基于多层支撑矢量机分类算法提取最优抗体集的研究

提出在危险模式入侵检测系统中使用利用多层支撑矢量机分类算法对免疫克隆算法对原始数据的行为特征集进行优化获得的最优抗体集合,可以大大缩短危险模式入侵检测系统抗体模式库的训练时间。     

基于改进BP神经网络的彩色图像边缘检测

利用改进的BP神经网络模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息,在RGB彩色空间中通过欧式距离度量像素之间的差异获得灰度图像;为了降低训练样本的数量,将灰度图像二值化作为导师信号;针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文章将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进。利用该方法对二值图像进行了边缘检测,实验结果表明,该方法对二值图像的边缘检测较传统的检测方法具有更好的效果。     

核主成分SVM在煤炭网络入侵检测中的应用

针对煤炭网络入侵检测数据属性非线性冗余的特点,提出了一种核主成分分析支持向量机检测方法。该方法可以有效地对非线性冗余属性提取主成分,提高了入侵检测的精度。在kdd cup 99数据集上的实验表明本文方法较传统支持向量机检测方法和主成分分析支持向量机检测方法具有明显的优势。     

基于遗传算法的多决策树融合研究

决策树是数据挖掘领域的一种有效方法,但基于决策树挖掘的入侵检测系统存在着检测性能低和数据挖掘效率不高等问题,针对这些问题,该文将遗传算法应用到决策树挖掘策略中。其思想是其思想就是将海量数据集分成若干子数据集,在子数据集上进行挖掘形成不同的子决策树,然后用遗传算法将多棵子决策树进行融合形成最优判断。文章最后通过实验证明该方法的有效性。     

基于RS-ISVM的网络入侵检测研究

目前入侵行为有多样化和复杂化的趋势,如何快速准确地检测出新未知类型的攻击已成为研究焦点。文章将增量式学习引入支持向量机中,巧妙将粗糙集的属性约简与增量式支持向量机较强泛化能力相结合,建立一种基于RS-ISVM的网络入侵检测系统模型。并充分利用广义KKT条件作为判断标准,来提高分类的精度和节约训练时间,经理论分析和实验阐明了该组合模型对入侵检测的有效和合理性。     

基于无人机视觉的河道漂浮垃圾分类检测技术研究

传统人工河道漂浮垃圾巡检耗时耗力，无人机、无人船河道巡检成为主要方式，目前尚局限于河道漂浮垃圾图像人工判读或简单计算机目标检测，缺乏对漂浮垃圾的自动分类检测。基于无人机航拍影像构建了研究区河道漂浮垃圾数据集，使用深度学习方法对垃圾进行分类识别。顾及河道漂浮垃圾类别不均衡以及在无人机影像中占比较小等情况，在多尺度检测以及数据增强等方面对YOLOv5s目标检测算法进行了针对性改进，经试验验证，改进后算法相较于原始算法，提升了对小目标的检测精度，其类别均衡准确率提高了3.47%。研究表明：将深度学习方法与无人机技术相结合能够高效、准确地对垃圾进行识别和分类，为治理河道漂浮垃圾提供决策依据。     

煤矿安全网中基于已知样本的快速聚类入侵检测算法

针对煤矿安全生产信息系统中出现的网络入侵问题,在网络入侵异常检测技术中提出一种基于已知样本的快速聚类入侵检测算法.该算法通过对已知样本训练来准确获得初始聚类中心,同时运用对象分离的方法计算聚类中心和非相似度,解决了由于传统聚类算法随机选取初始聚类中心和只能计算单一连续属性或离散属性带来的网络异常检测中误报率高而检测率低的问题.实例验证表明:该算法比传统聚类算法的检测率提高了30%,误报率降低了25%,并且能获得对新型攻击的检测.     

基于危险理论的计算机网络入侵检测

通过网络流量信息进行网络入侵检测可以在入侵者未察觉的情况下,检测可能的入侵行为,再搭配其他网络设备对可疑入侵进行阻断,可以保护用户或伺服主机的安全。危险理论作为入侵检测系统架构的核心技术,来提高网络入侵检测的性能。文中分析了基于网络入侵检测的理论基础,以及危险理论在网络入侵检测系统中的应用。     

基于实值反向选择算法的齿轮箱异常检测

在人工免疫系统反向选择机理的基础上,分析了二进制反向选择算法的缺点及采用实值编码的优点。在利用实值编码的反向选择机理中加入2个进化学习机制,对原始反向算法进行改进得到实值反向选择算法,并应用于机床齿轮箱的运行状态检测。结果表明,该算法产生的检测器集合对非己空间有很好的覆盖能力,并得到了很高的异常检测率。     

基于移动激光扫描技术的隧道断面变形检测方法

文中提出了基于移动激光扫描技术的隧道断面变形检测方法.通过对移动激光扫描车获取的隧道点云数据进行环片提取,并利用改进多边形裁剪算法统计隧道环片的拉伸度及挤压度指标,结合环片各角度形变值综合检测隧道变形状况.采用成都地区的圆形盾构隧道数据进行了方法的验证,实验结果证实了该方法的可行性和有效性.     

