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。     

不等跨柱网混凝土肋梁楼盖平面选型问题初探

通过计算分析和比较,论证了柱网在两方向跨度相差甚大的情况下,楼盖沿长跨方向单向布置次梁的结构方案具有较好的经济性和抗震性,但在设计和施工中须注意竖向振动、长单向板混凝土开裂和结构挠度偏大等不利影响.     

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.     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。     

基于中继选择的星地协作传输系统性能分析

由于星地混合协作网络（hybrid satellite-terrestrial cooperative network,HSTCN）能显著提升卫星通信的服务质量,近年来受到了国内外学者的广泛关注,分析了基于中继选择的星地协作传输系统的性能。首先,在卫星和地面用户之间存在直达链路,并且所有中继节点在采用门限判断译码转发协议辅助卫星通信的情况下,得到用户端经过最大比合并后的输出信噪比（signal-to-noise ratio,SNR）表达式。其次,针对卫星信道服从阴影莱斯分布,而地面信道服从Nakagami-m分布,推导出随机选择和最佳选择两种中继选择策略下系统的中断概率闭合表达式。接着,进一步得到高信噪比条件下中断概率的近似表达式,为分析各种参数对系统性能的影响提供了更加便捷的方法。最后,计算机仿真不仅验证了理论推导的正确性,而且定量分析了协作传输带来的好处,从而为HSTCN技术的实际应用提供理论依据。     

Forecasting under model uncertainty: Non-homogeneous hidden Markov models with Pòlya-Gamma data augmentation

We consider finite state-space non-homogeneous hidden Markov models for forecasting univariate time series. Given a set of predictors, the time series are modeled via predictive regressions with state-dependent coefficients and time-varying transition probabilities that depend on the predictors via a logistic/multinomial function. In a hidden Markov setting, inference for logistic regression coefficients becomes complicated and in some cases impossible due to convergence issues. In this paper, we aim to address this problem utilizing the recently proposed Pólya-Gamma latent variable scheme. Also, we allow for model uncertainty regarding the predictors that affect the series both linearly — in the mean — and non-linearly — in the transition matrix. Predictor selection and inference on the model parameters are based on an automatic Markov chain Monte Carlo scheme with reversible jump steps. Hence the proposed methodology can be used as a black box for predicting time series. Using simulation experiments, we illustrate the performance of our algorithm in various setups, in terms of mixing properties, model selection and predictive ability. An empirical study on realized volatility data shows that our methodology gives improved forecasts compared to benchmark models.     

马尾松种子园优良家系选择研究

对广西南宁地区林科所种子园,藤县大芒界种子园和贵港市覃塘种子园的440个马尾松(P inusm asson ianaL am b.)自由授粉子代进行年度和地点重复的半胞子代测定试验,以本地马尾松等11个对照来分析马尾松自由授粉子代的遗传变异规律,并根据遗传稳定性和材积生长快慢,采用性状表现水平分析法从中选择出优良家系。结果表明,440个参试家系中有20.0%~98.0%的家系树高比对照大8.3%~67.7%,有5.5%~99.0%的家系胸径比对照大11.4%~106.9%、有9.1%~99.0%的家系材积比对照大29.2%~484.6%。评选出适合在广西普遍推广的广普性优良家系64个,局部推广的局部性优良家系48个,需淘汰的家系83个;选择出的优良家系在11年生子代林中,材积生长量比对照大64.71%~94.51%。用子代林数据估算马尾松各性状的家系遗传力,树高遗传力为0.306~0.724,胸径为0.174~0.686,单株材积为0.286~0.677。     

多目标投资组合模型的模糊两阶段解法

对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差作为投资组合的风险度量.该模型是一个多目标线性优化问题,采用两阶段模糊算法对模型进行求解,最后给出了该模型的一个实例的最优解.     

一种基于不同粒度语言判断矩阵的群决策方法

针对基于不同粒度语言判断矩阵的群决策问题,提出了一种新的群决策分析方法.对有序语言短语集中的语言短语进行“量化”,通过变量转换关系将语言判断矩阵转换为互补判断矩阵,并进行了判断信息转换的一致性分析;采用OWA算子将每个决策者给出语言判断矩阵所对应的互补判断矩阵集结为群的偏好矩阵,并通过计算每个方案的优势度来确定最优方案;最后给出一个算例说明了所提出的方法的有效性与实用性.