基于半监督聚类的网络入侵检测算法

入侵检测是维护网络安全的重要技术手段之一.本文提出一种聚类算法:k-cubes,用于网络异常检测.算法采用基于网格的方法对网络连接数据进行预处理,然后以网格为数据处理单位进行聚类,在聚类过程中通过动态合并与分裂自动决定聚类的数目.在此基础上给出了半监督k-cubes聚类算法,并根据聚类的结果生成检测规则.k-cubes聚类算法适合处理高维并且含有多值字符属性的大数据量数据,同时具有输入参数少等特点.在KDD99入侵检测数据集上的实验结果显示,算法获得95.82%的检测率和1.25%的误报率,并且在识别新入侵的能力上,算法检测到17种新入侵中的15种.     

基于模糊聚类的数据挖掘方法与应用

系统聚类法中常用的是最小距离法、最大距离法、重心距离法和类平均距离法等,这些方法都是定义一种类与类之间的距离来进行聚类的,但在有些情况下其聚类结果不唯一.利用模糊关系矩阵,给出一种新的基于模糊聚类的方法,并将这些技术应用到处理地质图型数据的数据挖掘工作中,得到可行性验证.     

在IDS中利用数据挖掘技木提取用户行为特征

IDS(入侵测系统)是一种测网络入侵行为的工具。然而现在的IDS在提取用户行为特征的时候不能很好的反映出真实的情况，经常出现漏报或误报的情况。作者详细讨论了利用数据挖掘技术提取用户行为特征的方法，提出了采用数据挖掘技术的入侵，测系统的结构模型。     

智轨列车基于稀疏点云和图像的车辆识别技术

针对识别智轨列车的前方车辆三维信息来保证其行车安全的问题,提出一种面向智轨列车基于稀疏点云和图像的车辆识别技术.首先采用基于角度阈值的算法分割地面并提取障碍物点云,然后提出距离角度约束算法遍历障碍物点云求解聚类点集,通过二次求解优化聚类结果获取预融合聚类点集,最后采用YOLOv3网络模型进行车辆检测,构建基于几何模型的图像点云映射关系,将车辆图像识别信息与预融合聚类点集进行匹配,实现了车辆三维信息识别.研究结果表明:在16线激光雷达稀疏点云条件下,所提方法在多障碍物共存的开放式场景中具有较高的识别率和实时性,满足智轨列车动态检测需求.     

基于协议分析的SVM入侵检测系统

随着网络技术日益发展,计算机必须面对来自全球网的各种入侵.因而需要有效的入侵检测系统保护计算机远离这些未经允许的或恶意的行为,将模式识别的方法应用到入侵检测系统中,解决了传统检测方法的缺陷.提出一种基于协议分析的SVM入侵检测方法,并使用KDD'99中的数据对该方法进行了评估,证明该方法是有效的.     

基于Linux的入侵防御系统设计与实现

在研究防火墙与入侵检测系统联动的基础上,设计并实现了一种基于Linux平台的入侵防御系统.该系统结合Iptables防火墙与Snort入侵检测系统的优势,将Snort报警信息实时有效地转换为Iptables防火墙规则来实现网络动态防御.最后通过实验分析验证该系统的性能.     

几种人工智能技术在入侵检测系统中的应用

介绍几种人工智能技术,如多层感知机网络、自组织映射网络和支持向量机等,以及这些技术在入侵检测系统中的应用.     

一种基于蚁群算法的聚类组合方法

蚂蚁等群居类昆虫被看作能解决复杂问题的分布式系统,研究者从它们的协作性能以及自组织、信息素通信、任务划分等机理中获得灵感,已在组合优化、通信网络、机器人等许多应用领域找到解决问题的新方法。聚类作为一种无监督的学习,能根据数据间的相似程度自动地进行分类。基于蚁群算法的聚类方法已经在当前数据挖掘研究中得到应用。本文提出的基于蚁群算法的聚类组合新方法,模仿多蚁群的协作性能,将运动速度类型各异的多个蚁群,独立而并行地进行聚类分析,然后组合其聚类结果为超图,再用蚁群算法对超图进行2次划分。实验结果表明,该方法能自动决定聚类的数目,聚类组合方法能明显改善聚类质量。     

高速网络环境下一种对入侵检测系统的改进方法

高速网络环境下,现有的入侵检测系统存在检测效率低、准确率低和丢包现象等问题.改进后的入侵检测系统先对数据包中的应用协议进行预处理,检测出比较明显的入侵特征.如果没有检测到,就利用基于决策树的模式匹配方法进行更进一步的检测.它可以提高检测速度和降低误报率,更加适应高速网络.     

