-
公开(公告)号：CN107276805B
公开(公告)日：2020-06-05
申请号：CN201710463676.8
申请日：2017-06-19
申请人： 北京邮电大学
摘要： 本发明实施例提供了一种基于入侵检测模型的样本预测方法、装置及电子设备，方法包括：对初始训练样本集中的样本进行聚类，得到第一簇，针对每个第一簇，如果其内的全部样本都属于同一个类别，则将该第一簇中的样本从该初始训练样本集中抽离，并标记该第一簇的类别为：该第一簇中的任一有标记样本的类别；获得目标训练样本集、目标入侵检测模型以及初始测试样本集，针对初始测试样本集中的每个样本，判断是否将其从所述初始测试样本集中抽离；获得由初始测试样本集中未被抽离的样本组成的目标测试样本集；并利用目标入侵检测模型，对目标测试样本集中的每个样本进行类别预测。应用本发明实施例提供的方案进行样本预测时，提高了样本预测的准确度。
-
公开(公告)号：CN107092679A
公开(公告)日：2017-08-25
申请号：CN201710263961.5
申请日：2017-04-21
申请人： 北京邮电大学
IPC分类号： G06F17/30
摘要： 本发明实施例提供了一种特征词向量获得方法、文本分类方法及装置，所述特征词向量获得方法包括：获得特征词集合；计算所述特征词集合中各特征词间的相似度，并根据所述相似度对所述特征词集合中的各特征词进行划分，获得多个近义词集合；针对每一近义词集合，根据该近义词集合中特征词针对目标文本的第一权重，计算该近义词集合针对所述目标文本的目标权重；将所述目标权重与第二权重进行组合，得到所述目标文本的特征词向量，其中，所述第二权重为：未被划分至各近义词集合的特征词针对所述目标文本的权重。通过使用实施本实施例所获得的特征词向量，可以提高训练器训练效率。
-
公开(公告)号：CN107092679B
公开(公告)日：2020-01-03
申请号：CN201710263961.5
申请日：2017-04-21
申请人： 北京邮电大学
摘要： 本发明实施例提供了一种特征词向量获得方法、文本分类方法及装置，所述特征词向量获得方法包括：获得特征词集合；计算所述特征词集合中各特征词间的相似度，并根据所述相似度对所述特征词集合中的各特征词进行划分，获得多个近义词集合；针对每一近义词集合，根据该近义词集合中特征词针对目标文本的第一权重，计算该近义词集合针对所述目标文本的目标权重；将所述目标权重与第二权重进行组合，得到所述目标文本的特征词向量，其中，所述第二权重为：未被划分至各近义词集合的特征词针对所述目标文本的权重。通过使用实施本实施例所获得的特征词向量，可以提高训练器训练效率。
-
公开(公告)号：CN107145778B
公开(公告)日：2020-07-28
申请号：CN201710308371.X
申请日：2017-05-04
申请人： 北京邮电大学
摘要： 本发明实施例提供了一种入侵检测方法及装置，应用于服务器，方法包括：以预设修正率对待检测入侵数据进行采样，将采样得到的数据作为修正数据；对训练数据和修正数据进行聚类处理，获得分类聚类簇；对每个分类聚类簇进行分类模型训练，获得每个分类聚类簇对应的分类模型；利用获得的分类模型对剩余数据进行分类，获得剩余数据的攻击类型，并将所获得的攻击类型确定为待检测入侵数据的攻击类型，其中，剩余数据为：待检测入侵数据中除修正数据之外的数据。应用本发明实施例所提供的方案，通过将待检测入侵数据应用到分类模型的构建过程中，来获得分类模型，能够使得获得的分类模型对数据分类的结果较为准确，进而可以提高入侵检测算法的准确率。
-
公开(公告)号：CN107135135B
公开(公告)日：2019-09-06
申请号：CN201710301251.7
申请日：2017-05-02
申请人： 北京邮电大学
IPC分类号： H04L12/46
摘要： 本发明实施例提供了一种基于底层节点排序的虚拟网络映射方法及装置，应用于控制器，所述方法包括：接收目标虚拟网络请求；获取当前底层网络中每个底层节点的各项属性信息的属性值；根据每个底层节点的各项属性信息的属性值以及预先计算的各项属性信息对应的权重参数，计算各底层节点对应的排序权重；根据排序权重对各底层节点进行排序，形成第一队列；根据所述第一队列、各虚拟节点的计算资源需求以及各虚拟链路的带宽资源需求，对各虚拟节点进行映射以及对各虚拟链路进行映射。本发明实施例能够更好的适应变化的网络系统，提高虚拟网络映射的效果。
-
公开(公告)号：CN107145560A
