入侵检测的1类支持向量机模型

计算机网络尤其是互联网的迅速发展与普及 ,使得信息安全已经成为一个全球瞩目的重要研究课题。随着攻击技术的不断进步与更新 ,迫切需要一种有效的入侵检测技术来保护信息系统的安全。由于几乎所有的攻击与滥用都被记录在系统的网络数据中 ,因而可以基于计算机系统的网络数据构造入侵检测系统。在对网络数据进行深刻的分析和研究的基础上 ,提出了入侵检测的 1类支持向量机模型。第一 ,构造适于异常点检测的1类支持向量机模型 ;第二利用抽象化的网络数据对该模型进行训练以确定其中各个参数的值。实验表明 ,该方法是行之有效的     

灾害发生时影响居民心理承受能力的社会心理因素分析

目的：探讨影响个体面对自然灾害时心理承受能力的社会心理因素．方法，采用问卷调查的方式，运用因素分析法和相关分析法对1000余名居民进行测评．结果。①个体面对灾害时的心理承受能力的影响因素为。灾害意识、灾时行为、灾害认知、社会支持，②通过相关分析，灾时行为对心理承受能力的影响最大。     

综合布线系统的设计及应注意的问题

综合布线系统(PDS,Premises Distribution System)是一种集成化通用传输系统,在楼宇和园区范围内,利用双绞线或光缆来传输信息,可以连接电话、计算机、会议电视和监视电视等设备的结构化信息传输系统.PDS使用标准的双绞线和光纤,支持高速率的数据传输.     

泉港区切实加强危险化学品安全专项整治

泉港区系国家规划建设的海峡西岸经济区石化港口城市,既是国家级石化基地之一、福建的石油化工园区,又是泉州市25个块状经济的龙头园区.三年来,该区危险化学品专项整治工作充分发挥安监局主力军及专项整治成员单位齐抓共管的合力作用,紧紧围绕"领导重视、经费落实、科技支持、内业规范、整治有力、严格执法、督查到位"的工作思路,确实把危险化学品整治工作落到实处.     

安全教育培训要分类进行

安全教育培训是一项系统性、长期性和基础性工作,是为安全生产提供智力和能力支持的重要手段.不同的生产岗位、不同的文化程度、不同的技能类型和不同的工作经历,对安全教育培训的要求是不一样的.要使安全教育培训真正能够达到员工要安全、会安全、能安全的目的,笔者认为重在区别对待,在制定培训方案时要从培训工作量、培训内容和培训方法上进行分类组合,提高针对性和实效性,以达到事半功倍的效果.     

怎样搞好班组安全文化建设

班组安全文化建设是不断发展逐步提高的,怎样搞好班组安全文化建设? 1、组织保证 企业领导要高度重视,为班组安全文化建设创造条件;车间领导要大力支持,为班组安全文化建设出谋划策;安全部门要具体指导,为班组安全文化建设提供帮助.要从组织上为班组安全文化建设顺利进行提供可靠保证.     

论企业全面负责与企业效益的关系

随着《中华人民共和国安全生产法》、国务院《关于进一步加强安全生产工作的决定》、《党政领导干部辞职暂行规定》等一系列法律、法规的相继实施,我国的安全生产工作已进入一个全新的领域.安全生产管理体制也由原来的"企业负责、行业管理、国家监察、群众监督"升华为"政府统一领导、部门依法监管、企业全面负责、群众参与监督、全社会广泛支持".     

基于布谷鸟搜索优化的光伏电站辐照强度预测

针对光伏电站日前小时短期辐照强度的预测准确性问题,且考虑到支持向量机的学习参数对预测模型的性能有较大影响,为进一步提高数据的预测精度,利用布谷鸟搜索算法对支持向量机的惩罚因子c和核参数g进行优化,提出了一种基于布谷鸟搜索算法和支持向量回归的组合预测方法。仿真结果表明:该方法大大提高了光伏辐照强度预测的准确性和精度,可行且高效,适用于光伏在线预测。     

基于GM-SVR的小样本条件下化工设备可靠性预测

为了准确预测化工设备可靠性趋势，针对化工设备失效寿命数据为小样本的情形，基于灰色估计法与支持向量回归机在小样本数据处理中的优势，建立了失效寿命时间服从三参数威布尔分布的化工设备可靠性模型；结合GM（1，1）和SVR对模型进行参数估计，在压缩机可靠性分析中进行了实例应用，对比分析了最小二乘法、灰色估计法和GM-SVR的估计效果。研究结果表明:GM-SVR对威布尔分布参数的估计精度明显优于最小二乘法和灰色估计法，可以有效地应用于化工设备失效数据为小样本时的可靠性预测。     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。