一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.     

多信息融合的模糊边缘检测技术

提出了一种有效的模糊边缘检测算法，与传统的单纯基于图像增强技术的模糊边缘检测算法不同，此算法采用像素点的多种信息作为边缘检测的特征信息，利用模糊逻辑对这些信息进行综合，使边缘检测器输出的边缘信息更加完善且有效.实验表明，对于处理实际工作环境中的高噪图像的边缘检测问题，此算法是一种实用而有效的方法. 关键词： 边缘检测 模糊算法 融合     

基于背景粗糙度估计的红外目标检测算法

在分析海天背景下目标红外图像特征的基础上,提出了一种基于背景粗糙度估计的红外目标自适应检测算法.该算法利用LOG算子进行目标基本轮廓检测,将目标的中心点作为区域生长的种子点,通过背景粗糙度估计自适应确定LOG算子参量,完成目标图像分割.与传统检测方法比较,采用该处理方法进行小目标检测及识别过程的预处理,可以有效地减少运算量,提高检测速度,抑制对不必要的种子点进行区域生长,提高了目标的检测概率.     

基于特征似然度加权和维数缩减的Robust语音端点检测

传统的语音端点检测方法在低信噪比环境下可靠性会急剧下降。本文提出了两种特征处理方法:特征的似然度加权和基于散度的维数缩减,来提高噪声下端点检测的性能。通过加权增加动态特征在似然度计算中的比重,可以提高端点检测的噪声Robustness。缩减散度值较小的特征维,对检测精度只有很小的影响,但可以提高检测效率。似然度加权对维数缩减之后的特征同样有效。在Aurora2数据库上的实验结果显示,在干净数据训练的检测模型下,似然度加权可以显著提高噪声下的端点检测性能。对维数缩减后的特征进行似然度加权,获得了与原始特征似然度加权相当的检测性能。这说明本文提出的方法是有效的。     

脉冲声信号影响锥特征的自适应选取EI北大核心CSCD

为了解决低信噪比下脉冲声信号影响锥特征的自适应选取和检测问题,提出了一种改进的整体嵌套边缘检测方法。利用脉冲信号小波域的时间-尺度分析谱图中明显的边缘效应特征,构造自适应影响锥(A-COI)模型。该模型可自适应输出最适影响锥部分,在减弱噪声干扰的同时最大程度的包含了脉冲信号的主要特征。进而将最适影响锥部分对应的小波系数用于脉冲信号检测,有效提升了低信噪比下的检测性能。对典型直升机桨-涡干扰脉冲信号的仿真和实验数据进行分析,结果表明在0 dB,2 dB,5 dB信噪比的复杂环境下,使用基于A-COI模型的检测率分别达到了65.13%,82.33%,95.27%,相对于传统固定大小影响锥的检测算法提升了42.42%,22.99%和2.36%。     

移动计算环境下远程用户体验数据挖掘方法研究

在移动计算环境下,通过对远程用户的体验数据优化挖掘,满足远程用户的个性化需求,提高对远程用户QoS服务质量。传统的数据挖掘方法采用显著特征关联信息提取算法,当远程用户体验数据之间的差异性特征不明显时,挖掘的准确性不好。提出一种基于关联用户自适应链路跟踪补偿的移动计算环境下远程用户体验数据挖掘模型,进行远程用户体验数据挖掘模型的总体设计和数据结构特征分析,对采集的远程用户体验数据进行非线性时间序列分解,对数据序列通过自相关特征匹配和特征压缩实现挖掘数据的指向性信息优化提取,采用关联用户自适应链路跟踪补偿方法实现对数据挖掘误差的控制和补偿,提高了数据挖掘的准确性和有效性。仿真结果表明,采用该挖掘方法进行移动计算环境下远程用户体验数据挖掘的准确度高,实时性较好,满足了移动远程用户的个性化需求,提高了对用户服务的针对性。     

改进的YOLO V3算法及其在小目标检测中的应用

针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显,提出对原网络输出的8倍降采样特征图进行2倍上采样,将2倍上采样特征图与第2个残差块输出的特征图进行拼接,建立输出为4倍降采样的特征融合目标检测层。为了获取更多的小目标特征信息,在YOLO V3网络结构Darknet53的第2个残差块中增加2个残差单元。利用K-means聚类算法对目标候选框的个数和宽高比维度进行聚类分析。用改进的YOLO V3算法和原YOLO V3算法在VEDAI数据集上进行对比实验,结果表明改进后的YOLO V3算法能有效检测小目标,对小目标的召回率和检测的平均准确率均值都有明显的提升。     

一种基于S曲线模型的红外焦平面阵列非均匀性自适应校正算法

针对红外焦平面阵列(IRFPA)中探测元的非线性响应以及响应特性的漂移引起的校正误差,提出了一种基于S曲线模型的场景自适应校正算法.该算法利用对数运算将IRFPA的输出信号线性化.并运用自适应滤波技术对线性信号实施非均匀性校正,并采用指数变换还原出实际的校正输出信号.基于人造黑体图像和实景红外视频的仿真实验结果表明.该算法在校正精度和大动态范围信号响应特性方面均优于传统的场景自适应校正算法.     

