【摘 要】
：
传统的托攻击检测方法多采用基于评分值差异的算法,其在小规模情况下易造成误判率过高的问题。通过分析真实用户和攻击用户评分项目选择方式的差异,文中提出了一种基于混合特征值的托攻击检测算法。该算法在Degsim、MeanVar、WDA特征检测指标组成的特征模型基础上,加入了流行项目卡方估计值(Chi-square of popular item,CHIP)、新颖项目卡方估计值(Chi-square of novel item,CHIN)两个特征检测指标,构成一种新的特征模型。该特征模型在传统方法的基础上,提出对
【基金项目】
：
国家自然科学基金-青年科学基金项目(61806023)。
论文部分内容阅读
传统的托攻击检测方法多采用基于评分值差异的算法,其在小规模情况下易造成误判率过高的问题。通过分析真实用户和攻击用户评分项目选择方式的差异,文中提出了一种基于混合特征值的托攻击检测算法。该算法在Degsim、MeanVar、WDA特征检测指标组成的特征模型基础上,加入了流行项目卡方估计值(Chi-square of popular item,CHIP)、新颖项目卡方估计值(Chi-square of novel item,CHIN)两个特征检测指标,构成一种新的特征模型。该特征模型在传统方法的基础上,提出对
其他文献
如今许多的企业都面临着客户流失的实质问题,客户流失预测对企业的发展也是尤为重要的。对于客户流失预测的问题也有很多解决方案,传统的机器学习方法存在特征工程对模型效果影响较大的缺点,而深度学习则使得算法不会太依赖于领域专业知识和人工特征提取。为提升预测效果,提出一种深度神经网络权重集成方法来对电信客户流失进行预测,其主要思想是在做深度神经网络(DNN)训练的时候,通过随机加权平均(stochastic weight average,SWA)结合同一网络结构下的不同训练阶段的权重获取集成模型,然后对客户流失进行
多任务学习作为深度学习的一个分支,得到了广泛关注与深入研究,但仍然存在网络结构复杂、任务区分困难的问题。据此,基于硬参数共享神经网络给出梯度优化的多任务混合学习方法。首先,无需区分不同任务,将多任务训练数据一同送入网络进行混合训练,所有任务共用一个损失函数,前一次训练所得的网络共享层参数作为下次训练的共享层初始化参数;其次,根据不同共享层提取特征的差异和任务在深层梯度变化的不同,调节相应的激活值,优化网络参数,既保持了硬参数共享神经网络结构的简洁性特点,又利于解决多任务训练过程中数据的非平衡问题;最后,通
细粒度图像识别旨在区分同属某一大类下更为精细的子类,具有类间差距小和类内差距大的特点。同时细粒度数据集往往种类多,而数据量较少,容易产生训练时的过拟合。针对上述问题,文中提出了一种结合注意力混合裁剪的细粒度分类网络,利用注意力机制指导改进的混合裁剪数据增强。首先使用ResNet50作为基础网络提取图像特征,之后利用1*1卷积获取注意力图,再通过双线性注意力池化操作将特征图与注意力融合拼接成特征矩阵
图像美学质量评估在图像推荐和图像编辑美学等行业具有良好的应用前景。大部分美学质量评估方法存在两个问题:第一,只建立了通用美学评估模型,而忽略了个性化审美,这样的评估方法只适用于大众审美的评估,无法区分出不用用户之间的差异;第二,往往只从图像本身特征和整体布局进行评估,没有考虑主体的突出性和位置合理性,由于主体特征对评估结果有较大的影响,以致忽视主体的做法会使得评估结果具有较差的完备性。针对这些问题
针对立体图像视觉技术存在仿真制作周期时间长、成本高、缺少有效的单摄像头图像采集进行立体视觉重建算法等问题,基于图像分割、傅里叶变换、霍夫变换、仿射变换,提出一种新的基于图像边缘特征检测的单目立体视觉算法。该算法首先将输入的图像进行矫正,然后对矫正后的图像进行分割,得到图像边缘特征信息;然后将分割的图像进行处理,再通过交互系统进行相关坐标点的选定,将点的仿射变换运用到整个图像;接着根据图像的边缘特征
为解决视频中人物姿态分类问题,提出了一种基于时空图卷积网络的改进模型。该模型首先结合人体的骨架关键点序列来构建视频中人体运动的时空特征图,将输入的视频人体骨骼关键点进行预处理,对空间节点依照人体运动规律进行子网划分,构造关节序列的时空图;继而对得到的时间特征图与空间特征图确定特征权重与卷积核,并进行级联特征融合;最后根据输入输出通道层数量搭建由图卷积网络与时序卷积网络构成的网络训练模型,基于时空特
学生校园消费数据中隐含了大量的高价值信息,论文从学生消费画像和精准资助两个角度对校园消费数据进行挖掘研究。从数据集本身的特点和kmeans算法的缺陷两个角度出发,论文对kmeans算法进行了两点改进:采用马氏距离代替欧氏距离以适用于具体的校园消费数据应用场景;为了解决随机选择初始聚类中心的方法受离群样本点的影响,采用在高密度样本集合中选择相距最远的k个样本作为初始聚类中心的改进方法。在西安某高校3个月的学生消费数据集上的实验结果表明:论文设计的学生群体分类模型不仅能有效区分不同行为特征的学生,而且能很好地
将雷达信号的近似熵(ApEn)和范数熵(NoEn)提取出构成特征向量,用粒子群优化的支持向量机进行分类识别,得到结果发现对于相似的特征向量识别正确率较低。为了提高雷达辐射源个体的识别正确率,提出了一种基于变分模态分解(variational mode decomposition,VMD)和熵特征相结合的多维特征雷达辐射源信号识别方法。首先利用VMD算法对各雷达信号进行分解,得到两个本征模态组合函数,因为不同的雷达信号分解成各个模态的中心频率也是不同的,然后组合中心频率特征与近似熵、范数熵特征进行特征融合构
基于知识图谱的问答系统(knowledge base question answering,KBQA)目前已成为自然语言处理中的热门研究领域。问答系统的应用涉及诸多领域,如医药、电力、交通等各个方面。由此可见,问答系统已成为社会生产发展中必不可少的一项技术。该文聚焦于国内外针对知识图谱的问答系统的研究与应用,对其进行分析梳理,总结了知识图谱、知识库以及问答系统的历史、发展及应用等相关知识,以及现有基于知识图谱的问答系统构建的三类方法,分别为基于模板匹配的方法、基于语义解析的方法以及基于向量建模的方法,探究
经过多年来的信息化建设和积累,交通信息资源总量呈指数级增长,大数据带来的安全问题也日益突显。随着智慧交通系统的出现和快速发展,交通大数据已经成为基础性资源,涵盖了大量的敏感信息,此类信息一旦泄露被非法使用,将给用户的安全带来巨大威胁。交通大数据平台用于采集、管理交通大数据,获得了大量交通信息数据,因此存在信息丢失与泄露、被不法分子非法访问、恶意攻击等风险。文章分析了交通大数据平台中存在的安全隐患,对交通大数据平台中的安全系统建设进行了深入探究,基于纵深防御体系原理,提出了包括物理安全、网络安全、数据安全、