公开(公告)日：2017-09-08
申请号：CN201710301466.9
申请日：2017-05-02
申请人： 北京邮电大学
IPC分类号： G06F17/30
摘要： 本发明实施例提供了一种文本分类方法及装置，应用于计算机技术领域，所述方法包括：通过文本表示将待分类文本映射为向量空间模型VSM中的第一文本向量。根据预先建立的语义平滑矩阵将所述第一文本向量映射为高维空间中的第一映射向量，其中，所述语义平滑矩阵是通过对统计相似度矩阵和词语相似度矩阵进行计算得到。对所述第一映射向量进行分类，得到所述待分类文本的文本分类结果。本发明实施例通过将基于世界知识的词语相似度和基于统计的词语相似度应用于文本分类，提高了文本分类的准确性。
-
公开(公告)号：CN107145560B
公开(公告)日：2021-01-29
申请号：CN201710301466.9
申请日：2017-05-02
申请人： 北京邮电大学
IPC分类号： G06F16/35
摘要： 本发明实施例提供了一种文本分类方法及装置，应用于计算机技术领域，所述方法包括：通过文本表示将待分类文本映射为向量空间模型VSM中的第一文本向量。根据预先建立的语义平滑矩阵将所述第一文本向量映射为高维空间中的第一映射向量，其中，所述语义平滑矩阵是通过对统计相似度矩阵和词语相似度矩阵进行计算得到。对所述第一映射向量进行分类，得到所述待分类文本的文本分类结果。本发明实施例通过将基于世界知识的词语相似度和基于统计的词语相似度应用于文本分类，提高了文本分类的准确性。
-
公开(公告)号：CN107276805A
公开(公告)日：2017-10-20
申请号：CN201710463676.8
申请日：2017-06-19
申请人： 北京邮电大学
摘要： 本发明实施例提供了一种基于入侵检测模型的样本预测方法、装置及电子设备，方法包括：对初始训练样本集中的样本进行聚类，得到第一簇，针对每个第一簇，如果其内的全部样本都属于同一个类别，则将该第一簇中的样本从该初始训练样本集中抽离，并标记该第一簇的类别为：该第一簇中的任一有标记样本的类别；获得目标训练样本集、目标入侵检测模型以及初始测试样本集，针对初始测试样本集中的每个样本，判断是否将其从所述初始测试样本集中抽离；获得由初始测试样本集中未被抽离的样本组成的目标测试样本集；并利用目标入侵检测模型，对目标测试样本集中的每个样本进行类别预测。应用本发明实施例提供的方案进行样本预测时，提高了样本预测的准确度。
-
公开(公告)号：CN107145778A
公开(公告)日：2017-09-08
申请号：CN201710308371.X
申请日：2017-05-04
申请人： 北京邮电大学
CPC分类号： G06F21/552 , G06K9/622
摘要： 本发明实施例提供了一种入侵检测方法及装置，应用于服务器，方法包括：以预设修正率对待检测入侵数据进行采样，将采样得到的数据作为修正数据；对训练数据和修正数据进行聚类处理，获得分类聚类簇；对每个分类聚类簇进行分类模型训练，获得每个分类聚类簇对应的分类模型；利用获得的分类模型对剩余数据进行分类，获得剩余数据的攻击类型，并将所获得的攻击类型确定为待检测入侵数据的攻击类型，其中，剩余数据为：待检测入侵数据中除修正数据之外的数据。应用本发明实施例所提供的方案，通过将待检测入侵数据应用到分类模型的构建过程中，来获得分类模型，能够使得获得的分类模型对数据分类的结果较为准确，进而可以提高入侵检测算法的准确率。
-
公开(公告)号：CN107135135A
公开(公告)日：2017-09-05
申请号：CN201710301251.7
申请日：2017-05-02
申请人： 北京邮电大学
IPC分类号： H04L12/46
摘要： 本发明实施例提供了一种基于底层节点排序的虚拟网络映射方法及装置，应用于控制器，所述方法包括：接收目标虚拟网络请求；获取当前底层网络中每个底层节点的各项属性信息的属性值；根据每个底层节点的各项属性信息的属性值以及预先计算的各项属性信息对应的权重参数，计算各底层节点对应的排序权重；根据排序权重对各底层节点进行排序，形成第一队列；根据所述第一队列、各虚拟节点的计算资源需求以及各虚拟链路的带宽资源需求，对各虚拟节点进行映射以及对各虚拟链路进行映射。本发明实施例能够更好的适应变化的网络系统，提高虚拟网络映射的效果。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.03 秒)