·
搜索结果:找到“分布式集成学习”相关结果439543条
排序: 按相关 按相关 按时间降序
  • 【期刊】 基于分布式集成学习的入侵检测模型

    刊名:计算机工程 作者:谢堉鑫 ; 刘衍珩 ; 朱建启 ; 孙鑫 ; 付枫 关键词:入侵检测 ; 集成 ; 核主成分分析 ; 核独立成分分析 ; 分布式神经网络 机构:吉林大学计算机科学与技术学院 ; 吉林大学计算机科学与技术学院 ; 吉林大学符号计算与知识工程教育部重点实验室 年份:2011
    摘要:针对入侵检测系统的高漏报率及高误报率问题,提出一种混杂入侵检测模型。该模型分别构造基于核主成分分析(KPCA)和核独立成分分析(KICA)的特征提取器,并采用集成学习对特征提取结果进行整合学习。采用分布式神经网络对集成结果进行再学习,从而实现对大规模数据的分布式处理。通过反馈机制调节KPCA和KICA的集成学习权重,达到最优检测效果。采用KDD CUP’99数据集进行测试实验,结果表明:该模型能够获得较高的检测正确率,同时具有较低的漏报率及误报率。
  • 【期刊】 基于分布式集成学习的入侵检测模型

    刊名:计算机工程 作者:谢墒鑫 ; 刘衍珩 ; 朱建启 ; 孙鑫 ; 付枫 关键词:入侵检测 ; 集成 ; 核主成分分析 ; 核独立成分分析 ; 分布式神经网络 机构:吉林大学计算机科学与技术学院 ; 吉林大学计算机科学与技术学院 ; 吉林大学符号计算与知识工程教育部重点实验室 年份:2011
    摘要:针对入侵检测系统的高漏报率及高误报率问题,提出一种混杂入侵检测模型。该模型分别构造基于核主成分分析(KPCA)和核独立成分分析(KICA)的特征提取器,并采用集成学习对特征提取结果进行整合学习。采用分布式神经网络对集成结果进行再学习,从而实现对大规模数据的分布式处理。通过反馈机制调节KPCA和KICA的集成学习权重,达到最优检测效果。采用KDD CUP’99数据集进行测试实验,结果表明:该模型能够获得较高的检测正确率,同时具有较低的漏报率及误报率
  • 【论文】 分布式集成学习在入侵检测中的应用研究

    作者:谢堉鑫 关键词:分布式集成学习 ; 入侵检测 ; 自适应反馈调节 ; 核主成分分析 ; 核独立成分分析 机构:吉林大学 ; 吉林大学 年份:2012
    摘要:随着互联网的迅速发展,网络安全已经成为全球需要解决的重要问题。入侵检测系统作为一种保护信息系统安全的重要手段,受到了广泛的关注。和早期的静态防御工具相比,入侵检测系统采用的是主动防御的动态策略,能够有效地检测出入侵行为,并及时作出响应以减少该入侵所造成的损失。目前流行的入侵检测系统仍需要在两方面进一步完善,一是提高系统的检测性能,二是具有处理大规模数据的能力。本文从这两方面展开研究,提出了一种混杂的入侵检测模型KDIDM。该模型将KPCA和KICA分布式集成学习和基于Hebb规则的分布式神经网络有机地结合在一起,并通过一种自适应反馈调节算法调整KPCA和KICA在集成学习中所占的比重,从而使KDIDM尽可能快地得到最优的检测效率。本文通过国际流行的数据集KDD’99进行的一系列相关实验表明,与现有入侵检测系统相比较,KDIDM在得到了更高检测正确率的同时,具有了更低的漏报率和误报率,是一种更为有效的入侵检测方法。本文通过KDIDM在线检测了四种攻击方式,并得到了良好的检测效果。其中,KDIDM对SYN Flooding攻击的检测尤为出色。
  • 【期刊】 集成学习分布式异常检测方法

    刊名:计算机工程与应用 作者:周绪川 ; 钟勇 关键词:数据挖掘 ; 集成学习 ; 分布式 ; 异常检测 机构:中国科学院成都计算机应用研究所 ; 中国科学院成都计算机应用研究所 ; 西南民族大学计算机科学与技术学院 年份:2011
    摘要:研究了基于模型共享的集成学习分布式异常检测模型,采用多数投票、边界扩展、平均叠加和距离加权4种不同的集成学习方法得到全部的局部模型;采用交换本地数据挖掘模型的方式来实现数据共享,从而构造出一个总体的集成学习模型。从全局的观点检测异常,减少了集中式检测所需数据的传输量,有效保护了数据提供者的隐私性。仿真实验结果表明,该方法的检测性能与集中式检测的性能相当,甚至更好。
  • 【期刊】 一种基于集成学习分布式聚类算法

