下载  >  开发技术  >  其它  > 论文研究-KPCA-IPSO-OCSVM方法在工业控制系统入侵检测中的应用 .pdf

论文研究-KPCA-IPSO-OCSVM方法在工业控制系统入侵检测中的应用 .pdf 评分

KPCA-IPSO-OCSVM方法在工业控制系统入侵检测中的应用,陈冬阳,彭道刚,为了提高工业控制系统入侵检测的准确性,本文面向Modbus TCP协议的工控系统提出一种基于KPCA-IPSO-OCSVM算法的入侵检测方法。首先,采用��
山国武技论文在线 http:/www.paper.edu.cn 控入侵检测系统可划分成两部分:工业控制系统数据预处理和构健入侵检测模型。第 一部分是指对采集整理的工控系统数据进行特征选择与提取降维,数据分成训练集和测试 70 集;第二部分是根据智能杋器学习算法利用训练集数据建立入侵检测模型,采用测试集数据 依据相应评价指标检验模型的精准度,从而检测异常攻击行为。 工业控制系统数据特征选择与提取 从检测数据来源上工控系统异常检测分成基于网络的异常检测和基于主札设备的异常 检测两类,前者数据是指传输的网络数据包,后者包含日志文件、审计记录等; Modbus通 讯协议是众多工业控制系统协议中最经典最常用也最成熟的通讯协议,是第一个真正用于工 控系统的现场协议, Modbus tcp运行于ICP/P上的 Modbus报文传输协议,利用 Internet 方式寻址,通过502端口进行通信,以此保证传输的可靠性;在应用层采用 Modbus协议保 证数据交换的规范性1,图2是 Modbus协议报文,其应用层包含了MBAP报文和协议数 据单元。MBAP报文头专门识别 Modbus应用数据单元,域有事务处理标识符、协议标识符 长度、单元标识符。 modbus报文 Modbus应用层包头文协议数据单元 层事务处标识对协议标识符长度总元标识符功能码数据 TCP层:TCP首部 IP层:IP首部 数据链路层: Ethemet首部 物理层 图2 Modbus tcP/ip报文结构 Fig 2 Message structure of Modbus TCP/IP 木文主要研究基工业控制系统网络数据针对网络攻击的入侵检测,需要充分挖掘工业 控制协议数据的行为特征,通过正常数据特征建立工控系统的异常检测模型。本文选择具有 典型性的 Modbus协议的⊥业控制系统作为实验对象,检测 ModbustcP数据包 工业控制系统特征选择 工业控制系统网络数据具有体量大、多源性、维度高、冗佘数据多、动态性强等特氐, 在进行数据处理时分析难度相对较高。因此需要首先剔除无用的冗余数据,根据要求选择能 反映原始釆集到的数据大部分信息的数据替代原始数据进行简化处理。特征选择就是一种常 用方法。本文通过实验室搭建的工业控制系统污水处理仿貞环境,利用 Wireshark抓包软件 获取工业控制系统数据包,一个数据包中包含很多数据特征,最终选取了具有代表性的16 项特征属性代表原数据包的信息,如表1所示 表1工业控制系统特征及特征值 95 Tab. 1 Characteristics and eigenvalues ofICS 工业数据特征 wireshark数据包中名 数据值 源地址 192.168.0.2 目的地址 Destination 192.168.0.50 IP包总长度 Total length 山国武技论文在线 http:/www.paper.edu.cn IP包头长度 I leader length TCP包头长度 Header length TCP段长度 TCP segment lcngth 源端口号 Source port 的端口号 窗口流量大小 Window size value 65152 事务标识符 Transaction identifi 35932 协议标识符 Protocol Identifier 长度 6 单元标识符 Unit identifier 192 功能码 Function Code 参考数值 Reference number 5() 数据长度 Bit count 工业控制系统特征提取 在对工业控制系统数据特征选择后依然是髙维数据,仍需对高维数据降低维数,特征提 取是一种常用的特征降维方法,其原理是将最初的特征空间映射到低维空间,低维空间消除 100 了冗余和不相关数据特征,并且包含了大部分原始数据特征,能够有效降低数据的维度山 该方法可以克服工业控制系统大数据量和高维度的特点,降低下一次建模的复杂性。 本文利用核主成分分析法2处理非线性关系数据的特点,通过非线性变换将原始样本 空间映射到更高维度空间,数据在高缃空间中可线性分离,提取反映数据属性的信息主要组 成部分,这些主成分数量很少且不相关,能够反映大韶分的高维空间数据特征,将n维数据 105 映射到η维上(m<n),降低特征数据的维度,提高数据处理的速度其原理思想如卜。 假设工业数据集Ⅹ中有l个样木数据,每一个数据中有N维工业特征,则有 1x12 X=21x22 12N 式中:x2=(x1,x2…xm)=1,2,N KPCA是运用非线性函数φ将原本非线性的输入数据样本点变换到更高维度空间的样本 110 点p(x1),q(x2),……q(xn),并满足∑}≌q(x:)=0。