云计算在移动通讯领域关键技术中的应用

移动通讯领域的快速发展产生了大量的数据,庞大规模的数据给通讯领域中关键技术的发展带来了巨大的挑战。传统的逻辑回归算法不具有处理海量数据的能力。本篇论文中,针对移动通信领域中的大规模数据,提出在云计算平台下高效准确构建逻辑回归模型的算法。通过大量的实验表明了改进的算法具有明显的高效性以及很好的可扩展性。     

云平台下的基于项目的KNN协同过滤算法在煤炭系统中的研究与应用

随着互联网技术的发展,往往希望通过分析消费者已有的历史数据,推荐消费者可能感兴趣的产品,并进一步取得更好的销售记录。煤炭系统中希望通过分析用户的消费记录,从而推荐给用户潜在的煤炭产品,提高煤炭的销售量。基于用户协同过滤算法被广泛地应用在煤炭推荐系统中,基于项目的 KNN协同过滤算法是通过分析产品之间的相似性完成聚类并推荐。传统的基于项目的 KNN协同过滤算法对现有的海量规模的煤炭系统中的销售记录数据不能高效、快速地完成推荐工作。文章基于海量规模数据,提出了基于MapReduce的分布式、基于项目的KNN协同过滤算法。通过实验结果表明,文中提出的算法具有很高的加速比,并且,具有很好的可扩展性。     

基于噪声检测的矿井视频监控图像投票中值滤波

矿井视频监控由于受到井下光照不均匀、高浓度粉尘、成像器件电压不稳定等因素的影响,导致实时获取的图像对比度不高且含有大量的颗粒状噪声,严重影响对图像的准确判读与分析。为此,对经典中值滤波算法进行了改进,提出了一种融合噪声检测策略与投票统计学原理的改进型中值滤波算法。首先对获取的原始矿井视频监控图像采用双平台直方图均衡化算法(Double platform histogram equalization,DPHE)进行处理,该算法通过对图像各灰度级对应的像素点数目设定2个阈值(平台值)对图像背景信息进行抑制,对图像细节信息进行增强;然后将增强后的图像划分为多个规则图像块,根据各图像块内像素点灰度值的分布特征设计了一种噪声图像块自适应检测方法,若某图像块内的灰度值异常点数目超过一定限值,则该图像块被标记为噪声图像块;最后,对噪声图像块进行投票中值滤波。采用C++语言对所提算法进行了编程,并采用2幅采集于某煤矿井下综采工作面的视频监控图像进行试验,结果表明:所提算法对于不同失真程度的矿井视频监控图像的处理效果优于中值滤波、直方图均衡化等算法,对于最大限度地发挥矿井视频监控系统的作用有一定的参考价值。     

基于BDND的脊波域井下视频图像改进中值滤波算法

井下视频图像总体上色调偏暗,目标信息对比度不高,且由于井下存在大量粉尘,导致图像中存在高密度的随机噪声,增加了图像判读与分析的困难。为此,首先对井下视频图像进行多尺度脊波分解,对分解得到的低频系数和高频系数分别进行系数重构,得到井下视频图像的背景图像和细节图像;其次,根据背景图像灰度直方图的分布特征,采用高斯分布函数进行规定化处理;然后,在分析中值滤波（Median filtering,MF）特征的基础上,采用边界判别噪声检测方法（Boundary discrimination noise detection,BDND）对其进行改进,提出了一种基于BDND的改进中值滤波算法并用于处理细节图像,该算法根据细节图像局部区域灰度值的分布特征,设定2个自适应阈值t₁和t₂,将经过2次噪声检测后处于［t₁,t₂］区间内的灰度值对应的像素点标记为非噪声点,对其余像素点分别进行中值滤波;最后,对于直方图规定化处理后的背景图像和滤波后的细节图像进行叠加。采用C++语言对所提算法进行编程试验,结果表明,该算法对于不同模糊程度的井下视频图像均有较好的滤波效果,其性能相对于中值滤波、加权中值滤波、开关中值滤波等同类算法而言有了一定程度的提升。     

