江苏省自然科学基金(BK2011003)
- 作品数：33 被引量：122H指数：6
- 相关作者：刘渊王士同陈烨夏鸿斌王晓锋更多>>
- 相关机构：江南大学湖州师范学院常熟理工学院更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金江苏高校优势学科建设工程资助项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于改进模糊聚类与ANFIS的高速公路事件检测被引量：3
- 2013年
- 为了准确并及时地发现高速公路上的交通事故隐患,减少事故引发的交通延迟,提高高速公路运行安全性,结合减法聚类与模糊C均值(FCM)聚类算法对输入样本数据进行聚类,建成初始模糊推理系统,然后通过神经网络的自学习机制,训练模糊系统参数,确定模糊推理规则,建立最终模糊模型。通过仿真实验结果对比,验证了基于改进模糊聚类与自适应神经模糊推理系统(ANFIS)建模方法的有效性。
- 姚磊刘渊
- 关键词：交通事件检测模糊C均值聚类减法聚类自适应神经模糊推理
- 一种抵御虫洞攻击的WSN定位算法被引量：2
- 2015年
- DV-Hop是一种经典的无线传感网络节点定位算法,由于其简单性被广泛地应用于各种场所。然而,由于DV-Hop算法采用平均每跳距离使其较易受到虫洞攻击。针对此不足,本文对DV-Hop算法进行改进,首先根据虫洞攻击的特点,筛选出可疑虫洞,并确定虫洞的位置,用其节点之间的其他路径跳数进行替换;其次,引入二次定位的概念,在第三阶段将所有锚节点平均每跳距离取加权平均数;最后,采用该加权平均值作未知节点的平均每跳距离。实验结果表明该算法具备了较好的定位性能,定位误差较小,并且可以在一定程度上抵抗虫洞攻击。
- 葛洁莉刘渊
- 关键词：无线传感器网络虫洞攻击DV-HOP算法
- 基于纠删码的云计算存储备份及恢复策略被引量：5
- 2016年
- 如何保障云存储系统中数据的可靠性是云计算领域的热点问题。副本备份技术是保障数据可靠性的重要手段,但是存在占用存储空间大、存储效率低等问题。纠删码能够提供优化的数据冗余度,以防止数据丢失,恰当地使用纠删码可以提高空间的利用效率并获得较好的数据保护效果,在通讯方面已经得到广泛应用。将纠删码引入云存储系统中,代替副本备份策略,以提高云存储系统的性能。实验表明该方案可以有效提高数据可靠性和空间利用率。
- 芦欣刘渊
- 关键词：纠删码容错冗余备份
- 规则引擎在访问控制中的研究与应用被引量：1
- 2015年
- 为将策略与机制分离的思想应用到访问控制模型,本文引入规则引擎技术,用规则来表示具体的访问控制策略,利用Java反射机制实现用户属性的实时加载和规则的动态执行,增强了规则引擎的灵活性,且通过对Rete算法的研究,提出基于多规则节点共享的规则匹配算法,提高规则匹配效率。
- 季开伟乐红兵
- 关键词：访问控制规则引擎JAVA反射灵活性
- 融合NBC与PNN的网络异常分类
- 2013年
- 对网络异常进行分类有利于管理员更好地管理网络,然而单一的分类器存在对各类异常的分类效果不均衡,不够全面等问题。鉴于此在研究了常用于分类的概率神经网络(Probability Neural Network,PNN)算法和朴素贝叶斯分类器(Naive Bayes Classifier,NBC)算法的基础上提出了一种融合NBC与PNN的网络异常分类模型。该模型将PNN与NBC对各类网络异常的分类精度作为权值,通过计算得出未知流量所属各类别的概率,最大值为预测结果,通过KDD99数据集对该模型进行测试,实验结果表明,提出的新模型相对于仅使用PNN或者NBC的单分类器,其对各类异常的分类效果具有更好的均衡性和更高的分类精度。
- 周明伟刘渊
- 关键词：网络异常概率神经网络朴素贝叶斯分类器
- 基于改进人工蜂群参数寻优的网络行为分类
- 2015年
