向直扬
- 作品数：4 被引量：5H指数：2
- 供职机构：西北农林科技大学信息工程学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 自组织增量神经网络IDS研究被引量：2
- 2014年
- 理想的网络入侵检测系统(IDS)是无监督学习的、在线学习的。现有的满足这两个标准的方法训练速度较慢,无法保证入侵检测系统所需要的低丢包率。为了提高训练速度,提出一种基于改进的自组织增量神经网络(improved SOINN)的网络异常检测方法,用于在线地、无监督地训练网络数据分类器;并提出使用三种数据精简(Data Reduction)的方法,包括随机子集选取,k-means聚类和主成分分析的方法,来进一步加速改进的SOINN的训练。实验结果表明,提出的方法在保持较高检测率的前提下,减少了训练时间。
- 向直扬朱俊平
- 关键词：在线聚类数据精简最近邻分类器
- 改进的基于多示例学习的目标跟踪方法研究被引量：2
- 2013年
- 针对复杂场景下的跟踪问题,提出一种新的基于多示例学习的目标跟踪方法。该方法首先利用局部描述算子(Harr-like特征)表征目标和周围背景区域,分别视为正负样本,然后利用基于Boosting的在线多示例学习(MILBoost)建立一种适应性的外观模型作为二值分类器。并提出一种修正的搜索目标位置算法,使haar小波和区域协方差矩阵相结合,取最大响应样本为新目标位置。该方法能够有效解决视频场景中目标受遮挡、旋转和光照变化等问题,具有鲁棒的跟踪性能。
- 韩文静朱俊平向直扬亢娟娜
- 关键词：目标跟踪多示例学习BOOSTING
- SOINN多视图网络入侵检测
- 2013年
- 检测准确性是入侵检测系统(IDS)的关键性能。针对入侵检测中训练样本数目不平衡的问题,提出使用拓扑学习的方法训练网络数据分类器,并且使用多视图入侵检测方法进一步提高检测率。实验结果表明,提出的方法对于某些攻击类型的检测能力优于现有的方法。特别是提升了对非法远程闯入(R2L)攻击,与非法提升权限(U2R)攻击的检测能力。
- 向直扬朱俊平韩文静亢娟娜
- 关键词：入侵检测
- 基于数据挖掘的网络入侵检测研究
- 现代计算机网络中，网络数据流量不断增长，数据传输速率不断增大，网络中新出现的入侵类型不断增多。因此对网络入侵检测系统提出了三个方面的要求：一是需要提高训练的效率;二是提高检测的准确性;三是需要减少人工标记。现有的入侵检测...
- 向直扬
- 关键词：数据挖掘入侵检测在线聚类半监督学习
- 文献传递
