-
基于顏色聚類和Hu不變矩的道路交通標(biāo)志檢測
摘要：介紹了一種基于顏色分割和區(qū)域描述的交通標(biāo)志檢測方法。該方法利用在RGB空間的顏色聚類算法分割出感興趣色彩區(qū)域，然后進(jìn)行形態(tài)學(xué)處理，最后結(jié)合Hu不變矩對道路交通標(biāo)志進(jìn)行識別。識別結(jié)果表明，基于顏色聚類和Hu不變矩的交通標(biāo)志識別方法具有很強(qiáng)的抗圖像平移、縮放和旋轉(zhuǎn)識別能力，并具有實(shí)現(xiàn)簡單、識別速度快、準(zhǔn)確率高等特點(diǎn)，有較高的實(shí)用價值。
-
一種基于數(shù)據(jù)融合的新的入侵檢測框架
摘 要：根據(jù)數(shù)據(jù)融合理論，提出了一種基于二級數(shù)據(jù)融合的入侵檢測的理論框架。該方法在一級融合充分利用了多源檢測信息；進(jìn)行二級融合的各檢測方法則利用各自特點(diǎn)彌補(bǔ)單一方法的缺陷，故可在保持較低誤警率的情況下，提高檢測率， 同時能夠發(fā)現(xiàn)未知類型的攻擊。在該理論框架下建立一種實(shí)現(xiàn)模型，可將一種新的基于聚類（非監(jiān)督學(xué)習(xí)）分析方法應(yīng)用于此。在仿真實(shí)驗(yàn)中，通過通用的KDD99數(shù)據(jù)集的測試結(jié)果表明，其總體檢測率得到了明顯的提高。文中也對系統(tǒng)的實(shí)時性進(jìn)行了分析和總結(jié)。
-
聚類
聚類clustering，無監(jiān)督學(xué)習(xí)unsupervised learning分類也。 聚類有不少經(jīng)典的方法，我們先從基本概念，本質(zhì)屬性開始討論，慢慢把這些方法掌握，應(yīng)用到實(shí)際問題中。1、基本概念。?