    刊名:东南大学学报(自然科学版) 作者:吉根林 ; 凌霄汉 ; 杨明 关键词:K-means ; 分布式聚类 ; 数据挖掘 ; 集成学习 机构:南京师范大学计算机系 ; 南京师范大学计算机系 ; 南京师范大学计算机系 ; 南京师范大学计算机系 年份:2007
    摘要:基于集成学习的思想,提出一种分布式聚类模型.该模型的分布式处理过程分为2个阶段:先在局部站点局部聚类,然后在全局站点全局聚类.局部站点的局部聚类看作是一种基于数据子集的学习过程,所有的局部聚类结果组成了聚类集成系统的个体学习器,全局聚类采用平均法对局部结果进行集成,并定义了一个准则函数来度量集成的精度.把K-means算法推广到分布式环境,提出一种基于该模型的分布式K均值算法DK-means,该算法对局部数据的分布有较强的伸缩性.实验结果表明,DK-means在同等条件下能达到集中式聚类的精度水平,是有效可行的,从而验证了基于集成学习分布式聚类模型的有效性.
  • 【专利】 基于集成学习分布式计算环境性能预测方法

    作者:曹健 ; 杨定裕 ; 董樑 ; 顾骅 ; 沈琪骏 ; 王烺 年份:2014
    摘要:本发明公开了一种基于集成学习分布式计算环境性能预测方法,针对分布式服务器性能的特点,使用集成学习方法对服务器性能进行预测。在集成学习过程中,采用对每种预测器的参数进行优化,并从预测中优选选择一些效果较好的预测器,并把这些预测器集成起来,集成的方法采用加权或者评分算法得到最后的集成结果,该集成预测模型不仅降低了预测误差,同时又达到了对不同数据集的很好的适应性。
  • 【专利】 一种分布式极限学习机优化集成框架方法系统及方法

    作者:王书强 ; 卢哲 ; 申妍燕 ; 曾德威 年份:2015
    摘要:本发明属于数据处理技术领域,尤其涉及一种分布式极限学习机优化集成框架的系统,包括数据分布存储模块、Stack-Autoencoder特征提取模块、分布式计算模块和结果输出模块;数据分布存储模块将数据进行分布式存储,并对ELM隐层进行分析和确定;Stack-Autoencoder特征提取模块对数据进行特征学习,获得压缩化的输入数据,并对输入数据进行归一化处理和特征提取;分布式计算模块根据输入数据进行映射和归约处理得到总体最优权值。本发明对大数据的模式分类更为精确,解决因单层ELM的节点过多造成的过拟合问题使高维矩阵的运算分块并行进行,计算效率得到提高;不用提前将数据读入内存,节省了内存资源。
  • 【论文】 基于数据挖掘的分布式异常检测

    作者:周俊临 关键词:分布式集成学习 ; 数据挖掘 ; 异常检测 ; 概念漂移检测 机构:电子科技大学 ; 电子科技大学 年份:2010
    摘要: 数据挖掘是知识发现的一种重要工具,它的目的是发现隐含在大量数据中有价值的模式信息。异常检测在数据挖掘的四大任务中占据着非常重要的地位,与预测模型、聚类分析和关联分析相比,它显得更有价值,更能体现数据挖掘的初衷。例如,一万个正常的记录很可能只覆盖一条规则,而十个异常很可能就意味着十条不同的规则。异常检测在多个领域中具有广泛的应用,如信用卡欺诈检测、药物研究、医疗分析、消费者行为分析、气象预报、网络入侵检测等。在信息产业高速发展的今天,随着业务规模的不断扩大和服务内容的不断更新,迫切需要企业采用分布式解决方案,用于管理复杂的异构环境,实现不同硬件设备、软件系统、网络环境及数据库系统之间的协同工作,这也给研究者和工程人员提出了新的挑战。在分布式环境下,异常检测需要考虑的主要问题是:如何利用最少传输提供最大的信息共享,同时要保证异常检测的准确性和各方数据的隐私性。为解决此问题,本文从数据挖掘的角度,针对分布式异常检测技术进行了创新性和探索性研究。主要研究内容为: 1.从异常检测的定义出发,针对现有基于数据挖掘的各种异常检测方法进行了详细描述,并分析其各自优缺点和目前国内外相关技术的研究现状。 2.通过对比集中式异常检测和分布式异常检测的不同,并结合集成学习方法,提出一套分布式异常检测框架。应用此框架,分别针对有监督学习和无监督学习的异常检测方法进行了研究,实验结果表明提出的分布式检测框架能够获得和集中式检测相当甚至更好的检测效果,同时能够保证各方数据的隐私性。 3.研究分布式环境下数据流上的异常检测,同时提出一种响应式的概念漂移检测模型,能够准确的进行概念漂移数据流上的异常检测。 4.研究分布式环境下高维数据的无监督异常检测,针对高维科学数据提出一种自适应谱聚类方法,并在分子动力学数值模拟科学数据上进行了实验,得到了很好的检测效果。 5.研究分布式异常检测中的隐私保护问题,并针对支持向量机分类器提出了一种隐私保护支持向量机。通过实验证明,提出的方法能够保证数据的隐私性,同时能够达到和原支持向量机相当的检测效果。研究基于个性化隐私保护的数据挖掘问题,并提出一种基于数据扰动的个性化隐私保护方法用于分布式异常检测。
  • 【期刊】 分布式深度学习研究

