基于旋转门算法的安全网关控制信息采集策略

安全网关控制信息采集是天地一体化网络中的一种重要安全感知技术,传统的等时间间隔采集策略存在网络带宽浪费、数据大量冗余、采集节点数据采集量过大、传输次数过多等问题,针对这些问题,提出了一种基于旋转门算法的安全网关控制信息采集策略,该策略通过改进的旋转门算法分析判断安全网关控制信息（如网关流量、CPU利用率等）的变化幅度,自适应调整安全网关控制信息采集间隔。实验结果表明,该策略与传统等时间间隔采集策略相比,能在保证数据准确率的情况下,减少数据采集次数和数据传输次数,有效降低网络开销,提高数据采集效率。     

用于网络管理系统的智能轮询策略

为提高网络性能管理与故障管理的实时性和效率,研究信息收集轮询策略,提出一种基于马尔可夫链的智能轮询算法。该算法能根据被监视对象参数值的变化,动态调整轮询间隔时间。实验结果表明,与传统等时间轮询算法相比,该算法可以更准确地刻画数据变化特征,降低数据采集失真度并减小网络带宽,其效率和可靠性较高。     

SCADA中历史数据的SDT算法研究与改进

随着物联网和大数据技术的快速发展,数据采集与监视控制SCADA系统每天采集的数据量呈几何级数增长,传统的数据压缩算法--旋转门算法SDT 已经不能满足SCADA系统对历史数据压缩的要求。在深入研究了数据压缩方法尤其是旋转门SDT算法的基础上,提出了一种改进的ASDT 算法,并用Java语言加以实现。ASDT算法通过正弦曲线拟合数据以实现数据压缩,与传统SDT算法的性能相比,ASDT算法能取得更好的压缩效果。实验数据结果表明,相对于传统SDT算法,ASDT算法可以在不显著增加压缩误差的前提下,有效地提高压缩比。     

一种自适应数据变化规律的数据采集算法

传统的等时间间隔的数据采集算法,在占用网络带宽和拟和精确度上存在着缺陷。鉴于此,该文提出了一种新的自适应数据变化规律数据采集算法,在该算法中,根据对当前一段时间所采集的数据变化情况的评估,设置了一种判断数据变化平滑度的策略,根据网络性能参数在当前时刻的变化趋势,自我调整采集数据的时间间隔,当判断数据变化比较平缓时,增加数据采集时间间隔;当判断数据变化比较剧烈时,减小数据采集时间间隔。最后,通过理论和实验分析验证了该数据采集算法在较小占用网络带宽的情况下,能得到更精确的数据拟和曲线。     

求解旅行商问题的改进型量子蚁群算法

针对传统量子蚁群算法在求解TSP时容易陷入局部最优以及收敛速度较慢,提出了一种求解旅行商问题的改进型量子蚁群算法（IQACA）。该算法设计了一种新信息素挥发因子的自适应动态更新策略,对信息素进行动态更新;并采用一种新的量子旋转门对量子概率幅值的收敛趋势进行改变。通过三个基本函数极值优化仿真与传统量子蚁群算法进行对比,证明算法性能较优。基于TSPLIB的仿真实验与其他几种算法进行比较,结果表明,算法具有较快的收敛速度,提高了解的全局性,有效避免了算法陷入局部最优。     

改进量子进化算法及其在物流配送路径优化问题中的应用

量子进化算法的性能直接受量子旋转门旋转角计算方法的影响.文中提出一种改进量子进化算法,核心是设计了基于量子比特概率幅比值自适应计算量子旋转门旋转角的新方法,算法具有收敛速度快和全局搜索能力强的特点.通过0/1背包问题分析了新方法中相关参数对算法性能的影响,并应用算法求解物流配送路径优化问题,仿真表明改进量子进化算法性能优于量子进化算法和传统进化算法.     