变换后的样本p(xk)在高维度空间巾 可线性分离,协方差矩阵如下 pcri)p (2) 求解协方差特征方程λυ=Cv。其中υ为特征向量,λ为特征值 U=E=1m19(x) (3) 115 式α1、a2、…、αn为常数。由于不知道映射φ的具体形式,q(xz)9(x1)7求解比较困难, 因此引入核函数来代替协方差,假设NxN维核矩阵K K=[Ki N×N (x1x)=(x1)·q/(x) (4) 式,j=1,2,…N 将式(2)、式(3)、式(4)代入特征方程得 120 Nha= ka (5) 式中a为矩阵K的特征向量 此时将问题转化为解出式(5)的特征向量α,即解出K最大的若干个特征值的特征向量, 4 山国武技论文在线 http:/www.paper.edu.cn K是对称矩阵,因此求得的是止交解向量,并且只需要核区数K(x,x)=9(x1)·(x)的确 切形式,不必知晓映射函数q(x)的确切形式。但是核变换并不能保让∑z=0(x)=0,需要 125 把变换后获得的核矩阵K中心化变成核矩阵K1: K1=K-KxL-L×K+L×K×L (6) 式中L为N阶矩阵,满足L()=1。 当核函数是线性时,就是PCA;木文采用高期径向基函数(RBF)作为核函数 K(x,xi=e x:-x,|2 (7) l30 在高维空间中线性变换获得新的n个工业特征数据集Z=[z1,2z2,…,zn]=CX,C是 n×n阶变换矩阵。选择Z中前m维特征即可涵盖原始数据集的n维特征,从而实现降低数 据维度。主成分分析认为13,某个特征所包含的信息的多少与沿这个特征分布的数据的方 差的大小成正比,即方差越大,包含信息越多。累计方差贡献率是指前m维主成分方差贡 献率之和与总n维主成分方差贡献率的比值。类似,比值与包含元数据的信息成正比。根据 135 经验,前m(m-n)维主成分累计方差贲献率超过90%时,即可用m维数据信息表征原始n维 数据信息,从而实现对工业数据的降维 工业控制系统异常入侵检测模型 由KPCA方法降维后的输岀数据作为入侵检测模型的输入。单类支持向量机算法是 种改进的SVM算法[4,把单分类问题视为个特殊情况下的二分类问题,其思想是首先假 140 定坐标原点为异常类别样本,然后核函数把输入样本信息转到更高维度样本空间,建立最优 超平面,保证目标数据与坐标原点是最大间隔,转换成求解下列问题: mi(lo2+=15-p) 1,2 (8) s.tp(x;)≥p-5;5t≥0 式中x1,x2,…,x2∈K训练样木,1是训练样本的数量,d:X→H是原空间到特征空间的映射; 分类超平面为ω·(x)-p=0;v∈(0,1是个样本中正常数据和异常数据之间的杖衡参 145 数;与是许可为数不多的训练样本被误分而设置的松弛变量。 引入拉格朗日凶薮: l(a,p,a,B=l2+E-p-∑a1(m·x1-p+5-∑R 对ω,p,分别求偏导数,得到 (10) 1 l50 式中,α2,β为拉格朗日因子。引入高斯核函数公式(7),转换成对偶问题如下 min2∑Eack(x,x) i=1,2,…, St.0≤ 选取任一满足0≤a≤元的x,计算出偏移量p=∑cK(x,x),对应的向量x就 是支持向量。最终求得决策函数为: (x)=sgn∑a:K(x1·x)-p 155 (x)=0是分类超平面,(x)>0吋是正常行为点,否则是异常行为点。 OCSVM的训 山国武技论文在线 http:/www.paper.edu.cn 练数据集仅包含止样本,使其成为工业控制系统中数据不平衡分类和建模的珄想选择。 OCSVM工业控制入侵检测模型取决于分类决策函数,髙斯核函数中参数g和OCSM 中参数ν的挑选是分类决策函数至关重要的,因此v和g是算法过程中的关键所在。核函数 参数g越小,预测过程中分类模型对训练数据越容易发生过拟合问题,对测试数据预测效果 l60 不佳。ν增大,分类曲线变复杂,也易发生过拟合。目前对 OCSVM参数寻优有传统的网格 化搜索,但搜索方法时间长,搜索效率低。现在用智能算法选择最佳的参数v和g。在优化 算法中,广泛使用简单易行的粒子群实现,调整参数少,以及快速收敛到最优铎等优点;然 而在后期粒子同一化易于进入局部最优解,并且搜索精度不高。基于以上问题,本文利用人 工免疫思想克服粒子群算法的不足,设计一种基于KPCA-IPSO-OCSⅥM算法的工业控制系 165 统入侵检测方法,其算法流程图如图3所示: KPCA-IPSO- OCSVM入侵检测模型 开始 初始化相关参数 入样本矩阵X 初始化种群位置知速度 P 选择核系数将样本矩阵X 计算每个粒子的适应度, 射到高维空问得到φ(X) 并确定 Pbest和Gbst 算 算协方差矩阵及特征值 更新个体与群体值,将 法 C|向量,将值减大到小 uest存入免疫记忆粒了厍 A 进行KPCA特征提取,选择 是否认到终止条 提 累计方差页献率大于90% 前m项作为降维的维数 M 随机产生M个符合条件的 参 维后数据欥射到原来 粒了组成N+M的种群 的空间得到降维后的数据Y 按照概率选择公式选取 优 模 接收PS0优化参数g知v 新的N个粒了种群 将免疫记忆粒子店中粒 求解并建立0CSWM模型 子替换新的N个粒子和群 中较差的粉子 计算OC5W分类准碓率 得到 OCSVM最优参数 输出KP+0 返回准确率值作为PO模型 入侵检测模型准确率 结東 的适应度值 图3KPCA- IPSO-OCSVM算法框架图 Fig 3 Framework diagram of KPCA-IPSO-OCSVM algorithm 步骤1:读取原始L业控制系统数据,即样本数据;选取晑斯径向基函数(RBF)作为 核函数,将非线性的工业数据进行核化,从而将原始非线性样本数据投射到高维空间形成线 性的样本数据。 