入侵检测中贝叶斯分类器改进的研究

介绍了一个改进的贝叶斯分类器,其中利用了滑动窗口技术改善入侵检测的实时性能和可控制性能。同时在入侵检测的结构中引入一个性能调节器,它可以动态调整系统参数,提高系统的运行性能,使系统成为一个自动的、有意识的安全系统。     

基于粗集的多层分类器的设计与实现

文章提出在多层分类器中使用粗集理论来进行网络的设计,由于粗集理论有强大的数值分析能力,而多层分类器具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的新型多层分类器模型。首先利用粗集理论来提取原始的领域知识,然后通过计算决策表的相对约简来产生规则,这些规则的依赖性因子被设为多层分类器的初始连接权值,这些权值在训练学习中得到改进。文章最后给出了一个决策表的实例来进一步验证了该方法的高效性和正确性。     

Comparative analysis of different approaches to target differentiation and localization with sonar

This study compares the performances of different methods for the differentiation and localization of commonly encountered features in indoor environments. Differentiation of such features is of interest for intelligent systems in a variety of applications such as system control based on acoustic signal detection and identification, map building, navigation, obstacle avoidance, and target tracking. Different representations of amplitude and time-of-flight measurement patterns experimentally acquired from a real sonar system are processed. The approaches compared in this study include the target differentiation algorithm, Dempster-Shafer evidential reasoning, different kinds of voting schemes, statistical pattern recognition techniques (k-nearest neighbor classifier, kernel estimator, parameterized density estimator, linear discriminant analysis, and fuzzy c-means clustering algorithm), and artificial neural networks. The neural networks are trained with different input signal representations obtained using pre-processing techniques such as discrete ordinary and fractional Fourier, Hartley and wavelet transforms, and Kohonen's self-organizing feature map. The use of neural networks trained with the back-propagation algorithm, usually with fractional Fourier transform or wavelet pre-processing results in near perfect differentiation, around 85% correct range estimation and around 95% correct azimuth estimation, which would be satisfactory in a wide range of applications.     

一种基于数据挖掘的入侵检测模型

现有入侵检测系统不但误报率高，且实时性差，这是由于入侵检测需要处理大量数据，数据挖掘技术的优势在于能从大量数据中发现特征和模式，本文提出了一种基于数据挖掘的入侵检测系统模型，并研究了建模过程的几个算法。     

Analysis of a Classifier with Random Thresholds

A neural classifier with random thresholds is considered. Probabilistic analysis of functional characteristics depending on the classifier parameters is performed, and recommendations for their selection are made. The classifier structure optimization is proposed for input data distribution.     

用RCR特征和NN识别实时手绘工程草图

针对实时手绘工程草图(简称手绘草图)的识别，引入草图重心、重径距和正规化重径(RCR)等图形特征概念，提出手绘草图的神经网识别方法．该方法以图素具有统计意义的正规化重径作为特征、以图素交叉方式组织正规化重径的值作为学习样本，应用弹力传播的Rprop算法训练BP神经网，一次训练即可得到能够识别任意倾角和位置手绘草图图素的识别器．从而达到了理想的识别效果．     

一种基于Gabor小波的制导精度预测方法

在无人驾驶飞行器的自主制导系统中，一般采用下视景像匹配制导技术对飞行器的具体位置进行精确自主定位。为了提高制导精度，减少误匹配，飞行前需要在基准图上进行航迹规划，就是在飞行区域中选择出一些匹配概率肓的匹配区。在选择过程中，匹配概率的计算尤为重要，用相关匹配定义计算虽然准确但耗时巨大。文章提出了一种基于Gabor小波特征的匹配概率预测方法。实验表明，该方法能较快地预测出匹配概率，精度也较高。     

路由器QoS模块研究

互联网从研究网络到商业网络的转化以及多种对QOS有不同要求的应用的出现要求互联网提供QOS．本文首先论证了在路由器中实现QOS的必要性，然后以此为基础，给出了在路由器中实现QOS模块所需要考虑的问题和实现框架，并详细讨论了实现细节．最后在具有自主知识产权的BQ2000路由器上对该模块作了测试，给出了评测．     

基于Multi-Agent的分类器融合

针对决策层输出的分类器融合问题，该文提出了一种基于Multi-Agent思想的融合算法，该算法将分类器融合问题建模为人类发源地问题，通过引入决策共现矩阵，并在智能体之间进行信息交互，从而利用了分类器之间的决策相关信息，算法根据在融合训练集上得到的统计参量，指导各个智能体向不同类别溯源，并通过智能体之间的信息交换改变溯源概率，最终达到群体决策，得到决策类别，本文在标准数据集上对该算法进行了实验研究，通过与其它一些融合方法的比较，得出在用于融合的分类器较少时，该算法得到比其它方法更低的分类错误率，其空间复杂度相对BKS方法较小，实验证实，该算法是收敛的。     

不同抽气率下细粉分离器流场数值模拟

细粉分离器是中间储仓式电站锅炉制粉系统中的重要设备。传统细粉分离器效率低下,造成排粉风机磨损、汽温波动等问题。有关试验表明,在分离器底部抽取一定量的气体是提高其分离效率的有效途径。采用RNG k-ε模型,对下抽气细粉分离器进行了数值模拟,研究其内部气流流动特性,并与传统细粉分离器比较,分析抽气对分离器流场和分离效率的影响,模拟结果与试验结果吻合良好。