典型相关分析的基本思想和方法步骤

典型性相关分析在相关分析中有其独特的作用,在实际应用中十分广泛,本文介绍了典型相关分析的基本思想和方法步骤。     

一种基于趋势分析的网络性能异常检测方法

计算机网络的规模越来越大,结构越来越复杂,网络负担过重,导致网络性能下降,网络性能监控备受关注。提出一种基于趋势分析的网络性能异常检测方法．通过建立历史RTT性能数据的正常模型,根据模型得到的随机变化分量采用滑动窗口平均的方法用实测RTT数据进行性能异常检测。OPNET仿真实验和实际数据监测表明,方法具有高检测率和较低的误警率。     

入侵检测系统中异常判别

在入侵检测系统中运用统计原理辨别计算机的异常使用，是入侵检测系统研究的方向和趋势。进一步完善了异常判别中的统计模型，并根据异常检测模型给出数据描述和相应异常判别算法，最后总结了异常判别算法的优点和将来的工作。     

典型相关分析方法在半干旱区作物生长系统中的应用

典型相关分析是研究两变量集间相关关系的主要方法；本文根据大田试验结果，对半干旱区主要作物春小麦的两个生长阶段中的环境因子集与作物指标集进行了典型和相关分析，在极大相关下计算得各对典型变量及其得分等；结果表明，环境因子中土壤含水率作用最大，是作物生长的限制因子；土壤速效氮贡献最高，作物指标中叶面积指数对环境条件的反应最显著。     

基于改进典型相关分析的混沌时间序列预测

典型相关分析是目前常用的研究两个变量集间相关性的统计方法.针对线性典型相关分析法不能揭示变量间非线性关系,因而不适用于混沌系统等问题,将核典型相关分析与径向基函数神经网络相结合,提出了一种改进的核典型相关分析方法以解决映射空间样本未知及逆矩阵求解困难等问题.首先利用两个径向基函数神经网络,通过训练使两个网络输出之间的相关系数达到最大,可同时得到两组典型相关变量.然后建立预测模型,对Lorenz混沌方程及大连月气温与降雨二变量混沌时间序列进行仿真,并与传统的线性回归预测方法进行比较,多组仿真结果证明了所述方法的有效性.     

基于CAN总线的中低速磁浮列车悬浮控制调试监控系统

为了便于监控悬浮控制器状态和现场调试,构建了基于CAN总线的悬浮控制调试监控系统,设计了CAN接口硬件电路、CAN通讯协议与CAN通信控制程序,并在上位机与悬浮控制器之间予以实现。     

异常检测系统的漏洞分析

针对阴性选择算法生成的异常检测系统存在大量漏洞的问题,提出一种能够探测系统全部漏洞的非检测模式漏洞探测算法(EHANDP).首先,指出目前检测系统漏洞探测算法(EHASP)的不完备性;然后,利用问题空间中的串模式证明空间中个体成为漏洞的充分必要条件,并提出探测系统漏洞的完备性算法EHANDP,能够找出给定系统的全部漏洞是该算法的主要特点.实验中采用随机数据集和人工数据集比较2种漏洞探测算法.研究结果表明:在相同的实验环境下,EHANDP算法与EHASP相比不仅有相同的计算复杂度,而且有更强的探测能力.     

利用特征信息的加权典型相关分析算法

典型相关分析（canonical correlation analysis,CCA）是一种寻求同一对象的2组变量之间最大相关性的多元统计方法,通过线性组合各组特征提取出对应的典型相关特征。但在简单地线性组合各组特征时,传统的CCA并未考虑特征的本征属性信息,无法区分主要特征和次要特征。充分运用特征本身的方差信息和提取后的典型相关信息,提出一种利用特征信息的加权典型相关分析（weighted canonical correlation analysis,WCCA）。一方面,利用方差信息对原始特征进行加权处理,使得原始特征的重要性更加具有区分度;另一方面,利用典型相关性对提取后的特征进行加权处理,既进一步增强了特征的主次关系,又保留了小相关性的特征信息。综合这2方面的特征信息,WCCA提取后的特征在分类和识别上更具有表现力。在ORL和AR人脸数据库以及对象识别数据库COIL20上的实验结果验证了该方法的有效性。     

一种大数据异常检测系统的研究与实现

结合电信业务运营系统,针对大数据异常检测问题,提出了基于相关系数的解决方案,构建了大数据异常检测系统,并应用该系统对业务数据进行分析检测.实验结果表明,系统具有较强的可用性和可靠性.     

