李强军
- 作品数：2 被引量：0H指数：0
- 供职机构：兰州交通大学电子与信息工程学院更多>>
- 发文基金：教育部人文社会科学研究基金甘肃省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于矩形树图和折线图的网络流量分析
- 2016年
- 现有网络流量分析方法不具备同时直观地分析网络流量多重属性的能力,制约了多层次、细粒度的网络安全漏洞分析.结合网络流量数据具有的层次结构属性和时序属性,首先以折线图实现数据整体时序特征的可视化,发现网络"节假日模式"和"工作日模式";然后以矩形树图实现数据局部时间特征的可视化,发现产生异常的特定主机.使用该方法可视化分析Challenge1网络流量数据集,实现了由整体到局部的网络流量分析,最终发现导致网络内部数据泄露的原因.新方法在帮助网络分析人员直观分析网络攻击,多层次、细粒度发现网络攻击模式方面具有优势.
- 牛泽杰李启南李强军
- 关键词：折线图网络流量分析
- 基于互信息量和自回归模型的镜头分割方法
- 2019年
- 随着互联网的急速发展,盗版,不健康,暴力等视频在网络上肆意流窜,如何快速、有效、准确地对视频数据进行管理,已然成为迫切需要解决的问题。在视频处理过程中,首先是对镜头进行分割,然后再进行视频帧的分析处理。然而许多视频内容的复杂性比较高,不一定能得到比较好的分割结果。鉴于此,提出一种基于互信息量和自回归模型的自适应阈值镜头分割算法。该算法首先以非均匀分块加权HSV直方图为基础,通过计算两帧的互信息量求出两帧的相似度值,然后建立自回归模型产生自适应阈值进行镜头分割,最终实现突变镜头的突变检测和渐变镜头的渐变检测,并采用时间窗口进一步降低检测误差。以优酷网上随机抽取下载的真实视频为测试对象,实验结果表明,该算法可适用于不同类型的视频镜头分割,具有很好的检测效果。
- 李强军李启南
- 关键词：镜头分割自适应阈值互信息量自回归模型