可扩展双向聚类算法在煤炭领域中的研究与实现

随着现代信息技术的发展,各行各业产生了大量的高维数据,用不同的属性描述数据。煤炭产业也产生了大量的高维数据。煤炭企业的管理者往往希望从这些海量高维数据中得到更多的隐藏价值的知识。双向聚类算法被广泛地应用在各个领域中,该算法能够准确地完成聚类。随着数据规模呈现指数级地增长以及数据维度的增加,传统双向聚类算法不仅不能快速完成数据聚类,而且不能有效地处理高维数据。文章针对海量高维数据,提出了可扩展的基于高维数据的分布式双向聚类算法。通过实验结果展示了文中提出的算法具有很好的聚类结果以及很高的加速比及可扩展性。     

废泥浆脱水的试验研究

岩土工程施工产生的废泥浆含水量高,脱水性差,因此如何提高废泥浆的脱水量至关重要。试验中通过对废泥浆的物理化学调质,以改变废泥浆颗粒表面物化性质和组分,破坏废泥浆的胶体结构,减小与水的亲和力,从而改善废泥浆的脱水性能。对不同种类的无机材料和有机高分子絮凝材料的试验分析发现,有机高分子聚丙烯酰胺PAM的絮凝脱水效果要优于无机材料。在阳离子型PAM、阴离子型PAM、非离子型PAM三类材料对废泥浆的絮凝脱水效果中,阳离子型PAM的絮凝脱水效果最好。     

损失率、贫化率对某露天铀矿战略排产技术经济指标影响研究

某露天铀矿项目自生产以来,实际损失率和贫化率大于可行性研究阶段取值,影响项目战略排产。根据历史生产数据,制定分别以26%贫化率和8%损失率为基准的十一种损失率、贫化率影响分析测算方案,运用Whittle软件,选用Psedoflow算法和Milawa NPV算法对十一种方案进行境界优化和战略排产,分析损失率、贫化率对净现值、生产成本、服务年限、剥采比等技术经济指标影响。结果表明：贫化率对废石量、净现值、水冶成本等指标影响较大,结合目前生产实际贫化率与行业标准的差距较大,开采过程中加强贫化控制,将提升生产效益;1号采坑北部区域境界、水冶成本、采出矿石量等指标受贫化率影响最为明显,设计中单独作为一个分期,最后进行开采,并需进行补充地质勘探;损失率对回收金属量、采出矿石量和净现值影响较大,但生产实际损失率与行业标准差异较小,总体对生产影响一般。     

基于海量煤炭采集文本数据的可扩展SVM算法的研究与应用

文本分类是指在给定的分类系统下,根据文本的内容或属性,将大量文本归到一个或多个类别的过程。随着煤炭产业的高速发展,煤炭数据库中保存了大量煤炭采集文本数据,针对如此大规模的文本信息,传统的SVM算法不能很好地对大规模海量煤炭文本数据进行有效的处理。文中基于现有流行的Hadoop分布式计算平台,提出了分布式SVM文本分类算法。通过实验表明,文中提出的算法能够明显减小文本分类时间,并且具有很好的可扩展性。     

基于改进Prewitt算子的矿井视频图像小波阈值去噪

由于矿井成像环境的复杂性,导致所获取的图像较为模糊且存在一定程度的噪声,有必要采用适当的方法滤除其中的噪声并提高图像的清晰度。为此,提出了一种结合边缘检测的小波域矿井视频图像去噪算法。首先对噪声图像采用均值滤波算法进行预处理;然后对分别从检测模板、自适应阈值设定方法对经典的Prewitt算子进行适当改进,并采用改进的Prewitt算子提取预处理后图像的边缘轮廓信息,从而获得边缘图像和非边缘图像;最后对于非边缘图像,采用一种基于自适应阈值的改进小波阈值函数模型进行去噪处理,该模型充分结合了小波硬、软阈值去噪模型的优势,能够随着小波分解层数的变化自适应调整阈值大小。为了验证该算法的有效性,采用2幅实地获取的山东兖州某煤矿井下视频监控图像进行试验,并与小波硬、软阈值函数模型及2类已有的改进型小波阈值函数模型进行去噪效果对比。结果表明,该算法的去噪效果优于其余几类函数模型,且算法耗时略占优势,对于提高矿井视频监控图像的质量具有一定的参考价值。