步骤2:由于样本数据的尺度大小不一,原始样本数据需要归一化,使得均值为0,计 算归一化数据的协方差矩阵,进一步获得协方差矩阵对应的特征向量和特征解,从大到小顺 序对特征解进行排序。 175 步骒3:进行KPCA特征提取。选择累计方差贡献率大于90%的前m项为维数减少后 的数据矩阵 步骤4:标准化数据乘以降维矩阵即为最终的降维数据Z。 步骤5:根据OCSⅥM原理利用降维数据Z构造⊥控系统入侵检测模型,使用IPSO方 法对参数g和ν进行寻优。 山国武技论文在线 http:/www.paper.edu.cn 180 (1)初始化相关参数并随机产生初始粒子群体位置为Ⅹ=(x1,x2,,xn),速度为 V=(v1,2,…,w),其N是粒子数目X1=(xg,xp),V=(ng,)为第个粒子的位置和速 度,涵盖了OCSⅤM参数v和高斯核函数参数g。 (2)牛产免疫记忆粒子,将OCSⅥM异常检测分类准确率值取反作为适应度值,即分类 准桷率值愈晑,适应度函数值愈小。计算粒了适应度函数值,确定该次达代的个体极值 Pbest 185 和群体极值 Gbest。根据以下公式史新粒」的位置和速度: v(t+1)=W*v()+c1r1(p1(t)-x;(t)+c272(g:(t)-x(t) t+1)=xl(t)+v(t+1) 其中v表示粒子的飞行遠度,x表示粒子的位置,w为惯性权重,c1、c2是学习因子,n1、n2是 0,1之问的随机数。p为个体最优解,9为全局最优解。 (3)判断是否达到满足算法结束要求,若是退出算法,获得最佳参数;若否,将群体极 值 Gbest视为新生成的免疫记忆粒子,形成兔疫粒子库。 (4)随杋产生M^符合条件的新粒了,组成规模为N+M个的种群。根据浓度选择机制 以及公式计算选择概率,按照概率从人到小选取N个粒子组成种群,∫(x-)为适应度函数。 ∑1f(x)-f( p( 2M+N2MNICxD-f(x 1 ,j=1,2,…N+M (5)将(4)中粒子种群中适应度值差的粒子舍弃,用(3)中产生的免疫记忆粒子代替 组成新规模为N的粒子种群。 (6)返回(2)重新计算新种群的适应度值并继续卜一步。如果满足迭代和精度要求则 195 获得最优解,解出決策分类函数(x),构造 OCSVM入侵模型,获取 KPCA-IPSO-OCSVM 工业控制系统入侵检测模型 仿真实验对比与分析 木文主要研究基于工业控制系统网络数据针对网络攻击的入侵检测,需要充分挖掘工业 控制协议数据的行为特征,通过正常数据特征建立工控系统的异常检测模型。木文选择具有 200 典型性的 Modbus协议的⊥业控制系统作为实验对象,检测 ModbusTCP数据包 u 图4工业控制系统污水处理仿真环境 Fig. 4 Wastcwatcr trcatmcnt simulation environment of Industrial Control Systcm 为获取工业控制系统入侵检测的实验数据,并证明本文设计的KPCA-IPSO- OCSVM工 205 业控制系统入侵检测方法的可行性和优越性,搭建了模拟工业污水处理过程的工控系统仿真 7 山国武技论文在线 http:/www.paper.edu.cn 实崄坏境,采用PLC控制器进行控制,实验坏境可支持不同厂家不同协议的PLC。本实验 中,上位机采用 Force Control Technology Force Control V7.0组态软件进行监控,下位机采 用 Schneider m340PLC。主机利用 Modbus TcP协议与PC通信,实验环境如图4。系统正 常运行时,利用 Wireshark软件获取网络中的 Modbus tcp数据信息流量,进行数据特征选 210 择与提取,在 Matlab软件程序上用KPCA分析数据集。 图5中结果说明,当使用KPCA方法进行数据提取降维后,前8维主成分累计方差贡 献率己经大于仝部系计方差贡献率的90%,即可用前8维数据信息代替原16维数据的特征 信息。图6可以看出用PCA方法进行特征提取降维的结果为9维,说明PCA方法降维程度 相比KPCA方法降维程度弱,证明了本文使用的KPCA方法更适合工业控制系统的非线性 215 数据,更能反映工业数据的原始数据信息,可减少现有方法建模计算复杂性,提高算法效率。 KPCA降维后前m(=9)维主成分累计方差页献率>90% ℃A降维后前m(=9)维主成分累计方差贡献率>90% 10% 主成分计方差页率 主成分累计方差贡献率 PCA主成分数量 图5KPCA降维结果 图6PCA降维结果 Fig 5 Dimensionality reduction results based KPCa Fig. 6 Dimensionality reduction results based PCA 将降维后的输岀数据作为OˆSVM算沄模型的输入数据,选择500个正常数据样本(标 220为+1类)作为 OCSVM模型的训练数据样本,包含正常样本和异常样本(标为-1类)的150 个数据作为测试数据样本,这些测试数据样本用于评估由训练数据样本建立的 OCSVM入侵 模型的准确性。 