Data detection for the P-SLAM optical data storage system

This paper presents an intersymbol interference (ISI) and system noise analysis of the P-SLAM (parallel-sub-lambda) optical data storage system. Data are stored in sub-wavelength features accessed by transmitting light through the structure and collecting optical power measurements in the near-field. The non-linear ISI caused by the interactions of light between these features is characterized using finite-difference time-domain (FDTD) simulations. A system noise analysis is also presented that quantifies the effects of imperfections in fabrication and material properties. Previously, the authors proposed a detection scheme that dealt with the non-linear ISI by physically reducing it with air gaps. In this paper a signal processing method, the Viterbi algorithm, is proposed to overcome ISI. A modification is proposed to the Viterbi algorithm that is designed to deal with both the non-linear ISI and system noise. System simulations are used to show the uncoded bit error rate of the system is similar to current technologies. Conservative predictions estimate a data density of 5 Gbits/cm² for the system which exceeds densities achievable by current optical technologies.     

对比变分自编码器的近红外光谱测量及其在液态样品检测中的应用

近红外光谱是热门的食品检测方法之一,对于这种高维光谱数据的分析常常需采用数据降维算法提取其中的特征,然而绝大多数算法都只能针对单个数据集进行分析。虽然已有基于对比学习的对比主成分分析成功应用于不同水果表面农残的近红外光谱检测中,但是该方法只能以线性的方式组合原有特征,特征提取效果存在局限性,并且需要调节对比参数来控制背景集影响,需要消耗更大的时间成本。cVAE（contrastive variational autoencoder）是一种基于对比学习和变分自编码器的改进算法,被用于图像去噪和RNA序列分析中,它仍然具备分析多个数据集的特点,同时因为组合了神经网络的概率生成模型而具备了提取非线性隐含特征的能力。将cVAE算法应用于近红外光谱分析,建立了准确的近红外光谱数据降维模型。在实际验证中,使用cVAE算法对购买的不同品牌和批次纯牛奶中掺假三聚氰胺进行检测。结果表明,使用VAE算法只能区分出不同品牌和批次的纯牛奶,而其中是否掺假三聚氰胺这一重要信息无法表现出来;而使用cVAE算法进行数据分析时,由于添加了背景数据集分离了无关变量,能够清晰的将有无掺假三聚氰胺的样本分类。这说明了,cVAE不仅具备了cPCA（contrastive principle component analysis）在近红外光谱数据降维中的优势,而且具备提取非线性特征的能力,同时不需要调节可变参数,能够更方便地建立近红外光谱降维模型。     

基于模糊技术的非线性系统目标跟踪融合算法

提出了一种基于模糊技术的非线性系统中多传感器目标跟踪融合算法.在基于卡尔曼滤波器的分布式融合算法中,利用模糊技术中的决策距离思想,对实时跟踪目标的多传感器进行动态分组,以获得在非线性系统中目标跟踪的最佳融合数据精度.仿真结果证明,该算法是一种有效的分布式融合算法.     

Method of Calculating the Radiance of Point-Source Target in Infrared Image

In traditional method of obtaining the radiance of target in infrared image, a target is often considered as an extended source. In that way, we only need the atmosphere transmittance, path radiance, and target apparent temperature to calculate the blackbody equivalent temperature of the target. However, in real infrared system imaging process, the target may be so far from the sensor that the target should be taken as a point source. In that case, the traditional data analysis method is not applicable anymore. A new method of calculating the radiance of small target is presented, which is based on the infrared system imaging theory. And the parameter needed to be input in this method is easily obtained. This method is tested by three different imaging systems. They are Thermal Vision AGEMA 900, AGEMA 1000, and Airborne Surveillance Pod Imaging System. The method is programmed into software, IRIDAS (Infrared Radiation Image Data Analysis Software) version 1.0. This software includes infrared imaging system calibration, atmosphere modification calculation, target and background selection and radiance calculation. This method can be used in infrared data anaylsis, infrared system evaluation and testing, target and background characteristics obtaining.     