- 针对标准人工蜂群算法用于支持向量机参数寻优容易陷入局部最优解,精度不高,收敛速度慢等问题,提出一种改进的人工蜂群算法。该算法在雇佣蜂与跟随蜂更新蜜源时,采用基于当前最优解的局部搜索策略,以提高蜜蜂的局部搜索能力,加快收敛速度并获得更高的精度;引入混沌序列使产生的蜜源分布更均匀,防止陷入局部最优。仿真结果表明,改进的人工蜂群算法在搜索速度和精度上均优于同类算法。将改进的人工蜂群算法应用于基于支持向量机的网络行为分类,实验结果表明,网络行为分类速度及识别准确率均得到了一定的提高。
- 杨宇毛力王晓锋周长喜
- 关键词：人工蜂群算法混沌序列支持向量机
- 非线性分类的分割超平面快速集成方法被引量：2
- 2012年
- 直接营销策略的分割超平面(Separating HyperPlane,SHP)方法所构建的线性超平面(Linear HyperPlane,LHP)函数集的Vapnik-Chervonenkis(VC)维不超过9,并且能够快速分类和保护数据隐私,但其训练速度慢,对样本分布敏感以及不能解决非线性等问题。为此,该文提出一种适合大样本问题的非线性分类方法,称为分割超平面的快速集成方法(Fast Ensemble of Separating HyperPlane,FE-SHP)。此方法先将训练样本划分为多个集合并分别构造它们的次优线性超平面,然后利用径向基函数(Radical Basis Function,RBF)改善次优线性超平面的非线性能力,同时引进优化权提升次优线性超平面的非线性集成效果,并将集成输出转化为概率输出,进而通过梯度下降法最大化训练样本的交叉熵对数似然函数求解相关参数。UCI数据集的实验结果表明,FE-SHP在处理大样本方面具有较好的优势。
- 胡文军王士同王娟王培良
- 关键词：基函数梯度下降法
- GAFSA优化SVR的网络流量预测模型研究被引量：13
- 2013年
- 现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题,研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法,寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优,可以得到使预测效果最佳的训练参数;使用这组最优参数训练SVR,建立网络流量预测模型,可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题,使预测结果趋于稳定,同时也可以提高预测精准度。仿真结果表明,GAFSA-SVR网络流量预测模型与其他模型相比,预测结果基本稳定,精准度提高到89%以上,对于指导网络控制行为、分析网络安全态势有重要意义。
- 王瑞雪刘渊
- 关键词：网络流量预测参数优化支持向量回归机自相似性
- 具备跨源域学习能力的模糊聚类算法研究
- 2017年
- 针对传统迁移学习聚类算法因单一源域到单一目标域且两者类别数必须一致的约束而达不到良好的聚类效果问题,提出了一种跨源域学习的聚类算法。该算法具有三大优点:a)仅扩大源域数目且取消了源域类别数的限定,算法可以自适应选择源域进行学习,所以算法的迁移学习能够得到较大的提升;b)由于所利用的源域知识不会暴露原数据,所以算法具有良好的源域数据隐私保护性;c)通过调节平衡参数可以使算法退化为传统的聚类算法,因此该算法的聚类性能是有所保障的。通过在模拟数据集和真实数据集上的实验,验证了该算法较之现有迁移学习聚类算法具有更好的迁移能力,且聚类性能及鲁棒性也有较大的提升。
- 吴文鹏刘渊徐雁飞
- 关键词：隐私保护鲁棒性
- 基于迁移学习和D-S理论的网络异常检测被引量：21
- 2016年
- 对于分布不同或分布相似的未知类型的网络攻击,目前的异常检测技术往往不能达到预期的效果。针对上述问题,研究了一种基于迁移技术和D-S证据理论的网络异常检测方法。首先用迁移学习方法对已知网络攻击进行建模,此模型在构建时考虑了不同分布的异常攻击间的差异;然后用其训练得到的分类器对未知的网络行为进行分析,结合D-S证据理论,可以检测出分布不一致的未知攻击类型。实验结果表明,该方法泛化了传统的网络异常检测技术,对未知的网络异常有着较高的检测率。
- 赵新杰刘渊孙剑
- 关键词：D-S理论数据融合
