-
公开(公告)号:CN103729678B
公开(公告)日:2016-10-05
申请号:CN201310681479.5
申请日:2013-12-12
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于改进DBN模型的水军检测方法,具体包括以下步骤:步骤1:采用已分类数据集对原始DBN深度信念网络模型进行训练和检测,构成改进DBN深度信念网络模型;步骤2:将待分类数据集中的数据输入改进DBN深度信念网络模型进行分类,完成对水军用户的识别。本发明结合DBN深度信念网络和PSO粒子群算法对“苍蝇水军”进行识别,然后构造DBN模型,用已分类数据集对模型进行训练,最后用得到的模型对待分类用户数据进行分类,即实现了“苍蝇水军”的识别。该方法是对BP神经网络算法的改进,既可以保证较高的判定准确率,又具有较短的训练时间,且不易陷入局部最优解。
-
公开(公告)号:CN105630884A
公开(公告)日:2016-06-01
申请号:CN201510957634.0
申请日:2015-12-18
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/3087 , G06F17/30705
Abstract: 本发明公开了一种微博热点事件的地理位置发现方法。本方法为:1)基于行政区规划地理词词典及中文简称词的命名规则构建一简称词词典,然后将该简称词词典与全称词词典进行关联;2)根据事件关键字,获取包含该事件关键字的微博信息;3)对获取的微博信息进行分词处理,得到该微博的分词集合,然后判断该分词集合中每一名词是否在该简称词词典或全称词词典中,如果存在则将该名词作为候选地理位置词保留;当该微博中出现多个候选地理位置词时,则选取一候选地理位置词作为该微博的地点;4)获取确定的每一地点的地理位置经纬度信息,然后对得到的地理位置经纬度信息进行聚类,根据聚类中心判断出事件爆发地点。本方法可更好的了解突发事件。
-
公开(公告)号:CN103716204A
公开(公告)日:2014-04-09
申请号:CN201310712975.2
申请日:2013-12-20
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于维纳过程的异常入侵检测集成学习方法,包括以下步骤:选择网络流量数据集;将每个网络流量样本及其样本概率分布输入到未初始化的神经网络分类器或者经过上次训练得到的神经网络弱分类器中,判断神经网络弱分类器对每个网络流量样本是否分类错误,调整每个网络流量样本的数量及样本概率分布;反复执行步骤2,得到多个神经网络弱分类器;分别确定每个神经网络弱分类器的权重;根据每个弱分类器及每个弱分类器对应的权重,得到强分类器;将待检测网络数据流输入到强分类器中,得到入侵检测结果;重复执行步骤6,直至所有待检测网络数据流检测完毕。本发明能够解决不平衡数据集的分类问题、得到分类正确率较高的无偏分类器。
-
-