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.     

基于支持向量机的入侵检测研究

根据入侵检测和支持向量机的特点,提出基于最小二乘支持向量机异常检测方法,并建立基于支持向量机入侵检测的模型,对网络数据进行采集,提取特征,进行分类,分辨正常的数据和异常的数据.并在KDD CUP99标准入侵检测数据集上进行实验,选取data_10_percent子集,把该数据集中的41个属性作为特征,将该子集最后一个属性label属性为:back, ipsweep, neptun, portsweep和normal各200个数据进行测试.实证表明:该方法能获得较高检测率和较低误警率.     

基于支持向量机的管制疲劳检测模型研究

管制疲劳是影响民航安全的重大隐患,准确检测疲劳状态是进行疲劳预警、降低疲劳风险的关键。提出应用支持向量机模型融合多生理参数和眼动指标进行管制疲劳检测,通过MP150多导生理记录仪与眼动仪,采集模拟管制试验中正常与剥夺睡眠状态下被试的试验数据,同时记录其Karolinska疲劳等级和操作绩效。结果表明,RR间期、LF/HF、快慢波比值、PERCLOS和扫视速度均与管制疲劳呈较强相关,利用支持向量机融合五项指标构建管制疲劳检测模型,对于五级疲劳度的识别准确率为78. 1%,判断正常组与剥夺睡眠组的准确率为94. 2%。     

基于支持向量机的边坡稳定性预测研究

针对边坡稳定性影响因素复杂,传统的稳定性分析存在计算量大、计算过程复杂的问题,提出了边坡稳定性的支持向量机预测方法。分析了边坡稳定性的影响因素,选择影响边坡稳定性的边坡重度、内聚力、摩擦角、边坡角、边坡高度、孔隙压力比6项指标为特征向量。并运行该方法对典型边坡实例进行了预测,预测结果与边坡稳定性实际状态及其它方法预测结果相吻合,表明了支持向量机在边坡稳定性预测中的可靠性和有效性。     

基于支持向量机的尾矿库灾害区域预警

尾矿库区域安全预警可以及时掌握区域内尾矿库安全态势的变化,防患未然,为尾矿库安全决策提供基础信息,具有重要的意义.建立一个高度自动化、智能化的区域安全预警系统,将在尾矿库的安全管理体系中发挥积极的作用.在确定尾矿库区域预警指标体系的基础上,本文首先介绍了支持向量机的基本原理,其次介绍了模型样本的生成方法,然后说明了怎样实现模型,最后举出实例. 通过该方法可以确定尾矿库的预警等级,从而为有效预防事故的发生提供了依据.     

基于支持向量机的区域水安全综合评价研究

从人水和谐的角度对水安全进行定义.在前人研究的基础上组建水安全评价的指标体系,引进支持向量机技术,利用其在统计学习理论中结构风险最小化的原理,以及其解决非线性和高维识别中的优势,特别是能克服主观因素的不利影响对水安全进行综合评价,并以水资源总量比较丰富,但由于时空分布不均存在水安全问题的浙江省为例进行评价.     

基于支持向量机的采空区稳定性分级

针对采空区稳定性分级的影响因素众多且关系复杂的特点,提出采用支持向量机理论对采空区稳定性进行分级。根据分级评价指标选取原则,选取岩体结构、地质构造、岩石的质量指标、地下可见水、地下水体、周边开采的影响、相邻空区的情况、工程布置、跨度、面积、高度、矿柱的尺寸及布置、埋藏深度和采空区的规格14个影响因子,建立了采空区稳定性评价指标体系,引入支持向量机理论,选择有向无环图方式构造多类分类器,得到采空区稳定性分级的支持向量机模型。将该模型用于山东黄金矿业西山矿区的25个采空区进行分级,并与未确知测度方法的分级情况     

基于支持向量机建筑施工安全预警模型的研究

本文针对中国建筑施工企业安全管理现状,以企业预警管理论和现代施工安全管理理论为指导,结合建筑安全施工的实践与经验,建立基于支持向量机的安全预警模型,构建具有自我调节、自我适应能力的建筑施工安全预警管理体系。根据建筑施工现场的调查,经过分析,应用支持向量机预警模型进行预警研究,通过预警的结果,分析建筑施工现场的安全程度。这为建筑施工现场减少事故的发生提供了一定的参考。     

基于支持向量机的飞行安全隐患危险性评价

提出了基于支持向量机的飞行安全隐患危险性评价方法,建立了支持向量机模型。并以飞行安全隐患危险性评价的基本要素为输入节点,以评价结果作为输出节点,对空军某部的飞行安全状况进行了评价。结果表明:对于飞行安全隐患危险性评价问题,支持向量机方法较传统神经网络方法精度更高,速度更快,实际应用中也更易于实现。     

基于支持向量机的职业病危害预警模型研究

职业病危害的防治近年来逐渐得到国家和企业的重视,但是相关的标准和防治方案还不够健全,职业病危害的防治工作还有很长的路要走,职业病危害的相关预警模型建立还处于探索研究阶段。采用支持向量机对职业病危害的相关因素进行预警模型的建立和分析,新模型弥补了现有预警模型的部分缺陷,在一定误差范围内能实现更小样本、更快速度的职业病危害预警。     

