基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

基于元学习的航空电子设备特征选择算法推荐方法

为了对航空电子设备的测试数据进行有效约简, 去除冗余信息和不相关特征, 基于机器学习领域现有的特征选择算法, 提出了一种元学习框架下的航空电子设备特征选择算法推荐方法。所提方法旨在根据不同航空电子设备测试数据所蕴含的信息, 推荐合适的特征选择算法。首先, 分析了数据集特征的描述方法。然后, 介绍了采用综合度量指数的算法性能评价方法。最后, 给出了特征选择算法推荐方法的框架。使用42个航空电子设备的测试数据和13个过滤型特征选择算法建立了元数据库, 采用留一法进行交叉验证, 推荐命中率达到了90%以上, 推荐性能比例达到97%以上。     

同域分布两种马先蒿植物的花特征及其对传粉昆虫访花行为的影响

以青藏高原东部高寒草地同域分布的两种马先蒿属植物甘肃马先蒿和半扭卷马先蒿为实验材料,通过传粉观测、花特征测量和表型操控实验分析花特征和报酬对传粉者熊蜂访花行为的影响.结果表明,马先蒿属植物花大小、花数目和花下唇面积可显著影响传粉者的访花行为;两种马先蒿植物采取不同吸引策略,其中甘肃马先蒿通过增加花数目,半扭卷马先蒿通过增加花下唇面积以增加访花频率.实验减少两种马先蒿植物花报酬(花蜜和花粉)均显著降低传粉者的访花频率,报酬改变使传粉者发生适应性行为转变.两种由相似传粉者传粉的同域分布马先蒿物种的花特征通过对传粉者行为不同的影响,可促进物种共存.     

基于粒级分离的长江口及邻近陆架沉积物磁性特征及其环境意义

在粒级分离的基础上,对长江河口及邻近陆架22个表层沉积物进行了磁学表征,探讨了磁性特征对物源、输运、沉积动力等环境信息的指示意义.研究结果表明,长江入海泥沙、残留砂及废黄河物质是长江口外水下三角洲及邻近陆架沉积物磁性特征的主要物源影响因素,但3者的空间分布不同.沉积物磁化率(x)、饱和等温剩磁(SIRM)、硬剩磁(HI...     

贵州大型菌根菌的分布特征及用途

为了进一步开发利用贵州林木菌根菌资源,本文对贵州林木菌根菌资源进行调查的同时,对其分布特征、有药用价值的主要种类、名贵食用菌及毒菌的中毒症状等作了初步的研究,研究结果表明,贵州菌根真菌有药用价值的主要种类有38种,名贵食用真菌主要种类有39种,常出现食用中毒的主要种类有18种.主要分布在贵州境内海拔190m～2 230m之间.     

基于矢量控制技术的PWM整流器理论与仿真

分析了PWM整流器矢量控制的基本理论和应用前景,给出了矢量图及物理概念、矢量运算模型,采用电压和电流闭环调节控制策略.并进行仿真验证,其结果证明给出的理论分析是正确的.     

谢桥煤矿1242(1)首采工作面矿压显现规律研究

以谢桥煤矿1242(1)首采工作面为例,分析了综采工作面矿山压力显现特征、顶板活动规律、液压支架的性能和对该煤层顶底板的适应性及控制效果、工作面顺槽超前支承压力分布,对初次来压期间和周期来压期间支架载荷特征进行了较为系统的分析,为后期开采11-2煤层积累了经验.     

一种改进的嵌入式特征选择算法及应用

针对非线性多分类问题,提出了一个改进的嵌入最小-最大值特征选择算法,并与支持向量机算法结合,提出了针对复杂的组合优化问题的启发式算法.为验证方法的有效性,在钢板缺陷识别工程数据集上进行了实验,表明所提出的方法具有较高的求解速度和预测准确度.     

区域创新产出的空间特征及其影响因素

利用Moran’s I指数对30个省、直辖市、自治区进行创新产出的空间自相关分析,并采用地理加权回归（GWR）模型探索不同因素对区域创新产出的影响。结果表明：区域创新产出具有明显的空间正相关特征,江苏、浙江、上海3个省级行政区已成为典型的区域创新“热点”,并对周边区域形成辐射效应;R&D人员全时当量、R&D投入强度、每十万人中高校在校人数以及移动互联网用户数在不同区域对创新产出的影响程度存在显著差异。     

基于多尺度特征注意力网络的施工安全预警方法

安全管理是建筑施工过程中的重要工作之一,设计自动化的安全预警方法对保障工人安全、减少施工事故有着重要作用.本文提出一种基于多尺度特征注意力网络的施工安全预警方法.首先,设计融合多尺度特征注意力机制的施工现场实例分割网络,使用具有丰富语义信息的高维特征指导网络对低维特征的学习,从而增强网络对施工设备专有特征的聚焦能力,实现复杂环境下施工设备与工人的精准分割;其次,提出基于位姿估计的三维边界框重构方法,利用神经网络提取到施工设备在三维空间上的朝向,并结合二维边界框所反映的几何约束实现对施工设备三维约束的重构;最后,设计施工现场动态预警方法,根据生产安全要求将施工现场划分为危险区、预警区与安全区,并对施工现场的设备与工人进行实时追踪与三维约束重构,当工人进入危险区及预警区时及时发出警告.实验结果显示,本文所提方法在MOCS公共数据集上取得超过90%分类准确率与59%的分割mAP,优于其他融合特征注意力机制的深度学习算法;从施工现场安全预警案例可知,本文所提方法能够对工人的安全状态进行准确判断.