KPCAIPSO-OCSVN川练隽预测结果对比(RBF核函数) 测类影 二 Oon 03150200 357400 图7KPCA- PSO-OCSVM训练集结果 225 Fig. 7 Training datasct results bascd Kpca-IPSO-OCsVm 山国武技论文在线 http:/www.paper.edu.cn KPCA- PSO-OCSVM测试集预测结果对匕(RB「凌函数) 真实类别 O顶测类别 04 1酃◆非申⊕ψ协ψ白⊕φ KFCA-IPSO-OCSVM测试机样本号 图8KPCA-IPSO- OCSVM测试集结果 Fig 8 Testdataset results based KPCA-IPSO-OCSVM 本文用IPSO优化算法优化 OCSVM参数,参数初始化设置学习因子cl=1.7,c2=1.5,惯性 230 校重ν=0.9,种群大小20,最大达代数20,其实验仿真结果图7图8可以看出模型训练集 的准确率达到了992%,测试集的准确率达到了97.33%,说明 OCSVM建立的工控系统入 侵检测模型具有良好的准确性,论证了本文设计的KPCA-IPSO-OCSⅥM方法具有良好的效 果 为更加清晰直白的阐明本文设计基于KPCA-IPsO- OCSVM方法的异常检测模型在检测 235 精度和时间方面的优势,在实验室运用其他方法进行比较不同检测算法之间的检测效果,本 文选择常用的准硝率、漏报夲、误报窣、模型训练检测时间等指标对所设计的λ侵检测模型 评价。其中准确率是样本被正确分类的数量和全部样本数量的比值。误报率为+1类样本误 以为是-1类样木的数量与全部样木数量之比。漏报率为-1类样木误以为是+1类样木的数量 与全部样本数量之比。为増加入侵检测算法晑效性,应提升算法准确夲并减少算法误报率与 240 漏报率。实验对比结果如表2所示。 表2不同方法性能对比 Tab 2 Performance comparison of different methods KPCA-IPSO- PCA-IPSO-OCsv PSO-OCsV (irid-OCSV 评价指标 OCSVM M M 一训练集准确率%92 98 训练集误报率 0.8 19 测试集准确率/% 95.33 测试集误报率/% 4 8 测试集漏报率% 8 检测时间/s 40.6 44.2 60.9 144 由对比结果可知,相比PCA- PSO-OCSVM方法,KPCA-IPSO- OCSVM算法的训练集准 确率、训练集淏报率、测试集准确率、测试集误报率、测试集漘报率、检测时间分别提高 2450.2%、20%、1.39%、33.3%、333%、8.14%。相比其他方法如网格法在训练集准确率、训 练集误报牽、测试集准桷率、测试集误报率、测试集漏报率、检测吋间上都有所提咼。综上, 经过IPSO寻优获得的KPCA-IPSO- OCSVM入侵检测模型,在检测吋间、检测准确率、检 测误报率、检测漏报率等方面相比现有的方法有着明显的提髙和改进,该方法可以满足工业 山国武技论文在线 http:/www.paper.edu.cn 控制系统对入侵检测精确度、可靠性与有效性的需求。 250 结语 工业控制系统信息安全问题日益严重,木文研究了工控信息安全中入侵检测这一领域。 以广泛使用 Modbus tcp协议为基础的工控系统为研究对象,面对工业控制系统中上业数据 非线性强、复杂度髙、维度髙、异常数据与正常数据不平衡问题,首先将KPCA方法用于 特征提取与降维,在保留工业数据大部分信息的基础上,降低了工业数据的复杂性和高维度; 运用IPSO算法对 OCSVM参数寻优,设计一种面向工控系统的 KPCA-IPSO-OCSVM入侵 检测算法,以获得更高效、更准确的模型。为了获取实验数据,搭硅实验环境,模拟工ν控 制系统实际场景,在此基础上通过实验对比各类检测模型,仿真结果充分表明本文提出的 KPCA- IPSO-OCSⅥM算法相比现有方法能更快的检测出异常入侵行为,且准确率极高、误 报率和漏报率相对较低。在工业控制系统信息安全方面特别是入侵检测领域有一定的实用价 260 值 参考文献 l]张凯一陈铁明,严春.工业控制系统安全及异常检测研究进展[信息安全研究,2017,7(3)624-632. ZI IANG Kaiyi, ClIEN Tieming, YAN Chun. Research progress on safety and anomaly detection of industrial control systems []. Information Security Research, 2017, 7(3): 624-632 265 2]李琳尚文利姚俊等工控系统 PCA-OCSVM入侵检测算法[J计算机工程与设计,2016,11(37)2928-2933 LI Lin, ShANG Wenli. YAO Jun et al. PCA-oCSvM intrusion detection algorithm for industrial control system[J]. Computer Engineering and Design, 2016, 11(37): 2928-2933 [3]J M.Jiang, L. Yasakethu Anomaly detection via One Class SVM for protection of SCADA systems[C]. 