共查询到19条相似文献，搜索用时 234 毫秒
1.
为了保障风机的正常运行,提出基于自编码（Autoencoder,AE）的风机故障检测方法。依据法国风机ENGIE公开的风速传感器数据,建立欠完备自编码模型（UAE）、去噪自编码模型（DAE）与收缩编码器（CAE）模型,对风机风速传感器数据进行编码和解码,计算重构误差并设定阈值进行故障检测。用多风机风速传感器数据建立PCA模型并与去噪编码器模型对比。根据ROC曲线与AUC值对比,得出欠完备自编码模型、去噪自编码模型、收缩编码器模型均可用于风机异常检测,且收缩编码器效果最好的结论。PCA模型也可用于故障检测,同时多风机故障检测效果高于单一风机。 相似文献
2.
使用卡尔曼滤波算法检测视频中的运动目标,并对检测到的行人进行特征提取。采用图像熵、Hu不变矩和长宽比特征,建立贝叶斯网络结构对人体目标进行分类,从而对人的正常行走和倒地、奔跑、挥拳4种行为进行识别。正常行走是正常行为,摔倒、挥拳和奔跑是异常行为。实验结果表明,通过特征提取的贝叶斯网络分类具有较好的实时性,其准确率可达90%。 相似文献
3.
刘晓东 《深圳信息职业技术学院学报》2007,5(4):44-49
针对传统的电信异常客户手工检测技术，提出了实时地、自动地检测异常客户的技术。该方法首先利用神经元网络算法从原始数据中提取异常客户属性权重并进行属性约减，在属性约减的基础上利用决策树算法提取异常客户特征，然后使用聚类算法自适应地产生检测模型。这三种算法的结合能够向现有的系统实时地发出异常报警，还能确定异常特征，为异常客户的检测提供支持。电信数据实验证明，异常客户的检测率较高，而且误警率很低。 相似文献
4.
本文对网络流量自相似性在网络安全中的应用这个新的研究方向进行了探讨,根据网络流量的变化直接影响流量的自相似程度,在入侵检测系统中对网络流量异常引起自相似性变化明显的数据进行研究.基于建立用户正常行为的网络流量模型,通过比较描述网络流量自相似性的Hurst参数值来判断网络是否异常,并进行及时预警. 相似文献
5.
如何进行适应不同场景的人群异常检测是视频监控领域的研究难点。目前主流的人群行为特征表达式是基于HOF的,其中基于多尺度MHOF是主流方法,但由于多尺度MHOF特征是基于等距划分场景区域的局部特征,因而不是人类观察外界场景的方式。团块特征是基本符合人类观察事物的方式,因此提出基于Blob团块的MHOF特征提取算法,并联合Hog特征,应用多层递归神经网络提出了异常行为检测的算法框架。在3个数据集上进行实验,结果表明,该算法优于基于多尺度MHOF特征的异常行为检测方法。 相似文献
6.
7.
谢琳 《江西电力职业技术学院学报》2023,(9):7-9
使用机器学习思想建立基于对数区间隔离森林异常检测算法（LIIF）,针对电网电力自动调度系统可能出现的异常状况进行检测和控制,提前预知情况并进行处理,为电力系统的安全运行提供条件。结合电力调度自动化系统异常的数据特点,提出对数区间隔离森林异常检测算法,使用公开数据和某调度中心业务数据作为测试样本,通过AUC值和运行时间对算法的性能进行检测,验证了算法的可行性。 相似文献
8.
9.
针对目前车载MEMS陀螺仪含有较多异常测量数据的情况,提出了一种基于时间序列分析的辨识和修正方法.根据MEMS陀螺仪测量数据的自相关函数和偏相关函数特征初步确定自回归移动平均(ARI-MA)模型,再引入AIC准则确定最优模型,并采用最小二乘估计法对模型参数进行估计.当此模型的有效性检验通过时,即用该模型对测量数据的变化趋势进行预测.当某个测量值与其预测值之差大于设定的阈值时,则判定此测量值为异常数据并用预测值进行修正.为了验证所提算法的效果,对MEMS陀螺仪测量的横摆角速度数据进行了实验.结果表明,所提方法可以有效地识别出车载MEMS陀螺仪的异常测量数据,并能进行合理的修正. 相似文献
10.
逯玉婧 《石家庄职业技术学院学报》2021,(2):1-4
针对网络攻击类型多,高维网络数据提取困难及入侵检测算法需具备较高自调节能力的问题,从能量变换寻优与集成算法的角度,提出了一种基于自调节深度信念网络的入侵检测算法,并采用国际通用入侵检测数据集进行检测效果验证.结果表明,与当前主流的入侵检测算法相比,该算法能够提高入侵检测的准确率,具有全局性与稳定性. 相似文献
11.
