杜红乐
- 作品数：28 被引量：86H指数：6
- 供职机构：商洛学院更多>>
- 发文基金：陕西省自然科学基金陕西省教育厅科研计划项目广东省科技计划工业攻关项目更多>>
- 相关领域：自动化与计算机技术冶金工程电子电信金属学及工艺更多>>
- 基于HT-SVM的协同网络入侵检测
- 针对当前计算机网络规模大、速度高、结构复杂等特点，使得检测代理负载过大导致丢包率较高而准确率较低，提出了基于Huffman树SVM（HT-SVM）的协同网络入侵检测，根据网 络协议对网络数据进行分流，通过构建多个检测代理...
- 杜红乐樊景博刘爱军曹静赵建华
- 关键词：协同入侵检测支持向量机
- 应用型本科《大学计算机》分级分类教学研究被引量：2
- 2014年
- 不同学科对计算机知识需求不同,学生对计算机基础知识的掌握也存在差异,结合"以人为本、因材施教"的教学理念,以学生专业需求为入口,结合我校应用型本科的定位,对"大学计算机基础"分类分级教学法进行探究。从教学目标制定、教学内容选择、实验内容选择及考试方式等方面进行改革,以提高我校计算机基础课程的教学质量。
- 杜红乐辛建军张燕
- 关键词：大学计算机基础分级教学分类教学
- 深度学习在实践教学中的应用研究被引量：22
- 2015年
- 深度学习指在教师的引导下学生以有意义学习、自主学习、探究学习等方式充分发挥教师的主导作用和学生的主体作用,在深入分析深度学习的含义、现状的基础上,在《路由与交换技术》课程中进行深度学习尝试,从课程实践教学安排到各个教学环节的实施,到多元化的考核方式对深度学习进行探讨,培养学生实践能力、创新意识、创新精神及团队合作意识等综合能力,在该课程的教学实践过程中取得比较好的教学效果。
- 杜红乐张燕
- 基于增量支持向量机的入侵检测算法
- 2017年
- 针对网络入侵检测无法识别新的入侵行为,利用增量学习不断完善分类器,使得分类器可以识别新的入侵行为。提出一种基于相似度的增量支持向量机算法,该算法依据新增样本与支持向量之间的相似度来选择样本(当前分类器缺少该样本的空间信息),然后加入训练集中参加下一次迭代训练。实验结果表明,该算法能够提高最终分类器的分类精度和算法的训练速度。
- 杜红乐张燕
- 关键词：支持向量机入侵检测相似度
- 以应用为导向的网络工程教学探索被引量：2
- 2015年
- 针对我校应用型本科的定位,结合人才需要及深度学习理念,对《网络工程》课程进行以应用为导向、项目驱动、情境引入的教学改革探索,在该教学模式下,课程设计及单元设计以应用为导向、能力培养及素质养成为目的,把深度学习的创设情境、研究分析情境、自主探索、协作交流、总结提高五步教学法引入到单元设计和教学中,考核采用过程与结果相结合、理论与实践并重的多元化考核方式,培养学生知识获取能力、知识的应用能力、创新能力及职业素质,在该课程的教学实践过程中取得比较好的教学效果。
- 杜红乐张燕
- 关键词：网络工程教学改革
- 基于神经网络的协同入侵检测
- 2011年
- 针对计算机网络规模大、网络流量大、结构复杂等特点,使得检测代理负载过大导致丢包率较高而准确率较低,提出了基于神经网络的协同入侵检测,该方法根据网络协议构建多个检测代理(TCP检测代理、UDP检测代理和ICMP检测代理),多个检测代理协同工作减少检测代理的负载,从而提高检测准确率。最后用KDDCUP99进行仿真实验,结果表明该方法可以有效提高训练时间和检测时间,同时提高准确率。
- 杜红乐
- 关键词：网络安全神经网络入侵检测
- 不均衡数据集下的入侵检测被引量：5
- 2016年
- 在直推式支持向量机(transductive support vector machine,TSVM)中,迭代过程中样本标注错误会导致错误传递,影响下一次迭代中样本标注准确度,使得错误不断地被积累,造成最终分类超平面的偏移。在不均衡数据集下,传统支持向量机(support vector machine,SVM)对样本分类的错误率较高,导致TSVM在每次迭代中标注样本准确度不高。针对此,本文提出一种不均衡数据集下的直推式学习算法,该算法依据各类支持向量的密度分布关系动态计算各类的惩罚因子,提高每次迭代中样本标注的准确度,算法在继承渐进赋值和动态调整规则的基础上,减少分类超平面的偏移。最后,在KDD CUP99数据集上的仿真实验结果表明该算法能够提高TSVM在不均衡数据下的分类性能,降低误警率和漏报率。
- 杜红乐张燕张林
- 关键词：支持向量机不均衡数据集直推式学习半监督学习入侵检测
- 基于Tri-training直推式支持向量机算法
- 2017年
- 针对直推式支持向量机错误累积及获取无标记样本空间信息慢的问题,结合Tri-training算法、KKT条件及富信息策略提出一种基于Tri-training的直推式支持向量机算法,用KKT条件选择标注样本,用富信息策略选择加入的分类器,利用多个分类器的投票结果进行标注,提高样本标注的准确度,利用多个分类器进行协同训练提高算法的训练速度.最后实验结果表明,算法能够提高最终分类器的分类精度和算法的训练速度.
- 杜红乐张燕
- 关键词：支持向量机直推式学习半监督学习
- 不均衡数据混合取样分类算法被引量：6
- 2015年
- 针对不均衡数据分类决策面偏移导致少数类识别率较低的问题,提出一种混合取样算法.首先计算类样本数的比值K;然后分别在多数类和少数类中随机选取一个样本,计算该样本的K-1近邻,以K个样本的中心作为新样本;再对剩余的样本重复上面操作,直到所有样本都被处理;最后所得新样本与原少数类样本共同构成新的训练集.该算法在改变样本密度的同时保持了原样本的空间分布,实验结果表明该算法能够提高SVM在不均衡数据下的分类性能,尤其是少数类的分类性能.
- 杜红乐张燕
- 关键词：支持向量机过取样不均衡数据集
- 基于聚类和协同标注的TSVM算法被引量：4
- 2017年
- 针对数据集中类样本不均衡、样本标注代价大的问题,结合聚类算法、委员会投票思想和TSVM算法,提出一种基于聚类和协同标注的TSVM算法,该方法利用聚类算法进行子集划分,保证每个子集都包含良好的空间信息,对样本的标注采用多个分类器进行投票,提高标记准确率,减少错误的累积和传递,提高标注准确率,增强最后分类器的泛化性能.KDDCUP99数据集上的实验结果表明该方法对未知攻击有较高的检测准确率.
- 杜红乐张燕
- 关键词：直推式支持向量机聚类算法