2013 International Confcrcncc on Cybcr-Enablcd Distributed Computing and Knowledge Discovcry. Bcijing, 270 2013:82-88 「4王华忠,杨智慧,颜秉勇等.融合PCA和PSO-SWM方法在工控入侵检测中的应用J,科技通 报,2017,1(33):80-85. WANG Iluazhong, Y ANG Zhihui, YA Bingyong et al. Application of PCA and pso-SVM in industrial control intrusion detection [J]. Science and Technology Bulletin, 2017, 1(33): 80-85 275 [5]赖英旭刘増辉,蔡晓田等.工业控尙系统入侵检测研究综述[.通信学报,2017,2(38):143-156 LAIYingxu, LIU Zenghui, CAI Xiaotian et al. A reviev of intrusIo detection in industrial control ystcms[J]Journal of Communications, 2017, 2038): 143-156 [6]R. R.R. Barbosa, R Sadre, A. Pras. Flow whitelisting in SCADA networks [J]. International Journal of Critical Infrastructure Protection, 2013, 6(3): 150-158 280 [7 Papa S M. a behavioral intrusion detection system for SCADA systems[D. USA: Southern Methodist University, 2013 [8 Goldenberg N, Wool A. Accurate modeling of Modbus /TCP for intrusion detection in SCADA systems J]. International Journal of Critical Infrastructure Protection, 2013, 6(2): 63-75 9]李英奇,吴桂初 Modbus-Modbus TCPiIP的网关设计[微型机与应用,2013,1048-50 285 . I Yingqi, wu Guichu. Gateway Dcsign of Modbus-Modbus TCP/P[]. Microcomputer Applications, 2013, 10: 48-50 O Ercz N, wool A. Control variable classification, modeling and anomaly dctection in Modbus/TCP SCADA systems[J]. International Journal of Critical Infrastructure Protection, 2015, 10: 59-70 111潘峰特征提取与特征选择技术研究[D]南京:南京航天航空大学,201l 290 PAN Feng. Research on feature extraction and feature selection technology [D]. Nanjing: Nanjing University of Aeronautics and Astronautics. 201 12]曾建华一种基于核PCA的网络流量异常检测算法小计算机应用与软件,2018,3(35):140-14 Zeng Jianhua. A Network Traffic Anomaly deTection Algorithm Based on Nuclear PcaJj .coMputEr Applications and Sottware, 2018, 3(35): 140-144 295 [13]孔宪光章雄,马洪波等面向复杂工业大数据的实时特征提取方法[西安电子科技大学学报(自然科 学版),2016,5(43):70-75 KONG Xianguang, ZHANG Xiong, MA Hongbo et al. Real-time feature extraction method for complex industrial big data[J] Journal of Xidian University(Natural Science Edition), 2016, 5(43): 70-75 [1↓]康松林周坎坎李琼入侵检测中支持向量机参教选择方法[J中国科技谂文,2012,7(10):762-765 10