基于射线跟踪与离开角空间聚类的5G-R网络优化技术研究

当前反复“路测-调整”的传统无线网络优化方式难以满足铁路5G专用移动通信系统（5G-R）的网络优化需求。面向京沈铁路干线场景，在确定了射线跟踪传播机理模型后，进行了5G-R无线信道建模仿真，提出一种基于射线跟踪与离开角空间聚类的网络优化算法。该算法以全向天线仿真结果为基础，使用K-means++算法对射线跟踪仿真的角度-能量域数据进行聚类，将水平离开角的空间聚类中心作为扇区方位角；结合水平离开角的聚类中心与高铁行车路径的空间位置关系，计算相应扇区的下倾角；以上述基于射线跟踪与离开角空间聚类的结果为初值，基于粒子群算法进行优化迭代，高效地完成铁路干线场景下的5G-R网络优化。结果表明，在相同的计算资源和仿真条件下，基于射线跟踪与离开角空间聚类的5G-R网络优化算法对比直接使用粒子群算法，在收敛速度方面提升了约10%，在优化效果方面提升了约30%。该方法针对铁路干线场景能够实现在迭代计算次数更少的情况下，给出更好的网络优化方案，为未来建设高质量5G-R通信系统提供技术积累和参考。     

基于Hadoop的Aprior算法改进及其在动车组运维的应用

论文着眼于解决大数据下的动车组关联规则挖掘问题，提出了一种基于Apriori算法改进的大数据关联规则挖掘算法T-MR-Apriori算法。该算法融合Hadoop技术，执行两遍MR分布式计算过程，完成整个关联规则挖掘流程，提高了海量数据下关联规则挖掘的效率和准确率。同时利用实际动车组运维数据进行验证，证明该算法在海量数据下具有良好的挖掘速度又能不降低挖掘性能。并且将该方法应用于动车组牵引电机运维数据挖掘，进行可视化展示。     

基于多元索引后继树的序列模式挖掘方法

序列模式挖掘是数据挖掘研究领域中的一个课题.本文提出一种新型的序列挖掘模型-多元索引后继树模型,该模型的主要特点是使用索引方法,仅通过对原始序列的一遍扫描而创建描述序列的多元索引后继树,然后利用索引结构使用模式增长的方法生成频繁模式.理论分析与实验表明,该方法简单高效、具有很好的实用价值,通过与其他序列挖掘模型的实验比较,发现基于该模型的挖掘算法在时间和空间两个方面都有较好的性能优势.     

基于数据挖掘的铁路机务段成本控制系统

决策支持系统是信息处理发展的新领域,投入应用的成功实例并不多.结合在铁路机务段从事管理信息系统开发的经验,讨论了在成本控制中应用数据挖掘技术的可行性,并提出了基于这一技术的成本控制系统的基本结构框架和设计实现.     

基于校园一卡通平台的数据挖掘应用研究

本文在研究校园一卡通平台的基础上,以我校设计和研发的学生行为分析系统和就餐消费分析系统为例,介绍了对校园一卡通系统的数据挖掘的初步探索,不仅为领导决策提供了有用的参考信息,也为将来构建完整的数字化校园决策支持系统提供了实践经验和实现方法.     

一种支持KDD处理的基于XML的中间件语言

设计KDDML(KDD标记语言)是用来支持包含数据访问、数据预处理,数据挖掘模型的抽取和部署的应用程序或更高层系统的开发的.设计的原理受启发于KDD处理过程中复现模式的需求.KDDML查询的语法以及数据/模型的表示是基于XML的.一个KDDML查询是一个XML文档,XML标签对应于对数据/模型的操作,XML属性对应于算子的参数,XML子元素定义传递给算子的参量.KDDML提供有数据访问和预处理算子、模型抽取和部署算子以及控制流算子.     

基于多Agent的铁路客票数据挖掘系统的研究

根据铁路客票数据存储量大且组织分散的特点,利用多Agent的智能性、协作性、互操作性等良好特性,引入多种Agent,构建了一个基于多Agent的分布式客票数据挖掘系统.该系统有效的解决了数据的分布性和隐藏复杂性问题,且使系统具有较好的模块化和可重用性.     

基于Web的数据仓库数据集成问题的探讨

基于Web的数据仓库数据集成就是将Web技术与数据仓库技术有机结合.它将涉及到数据仓库技术,Internet技术,数据挖掘技术和搜索引擎技术等.从丰富数据仓库数据源的技术角度出发,分析了基于Web的数据仓库体系结构,并对数据仓库中基于Web的数据集成方法、实施数据集成中存在的问题以及目前可利用的解决方案进行了探讨.     

基于关联规则挖掘的调车作业事故原因分析

数据挖掘技术在各行各业得到广泛的应用,铁路调车作业的安全是铁路系统中非常重要的方面,将数据挖掘技术中的关联规则挖掘运用到调车作业事故原因分析当中,能够找出事故因素之间的联系,管理部门可根据分析结果,有针对性地进行整改,以提高生产效率和降低调车事故发生率.     

山西中南部铁路莱芜绕避采空区改线方案研究

山西中南部铁路线路穿越莱芜矿区,由于垂杨铁矿非法向铁路方向开采,导致铁路线路走行在采空区影响区内,存在重大安全隐患。在广泛收集并消化吸收莱芜矿区及区域地表移动规律资料的基础上,结合本地区矿床赋存条件、地质构造和开采方式等因素,按工程地质类比法,采用地面塌陷移动角的方法,找出安全可靠的铁路廊道通过矿区。通过方案比选,推荐满足铁路运营安全,符合城市规划布局,绕避了港里村等重大拆迁工程,工程可实施性较强的沿汇合大道方案。矿区铁路可采用地面塌陷移动角的方法进行铁路选线,可有效缩短铁路安全廊道的距离,大大减少压覆矿藏的数量,对矿区铁路选线有一定指导价值。