-
题名滑坡易发性评价中样本不均衡问题处理研究
- 1
-
-
作者
田尤
高波
殷红
李元灵
张佳佳
陈龙
李洪梁
-
机构
中国地质科学院探矿工艺研究所
自然资源部地质灾害风险防控工程技术创新中心
四川省地质灾害防治工程技术研究中心
四川省地质环境调查研究中心
-
出处
《水文地质工程地质》
CAS
CSCD
北大核心
2024年第6期171-181,共11页
-
基金
中国地质调查局地质调查项目(DD20230449,DD20190644)
第二次青藏高原综合科学考察研究项目(2019QZKK0902)。
-
文摘
滑坡易发性评价中,样本不均衡问题的不同处理方案通常会带来评价结果的大量不确定性。针对这一问题,以藏东昌都市部分县(区)为研究区,构建滑坡/非滑坡样本不均衡数据集,采用不处理、下采样和合成少数类过采样(synthetic minority oversampling technique,SMOTE)3种处置方案,运用逻辑回归方法分别构建滑坡易发性评价模型。基于ROC曲线、准确度、精确率、召回率、漏检率等评价指标,采用综合评价指标F_(1)′同数对模型分类的精度进行验证。结果表明:数据处理成均衡数据集(过采样/下采样)建立的模型效果较不处理数据建立的模型效果有了大幅提升,F_(1)′同数的值最大提高了53.17%;在下采样、过采样两种数据处理方案中,过采样方法比下采样方法F_(1)′分数的值提高了16.30%,表明过采样方法对处理样本不均衡数据问题方面具有较好效果。研究成果可为滑坡预测和地质灾害预测前的数据集处理提供参考,为进一步提高区域防灾减灾水平提供理论与技术支持。
-
关键词
滑坡易发性
合成少数类过采样技术
评价模型
昌都市
样本不均衡数据
-
Keywords
Landslide susceptibility
SMOTE
evaluation model
Changdu
unbalanced data
-
分类号
P642.22
[天文地球—工程地质学]
-
-
题名基于投票网络解决样本非均衡的入侵检测识别模型
被引量：1
- 2
-
-
作者
李熙
梅倩
陶洁
余嘉伟
冯常奇
-
机构
武汉船舶职业技术学院
湖北教育出版社
-
出处
《江汉大学学报（自然科学版）》
2024年第3期74-86,共13页
-
基金
“新基建”视角下高职院校工科专业信息技术公共基础课程建设研究项目(2021-AFCEC-093)。
-
文摘
目前主流入侵检测系统通过学习人工标识的网络流量数据获得自动检测未知威胁的能力,但人工标识的数据出现偏差、缺失、小类样本过少等现象时,本应是攻击样本常会被认定为无害样本,致使入侵检测系统失效。大多数研究入侵检测的工作将整体性能作为检测性能的量化标准,而忽视了入侵检测的原始初衷,导致警告系统遭受攻击。针对以上问题,提出基于投票网络的智能识别模型来解决入侵检测系统训练数据不均衡的问题。通过可训练的投票模型,整合了传统机器学习模型与深度学习模型,在关注整体性能的同时,提升致命攻击的被检出率。实验结果显示,本模型在3种不同样本分布类型的数据集上均有较好的整体表现,并且有效地提高了小类别的检出率。
-
关键词
入侵检测
网络攻击识别
不均衡样本数据集
深度学习
机器学习
-
Keywords
intrusion detection
cyber attack recognition
imbalanced sample dataset
deep learning
machine learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP393
[自动化与计算机技术—计算机应用技术]
-