Automated correction of unwanted phase jumps in reference signals which corrupt MRSI spectra after eddy current correction

A commonly applied step in the postprocessing of gradient localized proton MR spectroscopy, is correction for eddy current effects using the water signal as a reference. However, this method can degrade some of the metabolite signals, in particular if applied on proton MR spectroscopic imaging data. This artifact arises from the water reference signal in the presence of a second signal which resonates close to the main water resonance. The interference of both resonances will introduce jumps in the phase of the reference time domain signal. Using this phase for eddy current correction will result in a ringing artifact in the frequency domain of the metabolite signal over the whole frequency range. We propose a moving window correction algorithm, which screens the phase of reference signals and removes phase jumps in time domain caused by interference of signals from multiple spin systems. The phase jumps may be abrupt or gradually distributed over several time data points. Because the correction algorithm only corrects time data points which contain phase jumps, the phase is minimally disrupted. Furthermore, the algorithm is automated for large datasets, correcting only those water reference signals which are corrupted. After correction of the corrupted reference signals, normal eddy current correction may be performed. The algorithm is compared with a method which uses a low-pass filter and tested on simulated data as well as on in vivo proton spectroscopic imaging data from a healthy volunteer and from patients with a brain tumor.     

分形信号算法的CASI高光谱数据岩性特征提取

高光谱数据具有图谱合一和数据量大的特点,数据降维是主要的研究方向。波段选择和特征提取是目前高光谱降维的主要方法,就高光谱数据图像岩性特征提取的方法进行了试验和探讨。基于高光谱影像的自相似特征, 探索了分形信号算法在CASI高光谱数据岩性特征提取上的应用研究。以CASI高光谱影像数据为研究对象, 将基于地毯的方法进行修正后用于计算高光谱影像中每一像元的分形信号值。试验结果表明, 与其他分类算法相比分形信号算法增强高光谱图像的影像特征从另一个侧面更细致的描述了不同光谱的可区分性。分形信号影像在一定程度上可以更好地突出基岩裸露地区岩性特征, 从而可以实现影像地表岩性特征提取的目的。原始光谱曲线自身形态特征、初始尺度的选择以及迭代步长等对分形信号和分形特征尺度均有影响。目前,光谱曲线的分形信号特征研究还不多,对其物理意义和定量分析尚需要深入研究。     

A novel 3D geometric object filtering function for application in indoor area with terrestrial laser scanning data

In measurement technology, besides the photogrammetric method, terrestrial laser scanning and modeling technology are densely used in architectural documentation and cultural heritage studies. In the perception of engineering perspective, these two methods are independent of each other. However, these two methods can be combined with each other in the essential parts of architectural documentation and cultural heritage studies. While one is implementing these applications, the working procedure is so significant that if the amount of data increases, time consumption reaches higher levels. These two methods are compulsorily optimized for working in a collaborative way, especially in the large-scale studies. This necessity leads to the application of two types of integration. One of them is the hardware integration, and the other one is the data integration. In this study, a new data integration model is suggested for the operating processes in architectural documentation and cultural heritage studies, with the terrestrial laser scanning that uses new data production methods of photogrammetry. The mathematical model and algorithm in the presented integration model is programmed in MatLAB 7.0 and is tested with the original data set. At the end of the study, results are discussed and comments are made so that the advantages and disadvantages of the functional model of the algorithm are presented. The functional model is explained, benefiting from the object-oriented programming languages in the MS Windows system.     

空间有源消声的微机控制

本文讨论用通用微机控制空间有源消声．以修正的PID（比例、积分、微分）算法加上逻辑判断构成的控制软件，使得系统收敛迅速，跟踪速度快，消声效果令人满意，而且系统工作稳定可靠，     

空间有源消声的微机控制

本文讨论了通用微机控制空间有源消声，以修正的ＰＩＤ算法加上逻辑判断构成的控制软件，使得系统收敛迅速，跟踪速度快，消声效果令人满意，而且系统工作稳定可靠。     

基于RDC-PSOA的复杂自动化控制最优任务规划方法研究

在复杂的自动化控制模型中进行最优任务规划数据推荐时,容易出现只将任务分配给最先执行的处理器的情况,导致个别处理器上任务分配过多,造成整体时间跨度增加,提出一种基于推荐数据特点粒子群优化(Recommended data characteristics-Particle swarm optimization algorithm: RDC-PSOA)的复杂自动化控制最优任务规划方法,以一群随机粒子为初始解,依据复杂自动化控制模型中任务规划数据推荐问题的特点,在粒子群算法的基础上,重新塑造粒子描述形式,对粒子的位置与速度进行编码,将粒子群算法映射到离散空间,通过迭代获取全部可能的自动化控制任务规划方案,实现数据的有效推荐。仿真实验结果表明,所提方法不仅具有很强的收敛能力,而且数据推荐完成时间短,性能优越。