TY - Jour A2 - Aguilar-López，R. Au - Zhang，Xiaoyu Au-Chen，jiusheng Au - Gan，Quan Py - 2017年DA - 2017/03/16 Ti - 基于改进的KPCA算法SP的航空安全检测- 4890921 VL - 2017年AB - 数千种航班数据集每天应为适度尺寸的舰队进行分析;因此，飞行数据集非常大。在本文中，提出了一种改进的内核主成分分析（KPCA）方法，用于通过平方预测误差统计来搜索飞行数据集中的异常签名，其中主成分的数量和置信限制的置信度自动确定openMP为基础 K. - 基于GPU的内核学习方法优化了径向基函数（RBF）中的交叉验证算法和参数。在NVIDIA GEForce GTX 660上执行，所提出的基于GPU的RBF参数的计算是112.9次（平均82.6次）比顺序CPU任务执行快。openMP为基础 K. - 培训KPCA异常检测模型的交叉验证过程比顺序CPU任务执行的速度更快地变为2.4倍（平均1.5倍）。实验表明，该方法可以有效地检测异常，精度为93.57％，假阳性报警速率为1.11％。SN - 2090-0147 UR - https://doi.org/10.1155/2017/4890921 Do - 10.1155 / 2017/4890921 JF - 电气计算机工程学报PB - Hindawi KW - ER -