机器学习

Select

人工智能及识别技术

L1正则化机器学习问题求解分析

孔康, 汪群山, 梁万路

计算机工程. 2011, 37(17): 175-177. https://doi.org/10.3969/j.issn.1000-3428.2011.17.059

摘要 (2040) PDF全文 (5388)

可视化

Baidu(28) CSCD(7)

以稀疏学习为主线，从多阶段、多步骤优化思想的角度出发，对当前流行的L1正则化求解算法进行分类，比较基于次梯度的多步骤方法、基于坐标优化的多阶段方法，以及软L1正则化方法的收敛性能、时空复杂度和解的稀疏程度。分析表明，基于机器学习问题特殊结构的学习算法可以获得较好的稀疏性和较快的收敛速度。

Select

人工智能及识别技术

基于多个机器学习算法的投票式邮件过滤模型

李永亮;刘海燕;陈军

计算机工程. 2006, 32(19): 214-216. https://doi.org/10.3969/j.issn.1000-3428.2006.19.078

摘要 (1445) PDF全文 (1725)

可视化

Baidu(22)

机器学习算法在目前垃圾邮件过滤中扮演着重要的角色，但单一学习算法往往有各自的缺陷，限制了其在邮件过滤中的进一步应用。该文介绍了几种典型机器学习算法，并构造了一种基于多机器学习算法的投票式过滤模型。实验表明，该方法充分利用了各机器学习算法的优势，弥补了各自的不足，达到了比单一学习算法更好的过滤性能。

Select

人工智能及识别技术

基于机器学习的自然特征匹配方法

黄诗华, 陈一民, 陆意骏, 陈明, 姚争为

计算机工程. 2010, 36(20): 182-184. https://doi.org/10.3969/j.issn.1000-3428.2010.20.064

摘要 (1199) PDF全文 (2908)

可视化

Baidu(38) CSCD(5)

针对增强现实中的三维注册问题，提出一种基于机器学习的图像自然特征点识别方法。基于高斯混合模型进行样本选择，利用模式识别中的分类方法替代特征向量的最近邻匹配，将计算负担从实时阶段转移到训练阶段，利用各匹配点对之间的相似度计算核密度估计的权值，实现相关平面目标的跟踪。实验结果表明，该方法实时性好、相机位姿估计精确，对光照、遮挡、透视等变化具有较强的鲁棒性。

Select

安全技术

基于机器学习的入侵检测系统研究

王旭仁;;许榕生

计算机工程. 2006, 32(14): 107-108,. https://doi.org/10.3969/j.issn.1000-3428.2006.14.039

摘要 (1177) PDF全文 (1473)

可视化

Baidu(40) CSCD(1)

入侵检测系统存在特征不能自动生成、特征库更新慢、无法适应大量数据等缺点。该文该文提出了基于机器学习的入侵检测系统，将遗传算法和贝叶斯分类算法结合使用，使得检测规则可以自动生成，克服手工编码的不精确、更新慢的缺陷，同时能够处理和分析大数量数据。最后给出了实验分析结果。

Select

人工智能及识别技术

用于中文缺省识别研究的机器学习方法

秦凯伟, 孔芳, 李培峰, 朱巧明, 徐生芹

计算机工程. 2012, 38(22): 130-132. https://doi.org/10.3969/j.issn.1000-3428.2012.22.032

摘要 (791) PDF全文 (1137)

可视化

Baidu(4)

实现一个基于机器学习的中文缺省项识别系统，对语料库进行预处理，选取多个特征及其组合，通过支持向量模型(SVM)构建的缺省识别模型进行中文缺省识别。研究系统在不同句法分析树上的性能。实验结果证明，该识别系统在标准的句法分析树上F值能达到84.01%，在自动句法树上能达到68.22%。

Select

网络空间安全专题

基于机器学习的网页暗链检测方法

周文怡, 顾徐波, 施勇

计算机工程. 2018, 44(10): 22-27. https://doi.org/10.19678/j.issn.1000-3428. 0051189

摘要 (583) PDF全文 (1004)

可视化

CSCD(2)