基于改进量子旋转门人工鱼群算法的K-means聚类算法及其应用

为改进传统K-means聚类算法中存在因随机选择初始质心而导致聚类结果不稳定且准确度低的缺点,提出基于改进量子旋转门人工鱼群算法的K-means聚类(IQAFSA)算法,通过动态更新量子旋转门的旋转角提高下一代更新方向准确度及更新速度。变异策略从传统的非门改为H门,既增加种群的多样性,又使全局搜索能力增强;最终使用所改进算法选取K-means的初始质心再进行聚类。通过UCI数据的测试以及在医学相关数据上的实验表明,提出的算法具有有效性,准确度较高且收敛速度较快。     

结合均值调整整数变换的迭代自适应可逆图像水印算法

现有的均值调整整数变换可逆水印算法的阈值需人工选择,位置图生成策略不完备可能导致压缩后位置图数据过大,对嵌入矢量强制划分可能导致容量足够却无法嵌入。针对以上问题,提出一种结合均值调整整数变换的迭代自适应可逆图像水印算法。首先,根据负载数据大小以及整数矢量对峰值信噪比(PSNR)的影响,采用迭代自适应算法选择调整平移量以达到水印嵌入容量和嵌入载体视觉质量的平衡;然后,结合邻近像素值相近原则给出了完备位置图生成策略以提高位置图压缩性能;最后,采用分层有序嵌入策略将负载数据依次嵌入到最低、次低和第3低有效位以避免容量足够却无法嵌入的情况。实验结果表明,与传统均值调整整数变换可逆水印算法相比,所提算法无需预先设定阈值,但依然能保持大的嵌入容量,嵌入水印后掩体视觉质量更优,位置图生成策略性能优于传统均值调整整数变换可逆水印算法生成策略且压缩后的位置图数据更小,从而间接提高了嵌入容量,在实验样例上相对于比较算法,PSNR平均提高14.4%。     

网络性能管理中一种数据采集算法的研究

根据大量的网络管理实践，研究了网络性能数据变化的规律和现在被大量采用的等时间间隔数据采集算法的弊端，提出了一种自适应时间间隔数据采集算法，该算法根据网络性能数据变化的缓急自动调整采样时间间隔，更合理地使用网络带宽，理论分析和仿真实验结果证明，该算法克服了等时间间隔数据采集算法没有考虑所采样数据的变化、采用统一采样时间间隔从而浪费网络带宽的缺点，在消耗相同网络带宽的情况下，自适应时间间隔数据采集算法的数据拟和曲线与等时间间隔数据采集算法的拟和曲线相比，失真度明显偏小。     

数据压缩算法在煤矿类软件系统中的应用研究

为了解决煤矿类软件系统在大规模数据量情况下的数据高效存储和查询问题,提出了一种将旋转门SDT数据压缩算法应用于煤矿类软件系统的方案。介绍了该算法的原理及应用推导,给出了模拟量和开关量压缩数据解压还原方法和特殊情况处理方法。应用结果表明,该算法压缩比高,节省了大量的存储空间,能准确地反映出数据的走势和变化。     

用于能耗数据分析的改进并行BP算法

基于Map Reduce框架的传统BP神经网络算法收敛缓慢,训练易陷入局部极小点,使迭代次数过多,极大浪费资源。为此,提出并实现改进的并行BP算法,采用动态调节学习率、动量因子调整权重修正值,提升BP网络并行训练效率,利用预处理数据和最大分类概率增强分类的准确性。实验结果表明,改进的并行算法能提高分类准确率,缩短近17/18的训练时间。     

一种面向无线体域网的低能耗数据融合隐私保护算法

无线体域网能够借助低能耗高精度传感技术实时采集并分析多种模态的人体健康体征数据,需要在数据传输过程中对关系到个人隐私的健康敏感数据进行保护.针对无线体域网数据融合过程中的隐私保护需求提出一种针对性更强的低能耗数据融合SMART-RR算法,利用人体健康数据存在周期重复性和健康数据冗余特点,提出不等长时间间隔、加入重复性归约因子的数据融合策略.仿真实验表明,SMART-RR算法是一种数据通信量小、高隐私保护性和高精确度的低能耗数据融合隐私保护算法,在面向无线体域网的人体健康体征数据采集分析领域具有一定应用价值.     

