本文選題：流 + 識(shí)別與分類�。� 參考：《計(jì)算機(jī)應(yīng)用研究》2017年07期

【摘要】：目前關(guān)于流識(shí)別與分類的主流技術(shù)是基于統(tǒng)計(jì)學(xué)方法,其核心環(huán)節(jié)是提取有效的特征屬性集,但這種方法的假設(shè)條件是,特征互不相關(guān)、數(shù)據(jù)也互不相關(guān)。正因?yàn)檫@種假設(shè)的不合理性,使得分類效果和識(shí)別性能有限,引入以數(shù)據(jù)相關(guān)性為核心的多重分形理論,從根本上擯棄獨(dú)立假設(shè)的局限性與狹隘性,實(shí)現(xiàn)流的有效分類。為此,定義并論證流的分形譜,在此基礎(chǔ)上推導(dǎo)流的估計(jì)譜,然后在定義的核域內(nèi)基于灰色關(guān)聯(lián)度進(jìn)行估計(jì)譜分析,繼而脫離特征提取過(guò)程實(shí)現(xiàn)流的分類識(shí)別。最后通過(guò)系列實(shí)驗(yàn)顯示流的分形性和分形譜,并進(jìn)行實(shí)際分類效果的縱向比較和橫向比較。研究結(jié)果表明,基于多重分形理論的流分類識(shí)別方法,有效彌補(bǔ)了統(tǒng)計(jì)學(xué)方法所不可避免的獨(dú)立假設(shè)缺陷,因此具有強(qiáng)大而高效的識(shí)別未知流的能力,也特別適合于動(dòng)態(tài)多變的在線識(shí)別。
[Abstract]:At present, the mainstream technology of flow recognition and classification is based on statistical method, the core of which is to extract effective feature attribute set. However, the assumption of this method is that the feature is not related and the data is not related.Because of the irrationality of this assumption, the classification effect and recognition performance are limited. The multifractal theory with data correlation as the core is introduced, and the limitation and parochialism of independent hypothesis are abandoned fundamentally, and the effective classification of flow is realized.For this reason, the fractal spectrum of the flow is defined and proved, and the estimated spectrum of the diversion flow is pushed on this basis, and then the estimated spectrum is analyzed based on the grey correlation degree in the defined kernel domain, and then the classification and recognition of the flow is realized without the feature extraction process.Finally, a series of experiments are carried out to show the fractal character and spectrum of the flow, and the vertical and horizontal comparison of the actual classification results is carried out.The research results show that the multi-fractal theory based flow classification recognition method can effectively compensate for the inevitable independent hypothesis defects of statistical methods, so it has a powerful and efficient ability to identify unknown flows.It is also especially suitable for dynamic and changeable online recognition.
【作者單位】： 安徽師范大學(xué)物理與電子信息學(xué)院;南京郵電大學(xué)通信與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61401004) 安徽省自然科學(xué)基金資助項(xiàng)目(1508085QF133) 安徽師范大學(xué)創(chuàng)新基金資助項(xiàng)目(901-741407)
【分類號(hào)】：TP393.06

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳雙平;鄭浩然;劉金霞;童慶;王煦法;;離散穩(wěn)恒信號(hào)的多重分形譜的計(jì)算及其應(yīng)用[J];電子與信息學(xué)報(bào);2007年05期

2 張勝;方向;張衛(wèi)平;;基于簡(jiǎn)化多重分形譜算法的聲信號(hào)預(yù)警識(shí)別[J];探測(cè)與控制學(xué)報(bào);2011年03期

3 張健;徐紅兵;王情;;多重分形譜在集成電路動(dòng)態(tài)電流故障診斷中的應(yīng)用[J];電子科技大學(xué)學(xué)報(bào);2011年04期

4 劉雁;慕德俊;;局域網(wǎng)流量的多重分形譜分析及關(guān)聯(lián)性研究[J];計(jì)算機(jī)應(yīng)用研究;2008年10期

5 熊剛,孫霞,劉文漢,吳自勤;TiN/TaN多層膜原子力顯微鏡圖像的多重分形譜[J];電子顯微學(xué)報(bào);2000年04期

6 張?jiān)茝?qiáng);張培林;任國(guó)全;徐超;王國(guó)德;;鐵譜磨粒多重分形特征研究[J];潤(rùn)滑與密封;2012年05期

7 劉雁;慕德俊;張家忠;;基于多重分形譜的局域網(wǎng)流量預(yù)測(cè)[J];系統(tǒng)仿真學(xué)報(bào);2009年12期

8 安金坤;田斌;易克初;于全;;OFDM信號(hào)的多重分形譜特征盲識(shí)別算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年07期

9 孫霞,王曉平,吳自勤;聚合物PtBuA薄膜不同溫度下的AFM圖像及其多重分形譜[J];電子顯微學(xué)報(bào);2001年04期

10 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 熊剛;孫霞;劉文漢;吳自勤;;TiN/TaN多層膜原子力顯微鏡圖像的多重分形譜[A];第十一次全國(guó)電子顯微學(xué)會(huì)議論文集[C];2000年

2 孫霞;王曉平;吳自勤;;聚合物PtBuA薄膜不同溫度下的AFM圖像及其多重分形譜[A];第二屆全國(guó)掃描電子顯微學(xué)會(huì)議論文集[C];2001年

相關(guān)博士學(xué)位論文 前1條

1 余俊;證券市場(chǎng)的分形特征研究[D];青島大學(xué);2008年

相關(guān)碩士學(xué)位論文 前9條

1 卓杜;壅塞空化噪聲信號(hào)分形特性的研究[D];湖南工業(yè)大學(xué);2015年

2 彭松;基于小波變換的期貨市場(chǎng)多重分形譜研究[D];安徽大學(xué);2010年

3 郝冰;基于多重分形譜的高頻數(shù)據(jù)實(shí)證研究[D];昆明理工大學(xué);2007年

4 胡長(zhǎng)安;基于分形理論的中國(guó)股市預(yù)警機(jī)制研究[D];南京財(cái)經(jīng)大學(xué);2010年

5 宋坤;基于多重分形譜的高頻股價(jià)時(shí)間序列的波動(dòng)研究[D];重慶大學(xué);2005年

6 劉丹;滬銅期貨市場(chǎng)的多重分形譜應(yīng)用研究[D];北方工業(yè)大學(xué);2015年

7 劉曉敏;分形軟件系統(tǒng)在江西省大吉山鎢礦礦產(chǎn)預(yù)測(cè)中的應(yīng)用[D];中國(guó)地質(zhì)大學(xué)（北京）;2009年

8 王Z，

本文編號(hào)：1760416