    刊名:科技创新与应用 作者:辜阳 ; 杨大为 关键词:深度学习 ; 分布式训练 ; 模型并行 ; 数据并行 机构:沈阳理工大学信息科学与工程学院 ; 沈阳理工大学信息科学与工程学院 年份:2017
    摘要:传统单机深度学习模型的训练耗时,动辄花费一周甚至数月的时间,让研究者望而却步,因此深度学习并行训练的方法被提出,用来加速深度学习算法的学习过程。文章首先分析了为什么要实现分布式训练,然后分别介绍了基于模型并行和数据并行两种主要的分布式深度学习框架,最后对两种不同的分布式深度学习框架的优缺点进行比较,得出结论。
  • 【期刊】 基于RDDs的分布式聚类集成算法

    刊名:小型微型计算机系统 作者:王韬[1] ; 杨燕[1] ; 滕飞[1,2] ; 冯晨菲[1] 关键词:聚类集成 分布式计算 弹性分布式数据集 机构:西南交通大学信息科学与技术学院 ; 西南交通大学信息科学与技术学院 年份:2016
    摘要:在大数据时代,数据规模的不断扩大,数据的多样性愈发突出,提高分布式聚类算法的结果质量逐渐成为关注的焦点.针对多数分布式聚类算法在处理海量数据时采用的并行策略不合理以及聚类结果不理想等缺陷,提出一种基于弹性分布式数据集(Resilient Distributed Datasets,RDDs)的分布式聚类集成算法(Dis CE).该算法首先设计一个基于RDDs的分布式邻接表,解决关联数据在分布式环境中的表示和存储;其次利用分布式的共识函数模型,综合几个海量基聚类结果并用分布式邻接表表示;最后运用改进的分布式近邻传播算法(MDAP),划分分布式邻;接表为最终的聚类结果.实验结果表明,新提出的算法对数据规模有很好的适应性,在有效提高聚类结果质量的同时可大幅减少运行时间.
  • 【期刊】 基于RDDs的分布式聚类集成算法

    刊名:《小型微型计算机系统》 作者:王韬 ; 杨燕 ; 滕飞 ; 冯晨菲 关键词:聚类集成 ; 分布式计算 ; 弹性分布式数据集 机构:西南交通大学信息科学与技术学院 ; 西南交通大学信息科学与技术学院 ; 南京大学计算机软件新技术国家重点实验室 年份:2016
    摘要:在大数据时代,数据规模的不断扩大,数据的多样性愈发突出,提高分布式聚类算法的结果质量逐渐成为关注的焦点.针对多数分布式聚类算法在处理海量数据时采用的并行策略不合理以及聚类结果不理想等缺陷,提出一种基于弹性分布式数据集(Resilient Distributed Datasets,RDDs)的分布式聚类集成算法(Dis CE).该算法首先设计一个基于RDDs的分布式邻接表,解决关联数据在分布式环境中的表示和存储;其次利用分布式的共识函数模型,综合几个海量基聚类结果并用分布式邻接表表示;最后运用改进的分布式近邻传播算法(MDAP),划分分布式邻;接表为最终的聚类结果.实验结果表明,新提出的算法对数据规模有很好的适应性,在有效提高聚类结果质量的同时可大幅减少运行时间.
  • 【期刊】 工科背景下学习成效的集成学习模式剖析

    刊名:当代教育理论与实践 作者:张干清 ; 庞佑霞 关键词:学习成效 ; 学习模式 ; 集成 机构:长沙学院机电工程系 ; 长沙学院机电工程系 年份:2013
    摘要:为了分析学习成效的形成机理,从其概念着手,深入剖析影响学习成效的五组学习模式中每一种学习模式的利弊及扬长避短的成对结合方式,即理论教学与技能训练的协同学习模式、学习理论与迁移理论的综合学习模式、教学与科研紧密结合的教学模式、传统教学模式与现代教学模式的协同模式、外显学习与内隐学习的协同学习模式。由于任一时期学习任务的多样性及各组学习模式起作用方式的差异性,故学习成效不仅取决于学习模式的多寡,也取决于不同学习模式之间的合理融合与应用,为此,应尽可能地充分调动教育主体的主观能动性,一方面,激发出各种学习模式,哪怕是那些貌似微不足道的学习模式;另一方面,合理搭配并运用学习模式。通过扬弃与吸收而不是抛弃与取代,集多种学习模式惟我所用的集成学习理念,在减负下让知识快速构建出意义并外显为能力,实现教与学之目的。
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转