公开(公告)号：CN111107102A

公开(公告)日：2020-05-05

申请号：CN201911412068.X

申请日：2019-12-31

Applicant: 上海海事大学

Inventor： 李中耀 ,  宋安军

IPC: H04L29/06 ,  H04L12/24

Abstract: 本发明公开一种基于大数据实时网络流量异常检测方法，包括：S1，获取已收集并分析得出攻击类型、存储在数据库中带攻击标签的历史流量数据；S2，对S1中的历史流量数据进行数据特征预处理，构建第一类特征向量；S3，基于S2中的第一类特征向量构建聚类模型并利用模型评估与调优得到满足预设条件的目标模型；S4将S3得到的目标模型保存并部署上线；S5，抓取收集局域网内传输的实时网络数据流量包信息；S6，对S5中的实时网络数据流量包进数据特征预处理，构建第二类特征向量；S7，根据S3中的目标模型和S6中的第二类特征向量，实时在线分析检测并判断出当前的实时网络数据流量是异常流量或是正常流量。

公开(公告)号：CN112560930B

公开(公告)日：2024-01-19

申请号：CN202011450056.9

申请日：2020-12-09

Applicant: 上海海事大学

Inventor： 李真 ,  宋安军 ,  刘慧 ,  李中耀

IPC: G06F18/214 ,  G06Q10/04

Abstract: 本发明提供一种基于生产数据的汽油辛烷值预测方法。预先采集汽油脱硫装置的数据，并对该数据进行预处理。根据预处理后的生产数据特征集，通过使用Boruta算法进行特征选择，并在创建阴影特征时按照比例P对阴影特征进行随机重排，并通过多次循环标记得到最优子特征，最后使用XGboost模型，对汽油辛烷值进行预测。基于生产数据的汽油辛烷值预测方法将机器学习算法模型应用于化工生产领域，通过改进的Boruta算法来提取特征，在提高了运行效率的同时，提取出了所有重要的特征且保留特征的独立性，在特征提取的基础上使用XGboost模型准确预测汽油辛烷值。

公开(公告)号：CN112560930A

公开(公告)日：2021-03-26

申请号：CN202011450056.9

申请日：2020-12-09

Applicant: 上海海事大学

Inventor： 李真 ,  宋安军 ,  刘慧 ,  李中耀

IPC: G06K9/62 ,  G06Q10/04

Abstract: 本发明提供一种基于生产数据的汽油辛烷值预测方法。预先采集汽油脱硫装置的数据，并对该数据进行预处理。根据预处理后的生产数据特征集，通过使用Boruta算法进行特征选择，并在创建阴影特征时按照比例P对阴影特征进行随机重排，并通过多次循环标记得到最优子特征，最后使用XGboost模型，对汽油辛烷值进行预测。基于生产数据的汽油辛烷值预测方法将机器学习算法模型应用于化工生产领域，通过改进的Boruta算法来提取特征，在提高了运行效率的同时，提取出了所有重要的特征且保留特征的独立性，在特征提取的基础上使用XGboost模型准确预测汽油辛烷值。