一类Gauss过程增量的一般形式

不文在较一般的条件下考察了2a一分数Brown运动增量的一般形式.     

SDN环境下的DDoS攻击检测方案

DDoS攻击(分布式拒绝服务攻击)对于软件定义网络的危害是致命的,如何快速准确地检测出DDoS攻击对于SDN安全至关重要。提出一种SDN(software-define networking)环境下基于广义信息熵和GA-RBFNN(genetic algorithm-radical basis function neural network)的DDoS攻击检测方法。利用熵检测流量,根据划分的阈值把检测结果分为正常,异常和攻击。对于异常的警告,控制器通过提取OpenFlow交换机的8元流量特征,利用GA-RBFNN来检测是否发生DDoS攻击。实验表明,与其他方法相比本方案提高了检测准确率,降低了控制器开销,有较好的综合检测能力。     

$l^p$-值Wiener过程在H\"older范数下的泛函重对数定律[英文]

在H\"older范数生成的强拓扑下, 基于$l^2$-值Wiener过程的大偏差公式, 本文得到了H\"older范数意义下, $l^2$-值Wiener过程的泛函重对数定律, 也得到了$l^p$-值Wiener过程的泛函重对数定律, 在这里$1\leq p<\infty$.     

两参数Wiener过程的Csörg&#337;-Révész增量有多大

基于两参数Wiener过程增量的大偏差原理, 给出了两参数Wiener过程增量的极限点集.     

于自正则化的ErdÖs-Rényi-Shepp型强大数律的收敛速度

利用适当的自正则化因子,Csrgo″ M.等建立了Erds-Rényi-Shepp型强大数律。本文考察了其结果的收敛速度,获得其收敛速度为O(k-1nlog kn),其中kn=［c log n］(c>0)。     

关于多指标变量大数律尾概率级数的完全收敛性

本文对iid多指标随机变量序列的部分和及H(t)↑+∞,(t→+∞),提出并讨论了Порохоров的3个问题(d≥2),并讨论了多指标随机变量和的完全收敛性.     

基于深度残差网络的水下海参自动识别研究

水下海参自动识别是水下机器人捕捞海参的关键技术,为解决水下海参识别,基于深度残差网络构建了水下海参识别自动识别算法.研究图像数据采集自山东省海阳市千岛湖海参养殖场,以海参图像为正样本,非海参图像为负样本构建数据集,分别以图像分辨率32×32像素、经过对比度受限自适应直方图均衡化(Contrast-Limited Adaptive Histogram Equalization,CLAHE)算法增强的图像、分辨率为64×64像素图像、分辨率为128×128像素图像进行模型训练与识别.结果显示:1)经过CLAHE增强的图像在训练时效果较好,收敛速度快,准确性较高,但是经过训练的模型泛化性能差;2)图像分辨率64×64像素时,在收敛速度、准确性方面更优,识别准确度、精确度、召回率分别为0.9037、0.9143、0.8889,AUC为0.95;3)图像分辨率为128×128像素时,识别效果最差,图像分辨率的提高没有提高模型的识别准确率.     

lp-值Wiener过程子列C-R型增量在H?lder范数下的泛函样本轨道性质

得到了l~p-值Wiener过程(1≤p∞)子列C-R型增量,在H?lder范数下的泛函样本轨道性质,推广了l~p-值Wiener过程的泛函重对数定律.     

l~p-值Wiener过程在Hlder范数下的泛函重对数定律（英文）

在Hlder范数生成的强拓扑下,基于l~2-值Wiener过程的大偏差公式,本文得到了Hlder范数意义下,l~2-值Wiener过程的泛函重对数定律,也得到了l~p-值Wiener过程的泛函重对数定律,在这里1≤p∞.