采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

面向智能客服的句子相似度计算方法

针对金融领域中智能客服的句子相似度计算方法进行了研究。利用基于词性的分词纠正模型减少中文歧义词、金融相关词汇的分词错误；通过词向量方法和循环神经网络分别提取词语级和句子级的语义特征，并且得到句子向量；用融合层计算出句子向量间的差异特征；对差异特征进行降维和归一化得到句子相似度计算结果。实验结果表明，该方法具有较高的准确率和[F1]值。     

基于支持向量机的RSA电磁旁路分析方法

针对在旁路分析过程中由于噪声的影响，不能直接观察出RSA的加密过程这一问题，提出结合支持向量机的旁路分析方法，从分类的角度对RSA二进制模幂运算中的平方、乘法操作进行识别，根据密钥与操作的相关性，推断出RSA二进制密钥序列。基于此，对移动设备PCM-9589F凌动主板进行了RSA电磁旁路分析研究，使用串口通信技术实现了对目标设备CPU的旁路电磁信号的采集，并采用基于边界的单类支持向量机的方法，以分类的正确率为70%为阈值，实现了对RSA二进制模幂运算中平方、乘法操作的识别，提取了OpenSSL加密库中1?024位RSA加密算法的二进制密钥序列。相比于传统的简单分析方法，克服了因旁路信号质量低而无法破解密钥的难题。     

优化特征提取的互动式人脸活体检测研究

针对人脸识别系统中出现的通过照片或视频“欺诈”解锁问题，提出一种活体检测方法，通过随机指令判断被检测对象是否为真人。利用HOG特征和随机森林算法对摄像头采集的图像进行人脸检测，预测脸部68个特征点位置，把68个特征点位置和脸部位置的相对位置归一化后作为姿态的特征，提取的姿态特征与SVM分类器相结合，训练出分类效果较好的头部姿态估计分类器。通过多次实验，对特征提取方法进行优化，进一步提高检测准确率。最后，使用随机互动式命令序列对被检测人发出指令，实现活体检测。该方法对头部姿态估计具有较高的鲁棒性，并且可以有效地防范照片和视频认证攻击。     

基于PSO-ELM模型的潜油柱塞泵冲次优化方法

为改进油井后期泵效低下、能耗高等缺陷，提出了一种基于PSO-ELM模型的潜油柱塞泵冲次优化方法.采用粒子群（PSO）算法与极限学习机（ELM）相结合的方式来实现动液面软测量建模；根据动液面及潜油柱塞泵工作电流变化，以油井运行经济性最优为目的建立目标函数得到潜油柱塞泵冲次，解决了在油井生产时不能准确调节抽油机冲次问题；最后以目标函数关系建立模糊控制器模型，根据输入参数调整潜油柱塞泵冲次.实验结果表明，建立的软测量模型预测动液面精度高，模糊控制器能够更加合理地调整抽油机冲次，最终达到智能调整冲次大小、提高油井采油率及节能的目的.     

一种图像校正的偏振光罗盘系统的研究

导航传感器在探险、应急、精确制导武器、船舶、航空器导航和定位系统中起着关键作用。针对偏振光罗盘在倾斜状态下误差较大的问题,提出了一种利用加速度计和陀螺仪对偏振光罗盘进行图像校正的方法,设计了一种基于陀螺仪校正的偏振光罗盘系统。首先利用加速度计和陀螺仪计算得到载体姿态角,对偏振光图像数据进行图像校正,采用Stokes矢量法解算大气偏振模式分布,进而提取导航特征点,最后对特征点进行拟合解算出航向角信息。并且进行了静态和动态测试实验,实验结果表明,该算法能够有效的对偏振光罗盘姿态变化引起的误差进行补偿,可以将偏振光罗盘的航向角测量误差控制在1.86°之内,平均误差为0.09°。     

图像分类中基于分类矢量量化的视觉词袋模型

特征表示是图像识别和分类的基础，视觉词袋是一种图像的特征表示方法。分析现有视觉词典构建方法的不足，提出一种新的视觉词典构建方法。首先利用梯度方差把特征矢量分为光滑类和边缘类，然后分别针对不同类别的特征矢量进行视觉词典的构建，最后根据两类视觉词典生成视觉词袋。图像分类实验表明，提出的新方法能提高分类准确率。     

羊场湾煤矿软岩底板炉渣混凝土加固技术

为提高软岩底板强度而供无轨胶轮车等大型车辆行驶，结合羊场湾煤矿16206机巷软岩底板地质条件，研究了炉渣混凝土底板加固技术，确定了合理的配比方案，并对机巷现场进行混凝土地坪铺设应用。研究与应用结果表明：炉渣混凝土底板强度可满足大型车辆连续运输所需，极大地提高了底板承载能力，防止底鼓，为长距离巷道实现连续运输提供了基础保障。     

沿空切顶成巷段巷道围岩变形规律研究

以宏景塔一矿回采工作面为研究对象,基于切顶卸压无煤柱自动成巷技术原理,采用数值模拟计算和现场实测的方法,对该矿成巷段巷道围岩支承压力分布及围岩变形规律进行分析。研究结果表明:随着工作面向前推进,巷道围岩支承压力呈先增大后减小最后趋于稳定的变化趋势,支承压力稳定值为13.5 MPa;受工作面回采动压的影响,距离工作面70 m以内,锚索受力急剧增大到恒阻值、巷道围岩变形明显;距离工作面70~150 m,锚索受力迅速减小、巷道围岩变形逐渐变缓;在距离工作面150 m之后,锚索受力仅有微量变化、巷道围岩变形趋于稳定。因此确定支护体回撤保守安全位置为工作面后方150 m。工程实践表明:所设支护体回撤距离能够应对巷道围岩变形,成巷效果良好。     

Adaptive neuro-fuzzy algorithm applied to predict and control multi-phase flow rates through wellhead chokes

A Takagi-Sugeno adaptive neuro-fuzzy inference system (TSFIS) model is developed and applied to a dataset of wellhead flow-test data for the Resalat oil field located offshore southern Iran, the objective is to assist in the prediction and control of multi-phase flow rates of oil and gas through the wellhead chokes. For this purpose, 182 test data points (Appendix 1) related to the Resalat field are evaluated. In order to predict production flow rate (Q_L) expressed as stock-tank barrels per day (STB/D), this dataset includes four selected input variables: upstream pressure (Pwh); wellhead choke sizes (D64); gas to liquid ratio (GLR); and, base solids and water including some water-soluble oil emulsion (BS&W). The test data points evaluated include a wide range of oil flow rate conditions and values for the four input variables recorded. The TSFIS algorithm applied involves five data processing steps: a) pre-processing, b) fuzzification, c) rules base and adaptive neuro-fuzzy inference engine, d) defuzzification, and e) post-processing of the fuzzy model. The developed TSFIS model for the Resalat oil field database predicted oil flow rate to a high degree of accuracy (root mean square error = 247 STB/D, correlation coefficient = 0.9987), which improves substantially on the commonly used empirical algorithms used for such predictions. TSFIS can potentially be applied in wellhead choke fuzzy controllers to stabilize flow in specific wells based on real-time input data records.