图书介绍

压缩感知理论在异常检测中的应用研究pdf电子书版本下载

压缩感知理论在异常检测中的应用研究
  • 陈善雄著 著
  • 出版社: 北京:科学出版社
  • ISBN:9787030520111
  • 出版时间:2017
  • 标注页数:132页
  • 文件大小:19MB
  • 文件页数:141页
  • 主题词:数字信号处理-研究

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

压缩感知理论在异常检测中的应用研究PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 入侵检测技术概述 1

1.1计算机网络安全概述 1

1.1.1网络安全的内涵 1

1.1.2网络安全的定义 2

1.1.3网络安全的特征 3

1.1.4网络安全的根源 3

1.1.5网络安全的关键技术 4

1.2网络中潜在的威胁 5

1.2.1内部的攻击 6

1.2.2社会工程学 6

1.2.3组织性攻击 7

1.2.4意外的安全破坏 7

1.2.5自动的计算机攻击 7

1.3计算机网络安全与入侵检测 8

1.4网络安全模型 10

1.5典型的入侵检测产品 14

1.6入侵检测系统的构成 16

1.6.1入侵检测模型 17

1.6.2 IDS的体系结构 18

第2章 压缩感知理论基础 21

2.1压缩感知基本理论 21

2.2稀疏度与相干性 23

2.2.1稀疏模式 23

2.2.2稀疏信号的几何模型 24

2.2.3相干性 25

2.3约束等距条件 26

2.4压缩感知的测量矩阵 28

2.4.1高斯随机矩阵 29

2.4.2随机伯努利矩阵 29

2.4.3局部阿达马矩阵 29

2.4.4特普利茨矩阵 30

2.4.5结构随机矩阵 31

2.4.6 Chirp测量矩阵 31

2.5压缩感知重建理论 32

2.5.1基于Lp范数最小化的信号重构 32

2.5.2 L2,L1,Lp范数三者间的差异 33

2.5.3无约束的信号重构模式 36

2.6压缩感知的重构算法 36

2.6.1匹配追踪 37

2.6.2正交匹配追踪 38

2.6.3正则化的正交匹配追踪 40

2.6.4分级逐步正交匹配追踪 41

2.6.5子空间追踪 42

2.6.6可压缩采样的匹配追踪 44

2.6.7迭代硬阈值法 45

2.6.8迭代重加权最小二乘法 46

2.7本章小结 48

第3章 稀疏表示模型与建立恰当的稀疏字典 49

3.1过完备的DFT字典 50

3.2 DCT稀疏基 50

3.3 Gabor稀疏基 51

3.4字典设计 52

3.4.1参数字典设计 53

3.4.2参数字典生成算法 54

3.5实验方案 57

3.5.1 Gammatone参数字典 57

3.5.2.实验结果 58

3.5.3采样矩阵与稀疏基矩阵对比分析 64

3.6本章小结 72

第4章 基于CGLS和LSQR的联合优化的匹配追踪算法 73

4.1基本问题描述 74

4.2共轭梯度最小二乘法 74

4.3最小二乘QR算法 76

4.4基于CGLS与LSQR的组合优化匹配追踪算法 78

4.5实验及分析 81

4.5.1无噪声干扰的稀疏信号重构 81

4.5.2噪声干扰的稀疏信号重构 84

4.5.3对噪声图像的重构 85

4.6本章小结 88

第5章 基于LASSO的异常检测算法 89

5.1 LASSO问题描述 91

5.2最小二乘角回归 92

5.3 LASSO算法 94

5.4基于LASSO的异常检测模型 96

5.5实验及分析 100

5.5.1数据描述 100

5.5.2实验结果分析 100

5.6本章小结 105

第6章 基于压缩感知的入侵检测方法 106

6.1入侵检测基本原理 106

6.2基于压缩感知的入侵检测模型 108

6.3分类器的选择 109

6.3.1 k-近邻算法 110

6.3.2 C4.5决策树算法 110

6.3.3贝叶斯分类算法 110

6.3.4支持向量机 111

6.4实验及分析 111

6.4.1数据描述 111

6.4.2数据归一化 114

6.4.3实验结果分析 114

6.5本章小结 120

第7章 总结与展望 122

7.1总结 122

7.2研究展望 123

参考文献 125

精品推荐