简介:根据形态学特征对绿春县萝芙木(RauvolfiaL.)资源进行鉴定,同时采用薄层色谱法进行色谱鉴别.结果表明,绿春产萝芙木分别为萝芙木Rauvolfiavericillata(Lour.)Bail.和云南萝芙木RauvolfiayunnanensisTsiang,两者色谱特征差异明显,但两者均含有药用成份利血平(reserpine)和育亨宾(yohimbine),开发时应综合利用.
简介:结合Foley-Sammon最佳鉴别矢量集方法和统计不相关最佳鉴别矢量集方法,本文给出了正交线性无关鉴别矢量集方法.为了对已得到的鉴别矢量集方法进行分析比较,使用Matlab编程实现了有关算法,并采用UCI中典型数据集以及ORL人脸图像数据库进行测试.根据测试结果,对各种鉴别矢量集方法做出了比较.
简介:针对传统DLDA算法计算复杂的问题,提出了DLDA/ESVD算法,该算法直接使用ESVD降维和提取非零特征值对应的特征向量.然后,为了提高DLDA/ESVD算法处理高维低秩矩阵的性能,提出了DL—DA/QR—ESVD算法,该算法使用列选主QR分解降维,使用ESVD提取非零特征值对应的特征向量.在ORL,FERET和YALE数据库上的实验结果表明,所提出的2种算法具有几乎相同的性能,并在计算复杂性和训练时间方面优于传统的DLDA算法.另外,在随机数据矩阵上的实验结果表明,DLDA/QR—ESVD算法处理高维低秩矩阵的性能优于DLDA/ESVD算法.
简介:通过对目前正在实施的入侵检测系统的深入分析,利用Java语言的安全性机制,来设计入侵检测系统,提高其自身的安全性.介绍了用Java来设计入侵检测系统中的网络通信模块,提高检测网络数据安全性的能力。
简介:研究了入侵检测系统中海量数据分类的问题.讨论了深度信念网络(DBN)的原理,提出了基于DBN的入侵检测模型.DBN由多层无监督的限制玻尔兹曼机(RBM)网络和一层有监督的反向传播(BP)网络构成.该入侵检测模型采用一种快速、贪婪的方法对DBN网络进行预训练,利用对比分歧算法逐层训练每一个RBM网络;然后,利用有监督的BP算法对整个DBN网络进行微调,并同时对RBM网络输出的低维特征进行入侵数据分类.基于KDDCUP1999数据集的实验结果表明,使用3层以上的DBN模型分类效果优于自组织映射和神经网络方法.因此,DBN是一种有效且适用于高维特征空间的入侵检测方法。