列趋势预测方法

在分析现有时间序列预测方法的基础上,提出了一种利用主成分分析实现时间序列趋势预测的方法.算例表明,该方法能够具有一定的适用性.     

一种基于肤色和模板梯度的人脸检测方法

提出了一种基于肤色和模板梯度的人脸榆测方法，该方法首先利用肤色信息找到人脸的大致位置，再利用主分量分析提取出公共脸并以此作为匹配模板，最终采用二阶梯度法作为判别准则．结果表明本算法能明显地提高检测速度，检测率比一般的模板法有较大地提高．     

一种基于轮廓和混合高斯模型的运动车辆视频检测方法

针对光线突变对视频中运动目标检测的干扰问题,根据光线变化对事物轮廓没有直接影响的特点,提出了利用轮廓边缘元素建立自适应混合高斯背景模型的检测方法,有效地解决了由于光线突变造成的背景建模失真和前景目标难以准确提取的问题．实验表明该方法能够准确、实时地检测出复杂天气条件下的运动车辆目标,具有很强的鲁棒性．     

基于WiFi和人脸比对的课堂手机考勤系统

为了防止学生替课和课上利用智能手机玩网络游戏、聊天、看视频等影响课堂教学的情况发生,设计了一种结合WiFi和人脸比对的课堂手机考勤系统.该系统由学生端、教师端和无线WiFi路由器组成.学生端利用人脸活体检测和人脸比对进行登录,以防止替课情况发生.教师端通过无线路由器的课程WiFi与学生端建立通信,获取学生端的学号、姓名...     

一种混沌加密设计与统计和熵分析

从理论上对一种基于扰动加密系统所产成的一个漏洞作了一系列分析,在此基础上给出了一种新的改进算法。这种算法通过对扰动长度的随机化,而使得这种信息加密更安全。另外将这样所生成的密钥流通过一种位操作,使该算法可产生伪随机序列。应用于图像加密的实验结果表明加密后图像像素值有类随机均匀分布特性和很高的信息熵。     

基于模拟退火算法的子集AR模型辨识方法及其应用

该文提出一种子集ＡＲ模型辨识算法，该方法采用模拟退火随机搜索算法，对模型的回归项子集进行优化辨识，克服“组合爆炸”问题，简化计算。文中还讨论了基于该算法的人口死亡率建模和预报问题。     

基于创新人才培养的时间序列分析课程教学改革

时间序列分析课程是统计类专业研究生培养方案的核心课程之一．针对研究生教育,以时间序列分析课程为建设主题,开展以创新驱动人才培养的课程教学改革．进行案例库建设,对于主要知识点,设计两个以上的各领域应用案例,完成时间序列分析仿真实验平台建设,针对课堂讲授模式进行改革,让学生组成团队完成调研工作的展示和讲授．教学工作包括课内和课外两部分,应突出课外部分,充分发挥其范围广容量大的优势．教学实践表明,教学改革有助于培养学生自学能力、团队协调能力和语言讲授能力．     

时序数据故障点检测方法分析比较及应用

比较了3种不同的时序数据故障点检测算法.基于引力的孤立点检测算法考虑了数据对象周围的密度及数据之间的距离等因素.基于均值变点的检测算法则侧重于考察故障点周围统计量的变化,而非故障点的局部范围内统计量保持未定.第三种基于均值方差变点估计的检测算法则研究了时序数据中均值和方差两个统计量都存在变点且变点时刻不相同时的变点估计问题.试验表明基于引力的算法比其他两种效果要差,而基于均值变点检测算法的计算效率要比基于均值方差估计检测算法要高.     

时间序列分析模型在甘肃省GDP中的应用

以甘肃省1978年-2008年31个年度的GDP为例,根据ARIMA模型,通过识别、估计、诊断等过程,结合统计软件Eviews对其变化情况进行了实证分析,得到了误差较小、短期预测较为准确的满意结果.     

时间序列分析在证券分析中的应用

本文以时间序列分析原理为理论基础,运用VC语言的数值计算与分析功能,结合Matlab的制图功能,系统的分析和直观的显示了现实的金融证券（0889华联商城）在一年内的发展变化规律,建立其数学模型,这是时间序列分析在现实应用中重要地位的一种体现．     

神经网络时间序列预测及其工程应用

基于时间序列分析的方法,针对船用捷联陀螺的具体特性,提出了一种神经网络对间序列预测及建模方法,并对某捷联航姿系统中所用陀螺漂移数据进行了神经网络建模尝试。     

基于AIDS模型的城市居民旅游休闲文化消费统计分析——以吉林省四平市为例

我国城镇居民的家庭收入水平不断提高,与之关联的各种消费也随其膨胀,特别是在国际时尚消费思想和“黄金周”政策的诱导下,旅游休闲文化消费增长幅度加大.为理性认识与科学分析旅游休闲文化消费的实质,根据AIDS模型,对城市居民家庭收入的变化与消费项的变化及消费项价格波动系数的相关关系进行了个案统计分析.     

混沌时间序列变分贝叶斯回归预测

基于变分贝叶斯及相空间重构理论,提出了含噪？昆沌时间序列相空间域线性回归预测模型。该模型对序列进行相空间重构,在相空间中用变分贝叶斯推断方法估计线性回归系数。将该模型对含加性高斯噪声的Mackey-Glass？昆沌时间序列进行预测研究。仿真结果表明,该文方法能够有效地抑制过拟和现象,具有较强的抗噪声能力,且预测结果对重构相空间的嵌入维数和时间延迟的变化不敏感。     

黑龙江省人均GDP时间序列模型及预测

采用伯克斯—詹金斯(Box-Jenkins)模型对黑龙江省人均GDP时间序列进行建模,找出人均GDP序列的变化规律,并对2008～2012年人均GDP进行短期预测.     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

嵌套网络模型下的相似图像检索方法

对深度学习领域的稠密卷积网络（dense convolutional network,DenseNet）进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络（squeeze-and-excitation network,SENet）,调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。     

一种基于双重网络模型的单幅图像超分辨率方法

本文对深度学习领域中的高效亚像素卷积神经网络（efficient sub-pixel convolutional neural network,ESPCN）算法进行了改进,通过加入残差网络知识,调整原有的ESPCN构造结构,提出了一种双重网络模型下单幅图像超分辨率重建方法。通过实验证明：该算法能够有效地提高单幅图像超分辨率重建的精度,丰富重建后的细节信息。