KPCA和RSVM结合处理大规模问题研究

针对入侵检测中训练样本数量多、属性多这一问题,应用核主成份分析Kernel PCA和简约支持向量机Reduced SVM相结合的方法,不但有效地提取了样本的非线性信息,而且使样本在维数上得到约简,减少了核矩阵的计算量.在标准入侵检测数据集上的实验表明:训练时间进一步减少,正确率得到提高,而误报率下降.     

基于最小二乘优化的高精度参数估计研究

研究了捕食者-被捕食者模型在不同观测误差条件下的非线性微分方程组参数估计问题.首先利用差分方法进行离散化,得到一个超定的线性方程组,进行最小二乘拟合优化;其次,考虑观测资料有误差而时间变量无误差的情况,通过利用周期取平均的方法,从而降低了数据的误差;最后针对时间变量也会有误差情况,对每个观测时刻的数据进行归整处理来降低时间上的观测误差,最后利用最小二乘拟合得到最优的参数值.