基于扇区动态复杂性因素的航空管制员工作负荷计算

为了更加准确地计算和预测航空管制员的工作负荷,利用雷达管制模拟试验获取的数据,分别采用线性回归、神经网络的非线性回归和基于神经网络的支持向量机方法,建立了基于扇区复杂性因素的管制员工作负荷实时计算模型。结果表明,这3种模型的绝对误差平均值分别为0.969、1.049、0.240;相对误差平均值分别为16.667%、17.979%、6.229%;均方根误差分别为0.186、0.206、0.114。另外,若采用5%作为基准精度,基于神经网络的支持向量机模型可以将相对误差控制在-0.5%~0.5%,表现出较强的误差控制能力。研究表明,可以采用扇区动态复杂性因素来计算管制员的工作负荷,相比线性回归、神经网络的非线性回归方法,基于神经网络的支持向量机方法对管制员工作负荷的计算有更高的精度。     

关联交叉口交通流模糊变权重组合预测方法

针对单一交通流预测方法存在的局限性和传统交通流组合预测模型中权重不能动态变化的问题,提出一种关联交叉口交通流模糊变权重组合预测方法.先对交叉口交通流的关联性进行分析,并给出关联交叉口的定义;再建立关联交叉口交通流模糊自适应变权重组合预测模型,该模型分别利用Kalman滤波器模型与SVM模型来预测关联交叉口交通流量,然后根据这2个模型预测的误差和交通量的变化趋势,采用模糊逻辑推理方法,对这2个预测模型分别赋予适当的权重.试验结果表明,组合预测模型的最大绝对误差、平均绝对误差和相关系数均明显好于单一的预测方法,分别为9.8％、4.63％和0.99.     

一种新型的矿井突水分析与预测的支持向量机模型

针对矿井突水样本数少,信息不完整的特点,提出了矿井突水分析的线性核H-SVMs模型.推导模型的理论推广误差公式,设计自顶向下基于SVM最大间隔逐层分类构造H-SVMs的新方法,并应用于实际的矿井突水预测.实验结果表明,线性核H-SVMs模型结构简单、泛化能力强,不仅能很好地预测矿井突水,而且其层次结构能正确反映突水的等级关系,各判别函数的法向量还可以指示各突水影响因素的权重,通过判决函数能有效分析突水影响因素并提取突水预测规则,为矿井突水预测提供了新的方法.     

基于AIS的数据时空分析及船舶会遇态势提取方法

为精准提取船舶会遇态势,提升水上交通安全监管能力,对长江口南槽水域自动识别系统(AIS)数据做时空分析,提出对船舶会遇态势模式分类的自动提取方法。首先,利用会遇态势过程的时空约束关系提取会遇船舶配对轨迹信息;然后,借助数据插值方法对会遇轨迹做时空同步处理和数据补全,实现会遇场景重建;最后,分析船舶会遇的时空演化特征,提取特定时间窗口内的相对距离和航向差特征,形成会遇特征序列,利用支持向量机(SVM)对会遇特征序列分类辨识建模,实现会遇态势的自动提取。结果表明:设置时空约束条件可以准确提取船舶配对轨迹信息;对会遇过程作时空分析,实现了会遇场景的重建;借助SVM设计的会遇态势提取算法的准确率达90%以上,与传统方法相比降低了误判率。     

基于多通道信息融合的疲劳驾驶行为分析研究

为了克服单一通道信息在驾驶疲劳行为判定中的局限性,提出了综合运用多通道信息融合共同判定驾驶疲劳行为的方法.该方法在充分考虑各信息源相关性和互补性的基础上,优化采用驾驶人疲劳特征ECD、车道偏离程度SAAE、方向盘转动程度SWA等疲劳判别指标,运用MVAR进行多维特征向量提取,以有向无环支持向量机为融合算法,建立了基于多分类支持向量机的驾驶疲劳行为判定模型.结果表明,运用DAG-SVM进行多通道信息决策提高了疲劳驾驶行为检测的准确性和可靠性.     

煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型.该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化.以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测.通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广.     

基于支持向量机的室内轰燃预测模型研究

为对室内轰燃进行准确预测,针对室内轰燃样本的不足在一定程度上制约了其应用,为此运用SVM技术构建室内轰燃预测的数学模型.在小样本条件下,应用工具软件LIBSVM进行仿真,并将SVM模型预测结果和人工神经网络预测结果进行对比.结果显示,SVM技术能较好地解决小样本和模型预测精确度之间的矛盾,SVM模型其预测精度及可行性高于神经网络模型.实例表明,由于室内火灾受多种因素影响,传统的预测方法存在一定的局限性,而SVM模型预测法预测的结果与试验结果比较一致.     

基于支持向量回归机的煤层瓦斯含量预测研究

为了对煤层瓦斯含量进行准确预测,应用支持向量回归机(SVR)理论建立煤层瓦斯含量预测模型,结合现场实测数据利用支持向量机(SVM)工具箱进行模型的求解及预测,并从均方根误差、希尔不等系数和平均绝对百分误差3个不同误差指标与人工神经网络预测模型进行比较分析.研究结果表明:SVR模型其预测精度及可行性高于神经网络模型,而且运算快,实时性较好,用于煤层瓦斯含量的预测较理想,具有良好的应用前景,可以为煤矿瓦斯防治提供理论依据.     

支持向量机法在煤与瓦斯突出分析中的应用研究

通过分析采煤工作面煤与瓦斯涌出量与地质构造指标的对应关系,应用支持向量机(SVM)方法对煤与瓦斯涌出类型及涌出量进行分析.建立两类突出识别的SVM模型、多类型突出识别的H-SVMs模型以及预测瓦斯涌出量的支持向量回归模型.研究结果表明:SVM方法能够很好地对煤与瓦斯突出模式进行识别,所建立的采煤工作面瓦斯涌出量预测模型的精度高于应用BP神经网络预测精度;SVM理论基础严谨,决策函数结构简单,泛化能力强,并且决策函数中的法向量W可以反映突出模式识别的地质结构指标的权重.