基于灰度分析的桥梁健康监测系统传感器异常检测

为了能够及时检测出传感器的异常状况,设计了一种基于灰色关联度分析的桥梁健康监测系统传感器异常检测模型.首先,分别对多个应变传感器在正常工作和单传感器异常时采集的数据进行灰色关联度分析,得到表征每一列传感器数据与其余列数据在序列几何形状上相似程度的最不相关次数序列.通过对比发现无异常和有异常时最不相关次数的分布呈现明显差异,从而验证了此方法的可行性;然后,设计了一种权重计算策略,将最不相关次数序列转化为归一化的值,并将其作为评价指标,以此来量化每一列传感器数据与其他列数据之间的相关程度;最后,通过分析多组应变数据的评价指标,设置了多阈值预警机制,以实现对不同程度的异常情况做出相应的判定. 在另一组加速度监测数据上模拟多种异常程度不同的异常状况并进行检测,结果显示整体的异常识别率在90％以上.     

基于CCA的增强线性鉴别分析

为了有效地融合Fisher线性鉴别分析与最大散度差鉴别分析所抽取的特征，得到更加全面反映原始样本的鉴别特征集，提出了基于典型相关分析的增强线性鉴别分析方法．利用Fisher线性鉴别分析和最大散度差鉴别分析方法提取两组鉴别特征，根据典型相关分析对这两组特征进行融合，获得更具鉴别力的典型鉴别特征．经过ORL标准人脸库实验，验证了所提算法的有效性．     

基于CCA的增强线性鉴别分析

为了有效地融合Fisher线性鉴别分析与最大散度差鉴别分析所抽取的特征,得到更加全面反映原始样本的鉴别特征集,提出了基于典型相关分析的增强线性鉴别分析方法.利用Fisher线性鉴别分析和最大散度差鉴别分析方法提取两组鉴别特征,根据典型相关分析对这两组特征进行融合,获得更具鉴别力的典型鉴别特征.经过ORL标准人脸库实验,验证了所提算法的有效性.     

基于典型相关分析的GRNN大跨度连续梁桥施工参数识别

基于典型相关分析和GRNN理论,建立大跨度连续梁桥施工参数识别方法。以某桥梁的施工控制为工程背景,对该参数识别方法进行应用分析。参数典型相关分析得出影响桥梁施工线形和应力的关键设计参数;模拟实际施工中的参数误差,采用GRNN算法进行主要参数识别,识别结果证明了该参数识别方法的可行性。该参数识别方法为该工程的施工控制建立了一定的技术保障。     

基于改进密度聚类的异常检测算法

提出一种基于改进密度聚类的异常检测算法(ADIDC), 通过在各特征列上分别进行密度聚类, 并根据各特征对正常轮廓的支持度进行特征加权, 解决了聚类分析方法在异常检测应用中误报率较高的问题. 通过大量基于异常检测数据集 KDD Cup 1999的实验表明, 其相对于传统异常检测方法在保证较高检测率的前提下, 有效地降低了误报率, 对某些与正常行为相近的特殊攻击检测率明显提高. 同时利用特征权值进行特征筛选提高了其检测性能和效率, 更适应实时检测要求.     

典型相关分析在量表效标效度考核中的作用

探讨典型相关分析在新编量表效标效度评价中的作用.以乙型肝炎患者生存质量测定量表(QOL-HBV)为目标量表,SF-36量表为效标量表,用积差相关分析和典型相关分析两种方法评价量表的效标效度.结果表明,QOL-HBV量表的SF维度与SF-36量表中的除VT外的各维度具有相关性,但与MH维度的值小于0.4.在典型相关分析中得到SF-36量表的第一对典型变量主要反映PF、RP、BP、GH、SF和RE等6个维度,QOL-HBV量表的第一对典型变量主要反映SF、M F和PF等3个维度.典型相关分析能够得到和简单相关分析一样的结论,但比简单相关分析提示更多的信息.     

基于支持向量机的异常检测

提出一种使用支持向量机(SVM)进行计算机系统实时异常检测的方法，内容涉及到一种对支持向量机方法的改进算法、对数据预处理的方法及SVM核函数的选取．试验结果表明采用这一算法进行入侵检测具有准确率高、计算简单、占用的存储空间小等优点．