-
公开(公告)号：CN106790248B
公开(公告)日：2020-07-03
申请号：CN201710051123.1
申请日：2017-01-23
Applicant: 中南大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于双自适应正则化在线极限学习机的网络入侵检测方法，在输出权重β的计算过程中，充分权衡经验风险和结构风险，引入基于吉洪诺夫正则化的脊回归因子C，消除网络入侵检测过程中的过拟合和病态问题。在初始化阶段，从NSL‑KDD数据集中随机抽取样本作为初始训练集并根据其大小自适应初始化β，在连续学习阶段，根据当前已获取的全部数据集，采用基于奇异值分解和预测平方和的留一交叉验证法获取C的最优值并自适应更新，然后根据每次到达的数据集大小自适应更新β。本发明提出的方法能高效、高速的检测网络入侵，显著的提高网络入侵检测算法的泛化性能和实时性能。
-
公开(公告)号：CN111428631B
公开(公告)日：2023-05-05
申请号：CN202010208111.7
申请日：2020-03-23
Applicant: 中南大学
IPC: G06F18/2321 , G06F18/10 , G06F18/2131 , G06N3/126
Abstract: 本发明公开了一种无人机飞控信号可视化识别分选方法，包括获取待分析的无人机飞控信号；对信号进行时频分析、图像去噪并提取信号参数；对信号参数进行聚类分析和时频图重构，从而得到最终的无人机飞控信号可视化识别分选结果。本发明针对反无人机侦查瓶颈问题进行技术设计，使用信号时频分析、图像遗传算法分割去噪、图像连通区域标记特征提取、基于核密度估计的密度峰值聚类分析及时频图像重构等多种算法技术，实现对无人机飞控信号的检测识别，而且实施极为方便，能够有效避免其他侦察手段的不足，可以有效帮助指挥人员及时、准确、直观地进行射频跳频信号分析识别分选，为操作人员对信号性质的研判提供有力支撑。
-
公开(公告)号：CN111428631A
公开(公告)日：2020-07-17
申请号：CN202010208111.7
申请日：2020-03-23
Applicant: 中南大学
Abstract: 本发明公开了一种无人机飞控信号可视化识别分选方法，包括获取待分析的无人机飞控信号；对信号进行时频分析、图像去噪并提取信号参数；对信号参数进行聚类分析和时频图重构，从而得到最终的无人机飞控信号可视化识别分选结果。本发明针对反无人机侦查瓶颈问题进行技术设计，使用信号时频分析、图像遗传算法分割去噪、图像连通区域标记特征提取、基于核密度估计的密度峰值聚类分析及时频图像重构等多种算法技术，实现对无人机飞控信号的检测识别，而且实施极为方便，能够有效避免其他侦察手段的不足，可以有效帮助指挥人员及时、准确、直观地进行射频跳频信号分析识别分选，为操作人员对信号性质的研判提供有力支撑。
-
公开(公告)号：CN106790248A
公开(公告)日：2017-05-31
申请号：CN201710051123.1
申请日：2017-01-23
Applicant: 中南大学
IPC: H04L29/06
CPC classification number: H04L63/1416 , H04L63/1425
Abstract: 本发明公开了一种基于双自适应正则化在线极限学习机的网络入侵检测方法，在输出权重β的计算过程中，充分权衡经验风险和结构风险，引入基于吉洪诺夫正则化的脊回归因子C，消除网络入侵检测过程中的过拟合和病态问题。在初始化阶段，从NSL‑KDD数据集中随机抽取样本作为初始训练集并根据其大小自适应初始化β，在连续学习阶段，根据当前已获取的全部数据集，采用基于奇异值分解和预测平方和的留一交叉验证法获取C的最优值并自适应更新，然后根据每次到达的数据集大小自适应更新β。本发明提出的方法能高效、高速的检测网络入侵，显著的提高网络入侵检测算法的泛化性能和实时性能。
-
-
-
Search Results
4
records
(took 0.015 seconds)
