基于不确定图的网络漏洞分析方法

网络漏洞分析是提高网络安全性的重要基础之一.以主机为中心的漏洞分析方法可在多项式时间内生成攻击图,但是没有考虑网络链路本身存在的不确定性.提出了一种基于不确定图的网络漏洞分析方法,采用链路不确定度以准确地描述网络链路状态,使得求解最佳利用链成为可能.在此基础上,提出了一种时间复杂度为O(n4)的不确定攻击图生成算法;基于不确定攻击图提出了一种时间复杂度为O(n3)的最佳利用链生成启发式算法.实验结果表明,该方法能在可接受的时间内生成不确定攻击图,找到一条攻击效益最佳的漏洞利用链.     

自适应神经变结构的机器人轨迹跟踪控制

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制,该方案利用神经网络来自适应补偿不确定模型,并通过变结构控制器消除逼近误差.考虑到局部泛化网络的不足,根据其状态空间的划分,分别对3个区间采用神经网络与变结构的分级与集成控制.该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用以保持系统的强鲁棒性,基于Lyapunov理论证明了闭环系统的全局稳定性.仿真结果进一步表明了该方法的优越性.     

基于多维决策属性的网络用户行为可信度评估

网络用户行为可信的评估具有不确定性、复杂性等特点。针对已有模型在动态适应性、主观分类权重、决策属性建模粗糙等方面的不足,本文提出了一种新的网络用户行为可信评估模型。采用更完善的决策属性来衡量用户行为可信性,基于AHP原理计算直接可信度,运用信息熵理论客观的分类方法,确定各个决策属性的权重,并通过加权几何平均融合各决策属性。实验结果表明,该模型能够准确评价网络用户行为的可信性,反映网络用户行为可信性的动态变化特性。与传统模型相比,在准确度和安全性方面有了很大提高。     

基于改进伪中值滤波器的道路图像滤波算法*

针对已有的细胞神经网中值滤波器滤波时,收敛速度慢、稳定性不好以及滤波图像比较模糊的缺点,设计一种差值控制细胞神经网的改进伪中值滤波器。提出了改变取值空间、引入随机扰动、扩大中值滤波窗口尺度和引入Mask掩图的改进方法。实验结果表明：该算法具有去除各种强度脉冲随机噪声能力,又能保护图像细节信息,而且具有良好的实时性。     

基于变长元组的文件类型识别算法

快速准确地判断文件实体的真实类型对保护计算机信息安全具有重要意义。通过分析现有基于二进制内容的文件类型识别算法中存在的问题,提出采用变长元组描述文件的统计特征,并结合结构化文件中元组的分散度、稳定度以及条件广泛度设计出一种特征评估函数,从而更加准确地选取有效的特征。该算法不依靠特定文件类型的结构和关键标识,适用范围更为广泛。实验表明该算法能有效提高文件类型识别的查准率和查全率。     

微气体传感器测试系统的恒流配气系统研究

针对恒流混合气体在微气体传感器实验中的重要性,根据道尔顿分压定律和阿马伽定律,采用质量比动态配气法,实现了实验用恒流配气系统.基于NI USB6215系列多功能数据采集卡,以LabVIEW8.5为软件开发平台,设计了恒流配气系统软件控制界面.通过计算机严格控制MFCs流量调节,配比出不同浓度氢气混合气体.气体流量始终保持在1L/min,上下波动不超过10mL/min.分析了气体流量值出现波动的原因,为进一步完善恒流配气系统提供了参考.     

基于独立分量聚类分析的诱发脑电特征提取技术

发展了一种独立分量聚类分析的诱发脑电特征提取方法,利用诱发成分较强的序间相似性,使用Infomax结合K均值算法对脑电信号中的诱发成分进行分类和提取.该方法可以克服传统独立分量分解方法中诱发分量识别的困难,适用于重复刺激诱发脑电的高维数据自动分析处理.将该方法用于上肢想像动作任务的诱发脑电数据分析,结果显示该方法可以有效剥离背景噪声和提取诱发分量,使得信号的费雪可分性得到显著提升,进而获得更好的识别效果.研究结果表明独立分量自动聚类技术适用于认知行为脑电信号的分析,值得进一步研究.     

面向病房巡视的服务机器人目标搜寻

为了解决现阶段病房巡视任务中出现的巡护不及时等问题,利用服务机器人进行病房巡视,完成病人的基本信息验证、病人治疗信息获取等巡视任务.提出了基于贝叶斯理论的面向巡视任务的机器人控制策略,该策略利用机器人的当前位姿、规划的路径,与当前的视觉图像相结合,进行机器人控制;提出了由粗到细的多模式目标表示方法,融合RFID、特征和...     

图像与视频自动标注最新进展

近年来,图像与视频自动标注技术成为多媒体信息处理领域的一个研究热点并且发展迅速。重点介绍此领域研究的最新进展。将这些新方法分为两类:基于学习的标注方法和基于搜索的标注方法,分别介绍了各个算法的基本思想和优缺点。然后,介绍了一些目前流行的商业的和研究性的图像检索及标注系统。最后,提出了自动标注技术的进一步研究方向。     

基于缩进轮廓的HTML文档重复模式挖掘方法

HTML文档重复模式挖掘是找到Web页面编码模版的关键,是Web数据自动抽取和Web内容挖掘的基础。传统的基于字符串匹配和树匹配的重复模式挖掘方法虽然具有较高的精确度,但是其性能对于处理海量的Web页面来说仍然是一个挑战。为了提高性能,提出了一种基于缩进轮廓的HTML文档重复模式挖掘方法。该方法首先定义了缩进轮廓模型,是一种由HTML文档每行代码的缩进值及行首的HTML标签构成的数据结构,它是HTML文档的一种简化抽象;该方法通过检测缩进轮廓中的串联重复波段,间接地挖掘HTML文档中的重复模式。实验表明,该方法不但具有较高的精确度,而且较明显地提升了性能。