...展开详情
所需积分/C币:7 上传时间:2019-08-15 资源大小:571KB
举报 举报 收藏 收藏
分享 分享
论文研究-基于2D-KPCA的拉普拉斯特征映射人脸识别.pdf

针对拉普拉斯特征映射(LE)只能保持局部近邻信息,对新测试点无法描述的不足,提出一种基于二维核主成分分析的拉普拉斯特征映射算法(2D-KPCA LE)。与核二维主成分分析算法(K2DPCA)不同,该算法首先对训练样本空间进行二维主成分分析(2DPCA),在保留样本空间结构信息的同时通过去相关性得到低秩的投影特征矩阵;然后用核主成分分析法(KPCA)提取全局非线性特征;由于其核函数需要大量存储空间,再用拉普拉斯特征映射(LE)进行降维。在ORL和FERET人脸数据库中的仿真实验结果表明,基于2D-KPCA的拉普拉斯特征映射算法不但可以有效处理复杂的非线性特征,还可以降低算法复杂度,提高流形学习的

立即下载
论文研究-KPCA方法过程研究与应用.pdf

给出一种基于核函数的主成分分析方法,它主要用来解决大规模非线性数据的特征提取问题。文中给出了简化的协方差矩阵的计算方法与推导过程,还给出了KPCA方法的详细推导过程。最后使用核主成分分析的方法分别对线性与非线性分布的数据进行了分析,取得了比传统主成分分析方法更好的结果。

