分享到:

一种基于Hadoop的集群资源访问异常检测方法

针对分布式平台资源利用的特征,在集群局部资源利用密度异常情况检测技术的基础上,引入时间序列的检测方法,提出了一种对集  (本文共5页) 阅读全文>>

西安电子科技大学
西安电子科技大学

基于手机传感器的群组识别及监测方法研究

行人群组是指一群聚集在一起并沿相似路线行走的人的集合。事实上人们常常结伴而行,群组现象广泛地存在于各种社会活动之中。对于行人之间群组关系的分析能够帮助研究者理解人与人之间的互动模式,从而进一步地挖掘行人之间的社会关系并将其应用于各个领域。比如以行人群组信息为基础,商家可以为用户发送更加有针对性的促销信息。对于大型集会等社会活动,行人群组信息也为紧急疏散方案提供决策依据。随着智能手机的普及和发展,利用手机内置传感器获取反映行人位置和运动特征的信息变得更加容易。这些数据能够帮助研究者更好地分析行人之间的潜在关系从而加快行人群组领域的研究进展。目前,绝大多数对于行人群组的工作都是以行人的位置信息作为必要条件辅以相关的运动数据来挖掘其中隐含的群组信息,从而实现对行人群组的识别和追踪等操作。对于如何得到研究所必须的位置数据,手机内置的GPS传感器因其能够获取日常生活中各种场景下行人的位置信息而成为研究人员的首要选择。但是智能手机长时间持续...  (本文共85页) 本文目录 | 阅读全文>>

南京财经大学
南京财经大学

异常检测的动态代价敏感学习深度置信网络研究

随着大数据技术的发展,数据量不断扩大,源源不断的数据中很可能包括异常数据、欺诈数据等,这些数据会带来严重的影响,不仅会影响人们的生活、工作,而且会影响社会甚至国家的安全。故检测出异常数据、欺诈数据已经成为迫在眉睫的工作。这些数据都属于非平衡数据,非平衡数据是数据集中不同类别的数据数目相差很多,这些异常数据需要我们学习它们的特征并进行有效的预测。现有的非平衡数据处理方法有数据层面和算法层面的方法,数据层面的方法的弊端是当数据量增大时,处理所需的时间复杂度会呈倍数增长;算法层面的方法包括机器学习的方法、深度学习的方法和集成学习方法等。随着深度学习的发展,神经网络技术也逐步发展,在异常检测或者欺诈检测中,神经网络技术因其可以模拟人脑功能的基本特征,从而有着识别率高、稳定性好的特点。另外考虑到异常数据标签数据少以及人工标注的成本较高的特点,引入半监督学习的概念,半监督学习通过将无标签数据加入到有标签数据的训练中,从而提高分类器学习的性能...  (本文共67页) 本文目录 | 阅读全文>>

《电子科技》2018年06期
电子科技

适用于云环境的LASVM异常检测研究

在云环境下,数量众多的虚拟机导致的海量数据和实时检测的需求使得传统SVM不再适合作为异常检测算法。文中提出使用基于SMO算法改进的具有在线学习能力的LASVM算法进行异...  (本文共5页) 阅读全文>>

《科技创新导报》2019年05期
科技创新导报

一种符号化的汽轮机效率异常检测方法

汽轮机异常检测对于其可靠和经济的运行具有重要的意义。考虑到异常数据和检测模型的敏感性和鲁棒性,本文提出了一种基于序列符号的异常检测方法,并将其应用于汽轮机回热器的异常检测。...  (本文共2页) 阅读全文>>

《南京邮电大学学报(自然科学版)》2019年04期
南京邮电大学学报(自然科学版)

基于四分之一超球SVM的WSN异常检测

无线传感器网络(WSN)收集的数据本质上是不可靠的,因此为了提高数据质量,需要对网络进行异常值检测。文中提出了一种基于四分之一超球支持向量机(SVM)算法的异常数据检测方法,利...  (本文共8页) 阅读全文>>