排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
针对目前-OTDR光纤分布式振动传感器由于散射光波光强不稳定造成误报率较高的问题,文中提出一种-OTDR和Mach-Zehnder干涉仪相结合的光纤分布式振动传感新系统,-OTDR和Mach-Zehnder干涉仪分别对外界振动进行探测,从而降低单一-OTDR探测的误报率。实验研究了-OTDR和提出的新的复合结构系统对外界振动探测的误报率,实验结果表明:在复杂环境下,与现有-OTDR方案相比,提出的基于-OTDR和M-Z干涉仪复合结构的方案可以有效降低系统的误报率,使系统的误报率由单一-OTDR的25%降至2%。 相似文献
2.
根据循环神经网络(recurrent neural network,RNN)与长短期记忆(long short-term memory,LSTM)网络运行特征,优化LSTM得到变体门控循环单元(gate recurrent unit,GRU)网络,构建得到GRU-LSTM算法,并与传统Softmax(逻辑回归)分类技术进行对比。研究结果表明:通过dropout(临时丢弃函数)进行网络训练,实现减弱神经元间的相互作用,有效防止过拟合。实验测试GRU-LSTM和GRU-Softmax两个模型的dropout值分别为0.82与0.79。GRU-LSTM表现出比GRU-Softmax更高的控制精确度和检测率。GRU-LSTM算法在检测攻击时将其判断成正常行为的概率较小,减小了入侵概率,获得了更优的精确度、检测率与误报率。该算法弥补了传统机器学习算法在处理数据量上的局限性。 相似文献
3.
火灾报警消防联动控制系统的漏报率和误报率及系统设计的研究 总被引:1,自引:0,他引:1
探讨了火灾报警系统的漏报率和误报率,并针对火灾报警系统的漏报率和误报率提出了火灾报警消防联动系统设计数学模型和设计方法。 相似文献
4.
5.
文章针对在带有随机丢包的网络中,对网络存储系统故障检测失误率高的问题进行了研究,结合网络随机丢包的特性,在随机丢包网络中,提出一种网络存储检测故障方法。该方法在故障检测中引入了误报率、残差评估、残差发生。通过研究证实该方法是有效的。 相似文献
6.
在预分析中监测均值和方差中某一个漂移或同时漂移时, 基于似然比检验的似然比控制图是最常用的一种质量控制方法. Sullivan等指出似然比统计量lrt(n1, n2)在n, n1和n2都很大时, 其极限分布为χ2(2). 由于在预分析中n1=2,3,…,n-2和n2=n-n1, 因此, 在n1和n2中, 不可避免的会有一个比较小. 本文对于固定的n1或nw给出了lrt(n1,n2)的极限分布, 同时也给出了这个极限分布的期望和方差. 本文也讨论了标准的似然比统计量slr(t1,n)的一些性质. 虽然slr(n1,n)包含了最重要的信息, 但是slr(i,n)(i≠n1)也包含了很多信息. 因为在这种情形下累积和控制图可以得到更多的信息, 所以我们提出两个新的基于似然比统计量的用于预分析的累积和控制图. 其中一个主要用于监测历史数据的均值变量的漂移;而另一个更具有一般性, 它既能监测均值的漂移也可以检测方差的漂移, 还能监测均值与方差的同时漂移. 模拟结果显示这两个新的控制图明显优于其它原有的控制图, 不仅表现在对于阶梯漂移的监测, 而且对于其他形式漂移的监测也同样效果明显. 相似文献
7.
一种新颖的FBG周界入侵算法的研究 总被引:2,自引:2,他引:0
针对动车(EMU)经过时引起的系统误报,提出了一 种新颖的识别算法。采用将信号的时域峰 值与频域内固定频段内能量积分的方法以提高系统抗干扰性能。利用时频分析方 法中的短时傅立叶变换(STFT),采用Hanning窗窗长为128,窗滑动点数为64, 将时域峰值所在时间段对应的STFT 1~5Hz频率范围内的能量进行积 分,以此辨别入侵与非入侵事件。根据数据分析结果以及实际应用情况,所提算法可以 在保证人为入侵漏报率FNR为零的情况下,有效地将EMU经过 引起的误报率FAR降低80%,使得光纤布拉格光栅(FBG)周界安 防系统的抗环境干扰性得到大幅提高。 相似文献
8.
介绍了入侵检测(IDS)技术的作用和发展方向,指出目前的入侵检测系统必须解决好高误报率的问题,为此提出了一种嵌入基于公共漏洞和风险(CVE)扫描技术的IDS系统的新的模型和设计方案,对该模型的CVE标准,扫描技术及IDS系统中扫描模块、动态配置模块、警报验证模块等的设计进行了详细的介绍.认为该嵌入扫描技术的IDS系统具有特征库可动态更新、低误报率和扩展性好的优点,在入侵检测方面是一种新的尝试.目前,以该模型为蓝本的IDS系统正在开发之中. 相似文献
9.
相敏光时域反射系统异常灵敏,对环境中声波、空气流动及瞬时高频噪音等干扰源同时敏感,环境干扰与入侵非线性混叠时,实际入侵检测与识别困难,容易频繁误报.本文提出一种基于时间序列奇异谱特征的扰动检测方法,对每个滑动时间窗内空间各点的纵向时间序列信号进行相空间重构,对重构后的相空间状态矩阵进行奇异值分解得到信号能量的奇异谱分布,然后将奇异谱特征向量输入后向传播神经网络进行扰动事件检测.实验结果表明,该方法能够有效排除声波及瞬时高频噪音等干扰信号的影响,在微风等有干扰的环境下,在14km处正确检测率为90%,误警率低于2%. 相似文献