基于滑动时步和预警阈值的双参数地音预警模型研究

基于地音预警原理,选取地音活动量偏差值DEV作为地音预警的指标,根据预警时效性和实用性制定了预警规则,提出使用不同滑动时步n和预警阈值DEV_0组合优化预警模型的思想。利用多因素无重复试验方差分析对影响地音报准率和误报率的n,DEV_0双参数进行分析,得出n,DEV_0对预警效果均具有显著影响,且DEV_0是主要影响因素。通过构建效用加权双目标函数,求得预警模型的最优解组合为滑动时步取8步,预警阈值取70%,此时对应地音的报准率67%,漏准率33%,误报率29%。     

一种低误报率的新型光纤分布式振动传感系统

针对目前-OTDR光纤分布式振动传感器由于散射光波光强不稳定造成误报率较高的问题,文中提出一种-OTDR和Mach-Zehnder干涉仪相结合的光纤分布式振动传感新系统,-OTDR和Mach-Zehnder干涉仪分别对外界振动进行探测,从而降低单一-OTDR探测的误报率。实验研究了-OTDR和提出的新的复合结构系统对外界振动探测的误报率,实验结果表明:在复杂环境下,与现有-OTDR方案相比,提出的基于-OTDR和M-Z干涉仪复合结构的方案可以有效降低系统的误报率,使系统的误报率由单一-OTDR的25%降至2%。     

暴雨天气情况下变换车道的预警算法

根据南方特殊气候,以及当前多数车辆的预警系统因基于车辆参数而误报率增加的情况,建立了一种具有驾驶员生物特性以及车辆未来轨迹预测的预警算法;在暴雨情况下,驾驶员的前方,侧方视线会受到不同程度的限制,后视镜功能因结雾而基本丧失,加上路面因积水而导致阻力减少,驾驶员因对于车辆的控制程度降低而出现车辆偏离正常行驶轨迹而变换车道的情况;而传统的预警系统因雨天因素误报率也会大大增加;针对上述问题,提出一种基于未来轨迹预测以及驾驶员意图判断的变换车道预警算法.     

基于GRU-LSTM算法的物联网数据入侵检测分析

根据循环神经网络（recurrent neural network,RNN）与长短期记忆（long short-term memory,LSTM）网络运行特征，优化LSTM得到变体门控循环单元（gate recurrent unit,GRU）网络，构建得到GRU-LSTM算法，并与传统Softmax（逻辑回归）分类技术进行对比。研究结果表明：通过dropout（临时丢弃函数）进行网络训练，实现减弱神经元间的相互作用，有效防止过拟合。实验测试GRU-LSTM和GRU-Softmax两个模型的dropout值分别为0.82与0.79。GRU-LSTM表现出比GRU-Softmax更高的控制精确度和检测率。GRU-LSTM算法在检测攻击时将其判断成正常行为的概率较小，减小了入侵概率，获得了更优的精确度、检测率与误报率。该算法弥补了传统机器学习算法在处理数据量上的局限性。     

火灾报警消防联动控制系统的漏报率和误报率及系统设计的研究

探讨了火灾报警系统的漏报率和误报率，并针对火灾报警系统的漏报率和误报率提出了火灾报警消防联动系统设计数学模型和设计方法。     

基于随机丢包网络的网络存储系统故障检测方法

文章针对在带有随机丢包的网络中,对网络存储系统故障检测失误率高的问题进行了研究,结合网络随机丢包的特性,在随机丢包网络中,提出一种网络存储检测故障方法。该方法在故障检测中引入了误报率、残差评估、残差发生。通过研究证实该方法是有效的。     

基于危险模式的IDS异常检测模型*

针对当前入侵检测技术在检测新入侵的不足,分析了危险模式理论应用于异常检测的可行性,提出了一个新型的基于危险模式的自适应IDS异常检测系统模型以及相关算法.该系统有效地降低了误报率和漏报率,具有自适应、自学习、自组织和分布性特点.     

基于生产经营状态识别的低误报率窃电检测二次筛查方法

数据驱动的窃电检测方法主要根据电量及派生指标识别低电量异常,容易受干扰影响误报。利用工商业用户生产经营状态指标大致固定的特点,提出基于生产经营状态识别的窃电二次筛查方法。首先,将检出的低电量异常用户每天的三相功率作为负荷特征,用以标识其当天的用电行为模式及生产经营状态。然后,将每天的负荷特征进行近邻传播聚类。当低电量异常时段负荷特征与正常低电量生产经营状态聚为同类时,认为是用户状态正常转换导致的异常,可排除窃电嫌疑。基于实际窃电数据的测试表明,所提方法可降低误报率。     

基于不定长系统调用序列模式的入侵检测方法

提出了一种不定长序列模式的寻找算法，目标是从训练序列中找出一组基本的、相对独立的不定长序列模式。并在模式集的更新过程中自动定义了模式间的前后次序关系，以此构建了一个描述进程执行模式的DFA。针对已有基于不定长序列模式的模式匹配算法需要向前预测若干个系统调用号的缺点，文章设计了一个更好的模式匹配算法。实验结果表明，算法在模式寻找过程中是稳定的，并在保持一组规模很小的模式集的情况下，取得了很低的误报率和漏报率。     

一类随机不确定线性系统鲁棒故障检测问题研究

将一类受乘性随机噪声影响线性系统的基于观测器的残差产生器设计归结为随机意义下的H∞-滤波问题，应用线性矩阵不等式技术．推导问题可解的充分条件，给出观测器增益矩阵的求解方法．另外，根据给定的残差评价函数和闻值，判断故障的发生并估计故障的误报率；或给定残差评价函数和容许故障误报率，通过适当的选取阈值把实际的故障误报率限定在容许的范围内．仿真算例验证了所给算法的有效性．