排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
2.
3.
在健康智能照顾护理领域,日常行为识别的准确率至关重要,但是由于日常行为本身的动态可变性以及个体之间的差异性的特点,造成基于可穿戴设备的日常行为识别模型的泛化性差、识别率低,无法对复杂日常行为进行识别的问题。提出一种优化的特征提取方法,将手腕动作聚合为若干个高层语义主题,进而将日常行为表征为一个有序的高层语义主题序列,有效地提升分类的效果。实验结果表明,高层主题语义特征能更准确地表征复杂日常行为的特征,提高了行为识别的准确性。 相似文献
4.
Snort是一种基于规则匹配的误用入侵检测系统,基于规则的模式匹配是Snort检测引擎的主要机制,也是衡量其性能的重要指标.由于当前Snort采用的规则树结构过于简单,造成某些RTN下的OTN链比较庞大;匹配过程中,OTN各个选项的匹配顺序仍然局限于安全专家根据领域知识,人为而定,从而造成某些重要选项不能得到优先匹配,大大降低了Snort的匹配速度,严重影响检测效率.为解决上述问题,将数据挖掘技术应用到Snort入侵检测系统中,利用数据挖掘中的ID3算法,对Snort规则库中的规则进行挖掘,选取信息增益最大的属性作为Snort优先匹配的属性,从而提高了规则匹配的速度. 相似文献
1