S. Sp. Pappas L. Ekonomou V. C. Moussas P. Karampelas S. K. Katsikas 《浙江大学学报(A卷英文版)》2008,9(12):1724-1730
Designers are required to plan for future expansion and also to estimate the grid＇s future utilization. This means that an effective modeling and forecasting technique, which will use efficiently the information contained in the available data, is required, so that important data properties can be extracted and projected into the future. This study proposes an adaptive method based on the multi-model partitioning algorithm （MMPA）, for short-term electricity load forecasting using real data. The grid＇s utilization is initially modeled using a multiplicative seasonal ARIMA （autoregressive integrated moving average） model. The proposed method uses past data to learn and model the normal periodic behavior of the electric grid. Either ARMA （autoregressive moving average） or state-space models can be used for the load pattern modeling. Load anomalies such as unexpected peaks that may appear during the summer or unexpected faults （blackouts） are also modeled. If the load pattern does not match the normal behavior of the load, an anomaly is detected and, furthermore, when the pattern matches a known case of anomaly, the type of anomaly is identified. Real data were used and real cases were tested based on the measurement loads of the Hellenic Public Power Cooperation S.A., Athens, Greece. The applied adaptive multi-model filtering algorithm identifies successfully both normal periodic behavior and any unusual activity of the electric grid. The performance of the proposed method is also compared to that produced by the ARIMA model. 相似文献
12.
13.
基于模糊C均值的异常流量检测模型 总被引：1，自引：0，他引：1
李雪琴 《赣南师范学院学报》2009,30(6):89-91
对网络进行流量异常检测,流量出现异常后再对数据包进行分析,通过这种方法能够降低系统开销,聚类算法是一种有效的异常入侵检测方法,可用在网络流量异常检测中,用于判定当前网络流量是否出现异常,本文将模糊C均值算法应用于流量异常检测模型中,通过实验,该模型能够有效检测出流量的异常状态． 相似文献
14.
为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法。计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP特征弱分类器。针对算法中存在的特征维数过高导致算法检测速度慢的问题,将各特征分类器以不同数量进行级联,构建一个6级特征弱分类器组成的级联特征分类器实现对行人目标的检测,同时使用soft-NMS算法对输出的检测窗口进行融合。在INRIA行人数据集上进行实验,实验结果表明本文算法有效提高了检测的精度与速度。 相似文献
15.
1IntroductionIntrusion detection systems(IDS)can be catego-rizedinto two types bytheir detection algorithms:mis-use detection and anomaly detection.Misuse detectiondefines known attack signatures(using expert know-ledge),and tries to find the ones that ma… 相似文献
16.
Intrusion detection using rough set classification 总被引：2，自引：0，他引：2
Recently machine learning-based intrusion detection approaches have been subjected to extensive researches because they can detect both misuse and anomaly. In this paper, rough set classification (RSC), a modern learning algorithm, is used to rank the features extracted for detecting intrusions and generate intrusion detection models. Feature ranking is a very critical step when building the model. RSC performs feature ranking before generating rules, and converts the feature ranking to minimal hitting set problem addressed by using genetic algorithm (GA). This is done in classical approaches using Support Vector Machine (SVM) by executing many iterations, each of which removes one useless feature. Compared with those methods, our method can avoid many iterations. In addition, a hybrid genetic algorithm is proposed to increase the convergence speed and decrease the training time of RSC. The models generated by RSC take the form of "IF-THEN" rules, which have the advantage of explication. Tests and compa 相似文献
17.
Recently machine learning-based intrusion detection approaches have been subjected to extensive researches because they can detect both misuse and anomaly. In this paper, rough set classification (RSC), a modem learning algorithm,is used to rank the features extracted for detecting intrusions and generate intrusion detection models. Feature ranking is a very critical step when building the model. RSC performs feature ranking before generating rules, and converts the feature ranking to minimal hitting set problem addressed by using genetic algorithm (GA). This is done in classical approaches using Support Vector Machine (SVM) by executing many iterations, each of which removes one useless feature. Compared with those methods, our method can avoid many iterations. In addition, a hybrid genetic algorithm is proposed to increase the convergence speed and decrease the training time of RSC. The models generated by RSC take the form of"IF-THEN" rules,which have the advantage of explication. Tests and comparison of RSC with SVM on DARPA benchmark data showed that for Probe and DoS attacks both RSC and SVM yielded highly accurate results (greater than 99% accuracy on testing set). 相似文献
18.
数据挖掘又称为数据库中的知识发现,是多学科综合的产物。入侵检测是用于检测任何损害或企图损害系统的保密性、完整性或可用性行为的一种网络安全技术。基于异常检测的人侵检测,有大量的数据需要处理,如何减少误报而又快速地检测出异常,数据挖掘具有很大的空间可以运用。 相似文献
19.
为了在保证检测准确率的前提下提高检测效率,并优化SDN网络中基于流表特征的DDoS攻击检测算法,主要分析基于流表特征的DDoS攻击检测技术及其存在的不足,提出首先利用主成分分析优化流表特征,从中选出合适的特征子集,并采用支持向量机算法实现分类检测;然后搭建仿真网络环境,利用正常数据集与攻击数据集训练分类器进行测试实验;最后从检测准确率与检测时间两个维度对特征降维前后的检测方法进行对比。实验结果表明,经过特征降维的检测方法在不影响准确率的同时,有效提高了检测速率。 相似文献