基于Java3D网络大数据多分辨率采集方法仿真

针对传统的网络大数据多分辨率采集方法通常存在采集成本高、完成时间较长、采集准确率较低等问题,提出基于Java3D的大数据网络多分辨率采集方法。通过对基于Java3D网络的大数据多分辨率进行时间序列的空间重构,求出多分辨率时间序列的自相关函数,并引入平均互动数据提取方法对网络数据多分辨率采集的功率谱密度进行估计,采用ADASYN算法,对无效多分辨率数据进行去除,实现大数据多分辨率精准采集。实验结果表明,所提方法采集成本较低、完成时间较短、采集准确率较高;具有一定的实用价值,可广泛应用于各个领域。     

基于自适应参数与混沌搜索的PSO算法求解柔性作业车间调度问题

针对传统粒子群优化(PSO)算法在求解柔性作业车间调度问题中的不足,提出了基于自适应参数与混沌搜索的粒子群优化算法。对粒子群算法中的惯性系数等参数采用基于迭代搜索而自适应调整的方式,使粒子在初期以较大惯性进行大范围搜索,后期逐渐减小惯性而转入精细搜索。这种方法改变了传统粒子群算法在求解过程中的盲目随机与求解精度不高的问题;同时,通过在局部搜索过程中引入混沌技术,扩大对最优解的寻找范围,以此避免算法陷入局部最优,有效提高算法的全局寻优能力。实验结果表明,基于自适应参数与混沌搜索的粒子群优化算法在求解柔性作业车间调度问题(FJSP)时能够获得更优粒子适应度平均值及更好的优化目标。所提算法对求解柔性作业车间调度问题可行,有效。     

一种改进的自适应混合神经网络盲分离算法

传统的前馈神经网络盲源分离算法由于步长固定存在许多缺点,而基于Sigmoid函数的自适应步长算法虽然能够克服固定步长算法的缺陷,但其稳态性能较差。针对这个问题,提出一种改进的自适应步长算法,该算法可灵活地控制步长因子函数的形状,在近零点处变化较Sigmoid函数更加缓慢,性能更加优越;同时针对前馈神经网络的不足,在前馈神经网络结构中引入递归结构,利用改进的自适应步长算法控制学习速率。仿真分析表明该算法具有更快的分离速度和更加优越的分离效果。     

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点;与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明:提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。     

具有时延约束网络路由问题的自适应蚁群优化算法

高速多媒体网络中的路由问题是有QoS约束的路由问题,满足一个或多个约束的路由问题是NP-完全问题,其中,具有时间延迟约束的QoS路由问题是一个极具代表性的问题。本文给出了一种求解具有时间延迟约束的QoS路由问题的自适应蚁群算法。该算法在种群中采用基于目标函数值的启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径的行为。比一般蚁群算法具有更强的鲁棒性和全局优化能力。理论分析和仿真实验表明,该算法是有效的网络QoS路由算法。     

基于混合马尔科夫树模型的ICS异常检测算法

针对工业控制系统中现有异常检测算法在语义攻击检测方面存在的不足,提出一种基于混合马尔科夫树模型的异常检测算法,充分利用工业控制系统的阶段性和周期性特征,构建系统正常运行时的行为模型|混合马尔科夫树.该模型包含合法的状态事件、合法的状态转移、正常的概率分布以及正常的转移时间间隔等4种信息,基于动态自适应的方法增强状态事件的关联度并引入时间间隔信息以实现对复杂语义攻击的检测,语义建模时设计一种剪枝策略以去除模型中的低频事件、低转移事件以及冗余节点,当被检测行为使得模型的以上4种信息产生的偏差超过阈值时,判定该行为异常.最后,基于OMNeT++网络仿真环境构建一个简化的污水处理系统对本文算法进行功能性验证,并利用真实物理测试床的数据集对算法的检测准确度进行性能验证.验证结果表明,本文算法能有效消除人机交互和常规诊断等操作带来的噪声影响,对复杂语义攻击具有较高的检出率,且能识别传统的非语义攻击.