立即下载
论文研究-KPCA-IPSO-OCSVM方法在工业控制系统入侵检测中的应用 .pdf

KPCA-IPSO-OCSVM方法在工业控制系统入侵检测中的应用,陈冬阳,彭道刚,为了提高工业控制系统入侵检测的准确性,本文面向Modbus TCP协议的工控系统提出一种基于KPCA-IPSO-OCSVM算法的入侵检测方法。首先,采用��

立即下载
Kernel-Principal-Component-Analysis-KPCA-master.zip

对于某hub上的资源做一些微调,一共有4个demo。demo1: dimensionality reduction or feature extraction demo2: fault detection for a numerical example demo3: fault detection and fault diagnosis for TE process using KPCA demo4: fault detection and fault diagnosis for TE process using Dynamic KPCA(DKPCA)

立即下载
核主元分析KPCA的降维特征提取以及故障检测应用-KPCA_v2.zip

核主元分析KPCA的降维特征提取以及故障检测应用-KPCA_v2.zip 本帖最后由 iqiukp 于 2018-11-9 15:02 编辑      核主元分析(Kernel principal component analysis ,KPCA)在降维、特征提取以及故障检测中的应用。主要功能有:(1)训练数据和测试数据的非线性主元提取(降维、特征提取) (2)SPE和T2统计量及其控制限的计算 (3)故障检测 参考文献: Lee J M, Yoo C K, Choi S W, et al. Nonlinear process monitoring using kerne

立即下载
研究论文-kPCA特征提取算法的自动目标识别.pdf

分析了主成分分析(PCA)与核主成分分析(kPCA)的基本原理,比较了两者在处理数据方面的性能,得出了kPCA比PCA在处理非线性可分数据方面具有优势的结论.依据几何绕射理论(GTD),通过Matlab仿真方法得到HRRP(高分辨距离像)数据,并以这些数据作为训练和测试样本,结合SVM分类方法,分别测试比较了基于4种不同核函数的分类识别性能,得出基于高斯核函数主成分分析的自动目标识别系统性能明显好于其他3种核函数的结论.

立即下载
论文研究-基于文化粒子群算法的KPCA特征提取.pdf

如何选择最优或接近最优的核函数使分类错误率降低,是KPCA应用于特征提取的关键。为了优化核 函数,提高特征提取的能力并降低分类错误率,在研究了文化算法(cultural algorithm, CA)、粒子群优化(particle swarm optimization, PSO)相关文献的基础上,提出了一种文化粒子群算法(cultural based PSO, CBPSO)流程,并 将此算法用于训练核函数参数,实现了KPCA和CBPSO的集成,有效地提高了核函数的优化选择。通过比较 CBPSO-KP

立即下载
论文研究-基于步态能量图的KPCA和SVM的步态识别方法.pdf

采用了一种基于步态能量图(GEI)的步态特征提取方法,主要是通过得到的步态侧影图像进行规格化并进行周期分析,然后提取其步态能量图。同时针对传统主成分分析(PCA)方法只能处理线性和服从指数型分布的情况,提出了采用基于核方法的主成分分析(KPCA)来对数据进行特征降维,然后采用泛化能力较强的分类器SVM来对特征进行识别。应用上述方法在CASIA数据库上进行了实验,结果表明采用上述方法取得了较理想的效果。

立即下载
论文研究-基于KPCA-LSSVM的健康档案空腹血糖水平预测研究.pdf

糖尿病是一种可防可控的慢性疾病,会产生很多并发症,对人体危害很大,因此早期诊断糖尿病并干预生活方式对预防糖尿病慢性并发症十分必要。利用健康档案中数据来预测空腹血糖水平,因为空腹血糖水平的高低是早期诊断和干预的一个重要依据,但是健康档案中数据存在维度广、噪声多、强耦合、非线性等特点,为此提出了基于KPCA和LSSVM结合的方法进行建模,并将LSSVM、PCA-LSSVM、KPCA-LSSVM这3种模型进行比较,结果表明KPCA-LSSVM准确性比LSSVM、PCA-LSSVM大幅提高,ROC曲线的积分面积也接近于1,说明KPCA-LSSVM能够运用于空腹血糖的预测,也为医疗数据挖掘提供一种新的参

