基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

基于并行多通道卷积长短时记忆网络的轴承寿命预测方法

在预测轴承剩余使用寿命时，数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测，提出了一种基于并行多通道卷积长短时记忆网络（PMCCNN-LSTM）的剩余使用寿命预测模型。该模型主要由两部分组成：前端为并行多通道卷积网络（PMCCNN），提取信号特征，挖掘数据的时序特性，并采用逐层训练和微调的方式提升参数的收敛性；后端为长短时记忆（LSTM）网络，基于特征进行剩余使用寿命预测，并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性，实验结果表明：所提模型的平均误差与最大误差分别比传统的卷积神经网络（CNN）低23.38%和15.84%，比传统的LSTM低24.14%和19.01%，比卷积长短时记忆网络（CNN-LSTM）低30.32%和23.09%。     

气体开关串级环形间隙放电相互影响机制研究

针对中空和非中空触发电极结构的两间隙开关，进行了触发击穿特性实验，对比两个间隙的击穿抖动和通道数，分析了串级两间隙的相互影响机制。实验结果表明：两只开关触发间隙击穿抖动和通道数变化规律基本一致；非中空开关自击穿间隙击穿抖动随工作系数的增大而减小，最小约3 ns，中空开关自击穿间隙击穿抖动始终约1 ns；非中空开关自击穿间隙难形成多通道放电，中空开关自击穿间隙通道数明显多于其他间隙。触发间隙首先放电产生紫外光，通过触发电极中空通孔预先照射自击穿间隙产生初始电子，是自击穿间隙击穿抖动减小、通道数增加的主要作用机制。     

新型消费类电子光互连应用

介绍了光互连在新型消费类电子市场,如高清多媒体接口(HDMI)、通用串行总线(USB)、Display Port、专业音视频以及分体式电视领域的新应用。采用板上芯片封装(COB)方案为基础的新型消费类电子市场有源光缆(AOC),以其低成本生产技术、小体积、支持多路光通道集成的特点,自2018年以来迅速得到了市场的认可。进一步介绍了具有代表性的HDMI、USB以及分体式电视AOC的性能特性以及市场应用。认为大量的新型光电产品将会出现在消费类电子市场。     

车辆自组织网络中新型NP-CSMA随机多址协议研究分析

智能交通的出现使得车辆自组织网络受到越来越多的关注。车辆自组织网络的动态拓扑结构变化非常剧烈,这对网络的吞吐率、传输速率等性能提出了很高的要求。提出1种具有握手机制协议的自适应多通道双时钟NP-CSMA随机多址接入协议。该协议首先区分2种P-CSMA协议,握手机制成功解决了隐藏的终端问题,双时钟机制减少了平均空闲时间,多通道机制增加通道数量和划分用户优先级的同时提高了系统吞吐率,自适应机制能够使系统在高负载下保持稳定吞吐率。还对该协议的传输速率进行了分析,得出该协议的传输速率相对较高的结论。通过平均周期方法推导吞吐率和传输速率的计算公式,仿真结果与理论推导一致。     

基于CNN的人体姿态识别

姿态识别是人机交互中重要的研究课题之一，随着机器学习与神经网络的发展，研究的方式和成果趋于多样化，姿态识别的应用价值也日趋广泛。本文通过构建卷积神经网络模型，该模型共有11层，在对采样的数据集中5种人体姿态进行卷积与池化操作，最后进入全连接层进行分类，从而完成对数据集的训练和识别。结果显示，相较于机器学习方法，该模型的识别性能更加优秀，且免去了复杂的特征提取方式设计，让网络自身提取特征进行识别分类，效果更好。