公开(公告)号：CN111064617B

公开(公告)日：2022-07-22

申请号：CN201911324154.5

申请日：2019-12-16

Applicant: 重庆邮电大学

Inventor： 唐宏 ,  姚立霜 ,  刘丹 ,  王云锋 ,  裴作飞

IPC: H04L41/147 ,  H04L43/0876 ,  H04L41/14

Abstract: 本发明属于网络流量预测技术领域，具体属于一种基于经验模态分解聚类的网络流量预测方法及装置；所述方法包括获取原始的网络流量数据并进行预处理；通过经验模态分解将网络流量分解为不同时间尺度上频率单一的有限个IMF分量；通过K‑means算法对IMF分量进行聚类，将复杂度相近的IMF分量聚到一起；对聚类后的IMF分量采用自适应加权马尔可夫模型预测；将各IMF分量的预测值进行求和确定当前时刻网络流量的预测值；本发明通过聚类减少预测器的个数，能够有效减小模型复杂度，通过自适应加权马尔可夫模型提高预测精度。

公开(公告)号：CN109981335B

公开(公告)日：2022-02-22

申请号：CN201910077766.2

申请日：2019-01-28

Applicant: 重庆邮电大学

Inventor： 唐宏 ,  刘丹 ,  姚立霜 ,  王云锋 ,  裴作飞

IPC: H04L41/142 ,  G06K9/62

Abstract: 本发明公开了一种组合型类不均衡流量分类的特征选择方法，采用非搜索型算法利用加权对称不确定性WSU来计算类别与特征之间的相关度，根据特征之间的WSU滤除冗余特征，从而得到第一目标特征集合，可以显著降低后续特征子集筛选的计算复杂度，然后采用SFS算法进一步降低特征的维数，直到特征数增加到指定的维数为止，这样就可以减小样本分布不平衡问题给网络流量分类带来的不良影响，选择出具有强区分能力的特征集合，从而可以显著提高网络流量的分类精度。

公开(公告)号：CN111343171A

公开(公告)日：2020-06-26

申请号：CN202010103243.3

申请日：2020-02-19

Applicant: 重庆邮电大学

Inventor： 熊炼 ,  王云锋 ,  裴作飞 ,  刘丹 ,  姚立霜

IPC: H04L29/06 ,  G06K9/62 ,  G06N3/00

Abstract: 本发明涉及入侵检测网络安全领域，特别涉及一种基于支持向量机的混合特征选择的入侵检测方法，采用最优特征子集完成实时入侵检测，包括：导入入侵检测数据集；对入侵检测数据集中参数进行初始化，得到最优特征；利用改进的GSA算法对高斯核SVM的惩罚参数和核函数进行优化，得到SVM分类器；利用优化SVM的递归特征对最优特征进行排序；采用改进的引力搜书算法求取优良子集中的初始种群，根据初始种群得到指定特征空间的最优特征子集；将最优特征子集输入到入侵检测算法中，并采用改进的SVM作为分类器进行分类，完成入侵检测；本发明对传统引力搜索算法进行改进，即引入了Tent混沌序列，避免了引力搜索算方法过早收敛的问题。