在大数据时代下,传统暗链检测技术无法在海量网页中快速准确地识别出遭遇“暗链攻击”的网站。为此,提出一种引入机器学习的方法研究网页的暗链检测。该方法结合暗链的域名、相关文本及隐藏结构3种特征,分别采用分类与回归树、梯度提升决策树及随机森林3种算法来构建检测模型并对比其的性能。实验结果表明,该方法具有较高的准确性和可靠性,其中随机森林构建的检测模型分类准确率可以达到0.984。

Select

人工智能及识别技术

基于机器学习的移动终端高级持续性威胁检测技术研究

胡彬,王春东,胡思琦,周景春

计算机工程. https://doi.org/10.3969/j.issn.1000-3428.2017.01.042

摘要 (487) PDF全文 (978)

可视化

移动端高级持续性威胁(APT)攻击是近年来出现的一种极其危险的攻击方式,通过窃取信息对设备造成高风险且可持续性的危害。而针对移动端入侵检测的方案由于检测特征不够完善,检测模型准确率不高且存在过拟合问题,导致检测效果不理想。针对上述问题提出一种优化的检测模型,利用静态检测技术提取出终端应用的静态特征,优化模型对恶意应用的敏感程度,引用滑动窗口迭代算法提取出延迟攻击特征,以优化模型对延迟攻击的检测能力,同时使用Boost技术将决策树、逻辑回归、贝叶斯等分类算法进行融合,通过实验证明该模型提升了APT检测准确率并规避了过拟合问题。

Select

人工智能及识别技术

基于机器学习的域名数据监控方法

刘明星,金键,李晓东

计算机工程. https://doi.org/10.3969/j.issn.1000-3428.2014.09.053

摘要 (426) PDF全文 (1484)

可视化

域名资源记录被篡改的问题严重危害域名应用。由于该问题具有较强的隐蔽性,亟需一种快速且有效的发现域名危险变化的方法。为此,提出一种基于机器学习算法的域名数据监控方法。在一定数量的域名中选取出资源记录发生变化的域名,通过分析其相关信息生成一个由域名字面特征、正反匹配度等属性组成的元组。以变化是否危险为依据进行类标签人工标记,每个元组和其类标签组成训练集中的一个实例。由分析训练集决策树算法和支持向量机算法建立检测域名系统数据危险变化的分类器。通过十折交叉法验证2 个分类器,发现其在域名危险变化判断上具有较强的能力,正确率的加权均值分别达到73. 8% 和82. 4% 。

Select

人工智能及识别技术

基于终身机器学习的主题挖掘与评分预测联合模型

刘一宁,申彦明

计算机工程. 2019, 45(6): 237-241,248. https://doi.org/10.19678/j.issn.1000-3428.0051131

摘要 (341) PDF全文 (209)

可视化

CSCD(2)

为充分利用历史知识,提高评分预测精度,基于终身机器学习(LML)机制提出一种同时挖掘用户评分和评论的推荐模型。在执行任务时积累知识并用于后续任务的训练,提高评分预测精度。在真实数据集上的实验结果表明,与无LML能力的模型相比,该模型预测评分的均方误差降低5.4‰,且随着知识的积累,误差不断降低,提高了主题词语分类的精度。

Select

人工智能及识别技术

一种基于机器学习的虚拟机放置方法

郭良敏,高俊杰,胡桂银

计算机工程. 2019, 45(5): 135-142. https://doi.org/10.19678/j.issn.1000-3428.0052354

摘要 (330) PDF全文 (389)

可视化

为改善云数据中心的能耗、负载均衡性和服务等级协议(SLA)违背率,对虚拟机放置策略进行优化。基于IaaS环境,提出一种基于机器学习的虚拟机迁移调整方法。根据资源消耗的互补性和不均衡性对虚拟机进行预放置,使用深度神经网络预测物理机负载等级,并利用深度Q网络调整物理机数量。实验结果表明,该方法能够有效均衡负载分布,降低能源开销和SLA违背率。

专题

选择文件类型/文献管理软件名称

选择包含的内容

模态框（Modal）标题

专题

选择文件类型/文献管理软件名称

选择包含的内容