公共文化服务平台

潘志松: 作品数：86 被引量：345H指数：9; 供职机构：中国人民解放军理工大学更多>>; 发文基金：国家自然科学基金江苏省自然科学基金国家高技术研究发展计划更多>>; 相关领域：自动化与计算机技术电子电信理学自然科学总论更多>>

合作作者

一种新的基于SVDD的多类分类算法被引量：4: 2009年; 目前的多类学习方法大多将多类问题转化为二类问题,这样处理除了时间开销大,还存在识别盲区。提出了一种直接进行多类学习的算法multi-SVDD。该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上,首先为每类训练样本进行聚类,根据聚类结果由支持向量数据描述(SVDD,Support Vector Date Description)建立多个最小包围球。根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类,最终可判断测试样本属于哪个类。multi-SVDD算法在时空开销上相比最小包围球方法没有明显增长,而实验效果则好于最小包围球方法。; 缪志敏潘志松袁伟伟赵陆文; 关键词：支持向量数据描述聚类

One-Class分类器及其在异常检测中的应用被引量：1: 2004年; 由于攻击数据难以获取,往往只能得到一类数据,即正常网络数据,这也是模式识别领域的单类问题(one class)要解决的问题.本文改造了传统的SOM(自组织特征映射)模型,建立了基于SOM的单类分类器,并对其进行了改进.通过对入侵检测标准评估数据集上的测试,在保证总体性能的情况下,模型对选择的3种攻击的平均检测率保持在98%以上,而误报警率在4%左右.; 潘志松胡谷雨端义锋; 关键词：入侵检测自组织特征映射单类分类器

基于Spark的大规模网络流量分类研究被引量：1: 2016年; 机器学习算法处理流量分类问题已经成为网络安全领域一个研究热点。为了提高大规模网络流的分类效率,引入并行SVM算法来识别网络流量,提出了一种基于Spark平台的大规模网络流在线分类方案。该方案利用置信域牛顿法(TRON)并行优化线性SVM算法构建流量分类模型,然后融合最新的实时计算框架,实现对大规模网络流的在线识别。实验结果表明,利用并行SVM算法在损失较小精度的前提下可以加快网络流的模型训练和分类速度,符合大规模网络流在线分类的需要。; 刘泽燊潘志松; 关键词：网络安全 SPARK 大规模数据

基于核稀疏表示的特征选择算法被引量：3: 2012年; 为了解决高维数据在分类时导致的维数灾难,降维是数据预处理阶段的主要步骤。基于稀疏学习进行特征选择是目前的研究热点。针对现实中大量非线性可分问题,借助核技巧,将非线性可分的数据样本映射到核空间,以解决特征的非线性相似问题。进一步对核空间的数据样本进行稀疏重构,得到原数据在核空间的一种简洁的稀疏表达方式,然后构建相应的评分机制选择最优子集。受益于稀疏学习的自然判别能力,该算法能够选择出保持原始数据结构特性的"好"特征,从而降低学习模型的计算复杂度并提升分类精度。在标准UCI数据集上的实验结果表明,其性能上与同类算法相比平均可提高约5%。; 邓战涛胡谷雨潘志松张艳艳

流形嵌入的支持向量数据描述被引量：4: 2009年; 测地距离能在宏观层面上较真实地反映数据中所隐含的几何结构,可基于它的支持向量数据描述(SVDD)无法直接优化.为此,文中提出一种流形分类学习算法的设计框架.用原空间测地距离近似各向同性的特征映射(ISOMAP)降维空间上的欧氏距离,即在隐含ISOMAP降维后空间上执行原学习算法.按照该框架,以SVDD为例发展出嵌入的ISOMAP发现的低维流形的SVDD(mSVDD),从而解决基于测地距离的SVDD的优化问题.USPS手写体数字数据集上的实验表明,mSVDD的单类性能较SVDD有较显著提高.; 陈斌李斌潘志松陈松灿; 关键词：测地距离

最大化约束密度单类分类器被引量：1: 2014年; 针对单类分类器设计中的密度方法,采用以任务为导向的设计思想,通过人为指定核密度估计的密度函数上界,增强了边界低密度区域数据敏感性,同时也有效降低了密度估计的计算复杂度。进一步最大化全体样本的核密度估计函数并采用线性规划,可快速得到相应的稀疏解,因而称之为最大化约束密度单类分类器(Maximum constrained density based one-class classifier,MCDOCC)。为充分利用单类数据中可能出现的极少量异常数据,进一步提出了带负类的最大化约束密度分类器(MCDOCC with negative data,NMCDOCC),通过挖掘异常数据的先验信息来修正仅有正常类的数据描述边界,可提高分类器泛化能力。UCI数据集上的实验结果表明,MCDOCC的泛化能力与单类支持向量机相当,NMCDOCC较之则有所提高,从而能够更高效地估计目标类数据概率密度。; 赵加敏冯爱民陈松灿潘志松; 关键词：单类分类器概率密度估计先验信息

基于网控的卫星通信网异常检测方法: 本发明公开了一种基于网控的卫星通信网异常检测方法，利用模糊C均值聚类算法对正常审计数据进行学习，建立异常检测机制，实现了异常事件的事后分析；运用支持向量数据描述单分类器，总结出正常和异常短序列，并用隐马尔科夫模型对整个时...; 胡谷雨倪桂强潘志松谢钧袁伟伟端义锋王琼

卫星通信系统隐故障诊断预测方法: 本发明公开了一种卫星通信系统隐故障诊断预测方法，对通信记录中异构数据的归一化，针对卫星通信系统中地球站的隐性故障，应用SOM对通信记录数据进行聚类分析，对通信状态分类，形成通信状态集，故障规律归纳对每一个通信状态集进行分...; 胡谷雨倪桂强潘志松官昕袁伟伟端义锋缪志敏; 文献传递

在线学习的大规模网络流量分类研究被引量：3: 2016年; 传统的批处理机器学习方法在面对大规模网络流量分类问题时存在分类器训练速度慢、计算复杂度高的缺陷。近年来迅速发展的在线学习方法是解决大规模问题的有效途径。本文针对高速骨干网上的大规模网络流量分类问题,提出了一个基于在线学习的分类框架,并应用了8种在线学习算法。在真实数据集上的实验表明,在分类精度相当的情况下,在线学习算法与支持向量机(SVM)相比空间开销小、模型训练时间显著缩短。同时,为了考察网络流量中样本顺序对分类效果的影响,本文对比了样本按时序处理与随机处理两种方式的差异,验证了网络流量样本存在着时序上的相关性。; 易磊潘志松邱俊洋薛胶任会峰; 关键词：网络流量分类数据流

基于贝叶斯网络的计算机网络端到端服务故障诊断被引量：2: 2005年; 研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法,详细描述了贝叶斯网络故障诊断模型的建立方法,设计了基于Pearl信念传播机制的故障诊断算法,并对其进行了改进,以提高诊断效果.最后,通过仿真验证了该方法的有效性,并提出了下一步的研究方向.; 谭琳胡谷雨胥光辉潘志松; 关键词：故障诊断贝叶斯网络