您的位置： 专家智库 > >

安徽省高校省级自然科学研究项目(KJ2013B206)

作品数：2 被引量：8H指数：1
相关作者：冯莹莹余世干刘辉刘淮霞石晓艳更多>>
相关机构：阜阳师范学院安徽理工大学更多>>
发文基金：安徽省高校省级自然科学研究项目安徽省高等学校优秀青年人才基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇群算法
  • 1篇医学图像
  • 1篇医学图像检索
  • 1篇鱼群算法
  • 1篇入侵
  • 1篇入侵检测
  • 1篇图像
  • 1篇图像检索
  • 1篇权值
  • 1篇权值调整
  • 1篇人工鱼
  • 1篇人工鱼群
  • 1篇人工鱼群算法
  • 1篇网络
  • 1篇网络入侵
  • 1篇网络入侵检测
  • 1篇相似度
  • 1篇相似度度量
  • 1篇粒子群
  • 1篇粒子群算法

机构

  • 1篇安徽理工大学
  • 1篇阜阳师范学院

作者

  • 1篇于水娟
  • 1篇刘辉
  • 1篇余世干
  • 1篇冯莹莹
  • 1篇石晓艳
  • 1篇刘淮霞

传媒

  • 1篇计算机工程与...
  • 1篇计算机工程与...

年份

  • 2篇2014
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于IAFSA优化权值的医学图像检索
2014年
为提高医学图像的检索结果,提出一种基于改进人工鱼群算法的医学图像相关反馈检索方法 (ISAFA)。提取医学图像的颜色、纹理、形状特征,采用相似度量模型得到图像初步检索结果,根据用户的反馈信息,采用改进人工鱼群算法对特征权值进行调整,以获得更加理想的检索结果。检索结果表明,ISAFA提高了医学图像的检索准确率和检索效率,可以找到满足用户需要的医学图像。
石晓艳刘淮霞于水娟
关键词：改进人工鱼群算法医学图像相似度度量权值调整
KNN-IPSO选择特征的网络入侵检测被引量：8
2014年
为了提高网络入侵检测的正确率,提出一种基于KNN-IPSO选择特征的网络入侵检测模型(KNN-IPSO)。首先采用K近邻算法消除原始网络数据中的冗余特征,并将其作为粒子群算法的初始解,然后采用粒子群算法找到最优特征子集,并对粒子的惯性权重进行自适应调整和种群进行混沌操作,帮助种群跳出局部最优,最后采用KDD CUP 99数据集对KNN-IPSO的性能进行测试。结果表明,KNN-IPSO消除了冗余特征,降低了分类器的输入维数,有效提高了入侵检测正确率和检测速度。
冯莹莹余世干刘辉
关键词：入侵检测改进粒子群算法
全选 清除 导出
共1页<1>
聚类工具0