共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点。本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离;点的法向与邻居点法向夹角的和;数据点曲率。然后通过八叉树方法计算模型的数据点密度,将这个密度作为阈值,特征参数大于阈值的点就是检测到的特征点。本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点。实例验证本算法可准确地检测出散乱数据点云的特征点。 相似文献
3.
《现代电子技术》2019,(9)
为了提高网络入侵的检测能力和盲取证能力,进行网络入侵节点的盲取证技术研究,提出基于分组链路转发协议融合的网络入侵节点的盲取证技术。构建入侵网络节点的分组链路转发模型,采用融合滤波控制方法进行网络入侵节点的差异性特征提取,根据提取入侵节点的差异性谱特征量进行盲源定位,采用自相关检测器进行网络入侵节点的可靠性分离,结合模糊决策方法构建入侵节点盲取证的判决统计量,采用门限阈值判断方法,结合分组链路转发协议实现路由融合,从而完成入侵节点的准确定位和盲取证。仿真结果表明,采用该方法进行网络入侵节点的盲取证,对入侵节点的定位性能较好,提高了网络入侵的检测能力,确保网络安全。 相似文献
4.
针对现有网络流量异常检测方法不适用于实时无线传感器网络(WSN)检测环境、缺乏合理异常判决机制的问题,该文提出一种基于平衡迭代规约层次聚类(BIRCH)的WSN流量异常检测方案.该方案在扩充流量特征维度的基础上,利用BIRCH算法对流量特征进行聚类,通过设计动态簇阈值和邻居簇序号优化BIRCH聚类过程,以提高算法的聚类... 相似文献
5.
为了提高光网络信息多域云访问和调度能力,提出基于角色等级树的光网络信息多域云访问控制方法。构建光网络信息多域云访的分布式存储结构模型,结合特征重建重组方法进行光网络信息多域云数据的结构重组,在高维特征空间中提取光网络信息多域云数据的关联规则性特征量,采用模糊相关性融合方法进行光网络信息多域云数据信息融合和特征调度,结合谱分析方法进行光网络信息多域云访问和信息检索,采用角色等级树进行光网络信息多域云访问过程中的分类控制,提高光网络信息多域云数据的访问和调度能力。仿真结果表明,采用该方法进行光网络信息多域云访问控制的特征分辨力较强,准确性较好,数据访问的查准性较好。 相似文献
6.
随着工业无线通信技术的逐步发展与国际化,它在工业自动化领域中发挥着举足轻重的作用。近年来,工业控制网络的安全问题受到了广泛的关注,针对工业网络中异常数据的识别研究也得到重视。目前,工业网络数据异常识别方法可以处理的大部分数据是单维的,并且数据检测只能在被测量的单个项目上执行,测量网络数据的方法复杂且检测非常不方便,测量的精确度不高。为了解决此类问题,通过查找大量的文献,对数据进行对比分析,基于无线通信的异常数据识别是针对工业网络,检测无线网络的数据,找到了一种可以检测待测多个指标数据的异常识别方法,经过实验证明可提高网络数据识别的可靠性和安全性。 相似文献
7.
8.
为准确检测光通信网络异流数据,提出基于人工智能技术的光通信网络异流数据检测方法。基于K-means聚类分析光通信网络流数据特征类型,实现特征聚类,预处理去除聚类后的网络流数据特征样本中的冗余特征;将预处理后的特征样本作为识别样本,以识别异常网络流数据特征的形式,检测异流数据。实验结果验证:此方法对多种光通信网络异流数据的检测结果与实际情况一致,具有准确检测光通信网络异流数据能力。 相似文献
9.
前兆观测数据真实可靠地应用在地震预测中前提是观测人员能够准确去除和标记干扰异常数据。为了能够在前兆数据预处理过程中由计算机及时检测出异常值,文章在时间序列的异常值检测的基础上,提出一套前兆仪器数据异常判定方法。根据异常的特征分析,首先选取合适的阈值特征进行阈值异常检测,在阈值异常检测结果的基础上,进而将其与邻近观测点数据进行相似性度量。从而达到将局部干扰异常与地球物理变化区分的目的。这种异常判定规则应用在前兆预处理中大大提高了前兆数据预处理的准确性和效率。同时,这种异常判定规则应用在实时监控中可以及时发现仪器的故障以及解决异常数据隐蔽性和时效性的问题。 相似文献
10.
受到恶劣环境影响及外部因素攻击时,针对网络产生异常节点、数据以及行为影响网络正常传输问题,提出一种分布式光纤应变传感网络节点异常状态识别方法,根据通信状态与特征筛选,确定存在异常的网络链路层,提取异常节点特征向量,在有事件和无事件两种情况下,利用双阈值法检测光纤传感网络内异常节点,在每次检测后,根据结果更新节点间信任值,既保护正常节点不被牺牲,也提高节点异常状态识别精度。经实验证明,所提方法,在400 s~550 s这一实验时间段内,第15个节点为网络内的异常节点,邻居节点能耗在1.1×104 J左右,可以准确识别异常节点位置和特征向量,节点消耗相对更小,适应性更强。 相似文献