立即下载
论文研究-基于KPCA和SVM的人脸识别研究 .pdf

基于KPCA和SVM的人脸识别研究,王本超,马军伟,为了满足企业管针对人脸识别中遇到的

立即下载
论文研究-基于KPCA光谱特征约束的水边线提取算法.pdf

为充分利用遥感影像的多波段光谱特征,提高水边线的提取精度,提出了基于核主元分析(KPCA)光谱特征约束的水边线提取模型。利用KPCA变换提取水体样本的光谱特征,采用最大似然法估计特征空间中水体光谱特征概率密度函数的特征参数,进而构建水体的光谱特征项。以测地线活动轮廓(GAC)模型为基础,建立图像数据项。结合光谱特征项和图像数据项建立水边线提取模型。在Landsat TM数据集上进行的水边线提取实验验证了算法的有效性,与GAC模型和基于距离正则化的水平集方法(DRLSE)相比较,该算法提取的水边线,在保证一定运行速度的情况下,更准确。

立即下载
论文研究-Mixed KPCA结合纹理特征的SVM盐碱土信息提取.pdf

核函数是核主成分分析(Kernel Principal Component Analysis,KPCA)的核心,目前使用的核函数都是单一核函数。尝试通过将光谱角径向基核函数(Spectral Angle Radial Basis Function,SA-RBF)与RBF组合形成混合核函数。在研究中,利用基于该混合核函数的KPCA进行特征提取,将其光谱特征波段和纹理特征相结合用于盐碱土的SVM分类,将分类结果与其他SVM分类进行比较,结果表明:该方法优于其他SVM方法,能有效提取玛纳斯河流域绿洲区的盐碱土专题信息,分类精度是89.000%,kappa系数是0.876。

立即下载
论文研究-基于KPCA和改进极限学习机的煤与瓦斯突出危险性判识.pdf

为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,提取出主成分序列;利用蝙蝠算法(BA)优化极限学习机(ELM)模型,并与BA-ELM、ELM、SVM和BP等模型共同进行突出危险性预测,验证模型的优越性。结果表明,基于KPCA-BA-ELM突出危险性预测模型平均绝对误差为4.560,平均相对误差为3.478%,运行时间为1.286 s,较其他模型具有精准的判识度和较高的泛化能力;能充分挖掘突出时空演变的内部隐含规律,有效诠释突出危险性

立即下载
论文研究-概率核主成分分析及其应用.pdf

主成分分析(PCA)、核主成分分析(KPCA)和概率主成分分析(PPCA)是已经取得广泛应用的特征提取方法。提出一种基于概率核主成分分析(PKPCA)的检测液晶屏幕亮点的方法。作为对PPCA的一种非线性扩展,PKPCA在PPCA的基础上引入了核函数方法,因而其捕获模式非线性特征的能力更强。在KPCA和PPCA的基础上推导了PKPCA过程公式,并在检测液晶屏幕亮点的应用中将PKPCA、PPCA、PCA算法进行比较。实验结果表明,PKPCA的检测率和局部信噪比优于其他两者。

立即下载
论文研究-一种基于核主元分析的话务量特征提取方法.pdf

针对话务量的特点,提出了一种基于核主元分析的非线性的特征提取方法,该方法采用KPCA方法提取的非线性特征反映了原始输入输出数据之间的复杂关系,精简了网络输入数据阵的维数。通过仿真结果比较表明,基于KPCA-RBFNN的话务量预测模型比PCA-RBFNN模型具有较好的非线性数据处理能力,反映了该方法的有效性。

立即下载
论文研究-结合DCT与KPCA的人脸识别.pdf

核主成分分析是主成分分析在核空间中的非线性推广,能有效应用于人脸识别,但是识别过程时间开销过大仍是待解决的问题。提出了一种结合离散余弦变换和核主分量分析的人脸识别方法。对人脸图像进行离散余弦变换,选择部分系数重建图像,采用核主分量分析的方法提取人脸特征,采用最近邻分类器进行识别。在ORL人脸库上的仿真结果表明所提出的方法速度快,综合性能优于核主成分分析方法。

立即下载