Image sequence-based risk behavior detection of power operation inspection personnel

A novel image sequence-based risk behavior detection method to achieve high-precision risk behavior detection for power maintenance personnel is proposed in this paper. In this method, the original image sequence data is first separated from the foreground and background. Then, the free anchor frame detection method is used in the foreground image to detect the personnel and correct their direction. Finally, human posture nodes are extracted from each frame of the image sequence, which are then used to identify the abnormal behavior of the human. Simulation experiment results demonstrate that the proposed algorithm has significant advantages in terms of the accuracy of human posture node detection and risk behavior identification.     

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.     

面向电信承载网的监控系统设计与实现

面对电信承载网连接的日益增长的海量终端设备，运营商需要结合网络拓扑对终端设备产生的数据进行高效的汇聚统计、异常分析、故障定位处理等操作。针对已有系统存在的操作困难、分析效率低等问题，设计与实现了一个面向电信承载网的高效监控系统，提供实时与离线数据分析和多维可视化分析的能力。对网管、认证、终端等系统及设备采集的数据进行结构化存储，对采集的数据进行拓扑相关性和时间序列方法分析，根据分析结果实现基于动态阈值控制的异常实时告警、定位等操作，并提供多维度可视化分析对网络状态进行实时监控。实际应用结果表明，该系统性能优异，具有良好交互性，能较好地满足承载网运维人员业务分析需求。     

雷达发射机浮动板调制器与故障检测电路的设计

提出了一种改进的浮动板调制器和对正负偏电压的故障检测电路,利用MOSFET寄生电容特性,通过固定脉宽窄脉冲控制调制脉宽,通过增加负偏MOSFET提高输出负偏电压。对故障检测电路进行仿真实验,通过模拟故障,验证故障检测报警信号发生时间均在微秒级别。完成样机的搭建,利用多重方式解决高压绝缘问题,并对其加电进行试验验证,分析实验波形,证明此电路满足设计要求并且具有可行性。     

铁山岩体北东部铁铜多金属矿成矿规律及成矿预测

铁山岩体北东部分布有多个中、小型矿床，受矿山开采和工作程度影响，多数矿床周边和空白地段未进行评价。为进一步开展矿区深部及其外围找矿勘查工作,扩大资源储量，通过对以往资料的整理分析，结合近些年矿床（点）的勘查资料，从地层、岩浆岩、控矿因素和物探等方面入手，总结成矿规律，并结合物探成果对矿区外围及空白地段进行预测，提出成矿预测靶区，A级3处，B级2处，C级2处。表明研究区内找矿前景较好,值得进一步开展工作。     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

幼童用智能示警蚕丝被的研发

针对幼童自我控制能力和抵抗力较弱,易因踢被子引发感冒等疾病这一特定场景,通过将微型传感器植入蚕丝被特定部位中,以蓝牙通信方式广播传感器采集到的温度数据,手机APP读取到数据后,利用踢被温度变化逻辑判断模型进行分析,达到设定的逻辑判定条件后,在手机端发出声音和振动示警,开发出能够对踢被进行识别和示警的蚕丝被新产品。最后,根据检测评价指标与方法对试制产品进行了测试。结果显示:在报警时间阈值大于或等于7 min和踢掉全部被子条件下,报警成功率为100%;报警时间阈值偏差延时小于或等于3 min、正常睡眠过程中无误报警;对部分踢被等特殊情况也有一定辨识度。     

智能化救援监控系统在煤矿安全生产中的应用

针对煤矿发生事故后传统救援监控系统无法实时对井下人员进行动态定位，导致矿井救援盲目性大、救援效率差、救援难度大等技术难题，为了进一步提高煤矿救援效率，通过技术研究，设计了一套以通信基站为核心的智能化救援监控系统，分析了该系统结构组成、工作原理，通过在担水沟煤矿井下实际应用效果来看，智能化救援监控系统对人员定位精准度达95%，实现人员动态位置三维成像，救援效率提高至80%以上，有效缩短了煤矿事故救援时间，取得了显著应用成效。     

基于改进关联规则算法的警情数据分析

针对传统Apriori算法挖掘警情数据的缺点，提出一种改进的Apriori算法。该算法首先在关联规则发现阶段引入权值参数，设计支持度阈值函数，以挖掘不常发生的重大案情发生规律；然后提出一种压缩矩阵优化算法，将数据压缩存储在只有0或1的矩阵中，并用2个数组来记录矩阵中每一行及每一列1的总数，可多次压缩矩阵，提升挖掘效率；最后将改进的算法用于实际的警情数据挖掘分析，给出关联规则挖掘结果。实验表明，改进算法不仅执行效率较传统算法有所提升，且针对警情数据的挖掘结果准确性也有所提高。     

基于序列模型的无线传感网入侵检测系统

随着物联网(IoT)的快速发展，越来越多的IoT节点设备被部署，但伴随而来的安全问题也不可忽视。IoT的网络层节点设备主要通过无线传感网进行通信，其相较于互联网更开放也更容易受到拒绝服务等网络攻击。针对无线传感网面临的网络层安全问题，提出了一种基于序列模型的网络入侵检测系统，对网络层入侵进行检测和报警，具有较高的识别率以及较低的误报率。另外，针对无线传感网节点设备面临的节点主机设备的安全问题，在考虑节点开销的基础上，提出了一种基于简单序列模型的主机入侵检测系统。实验结果表明，针对无线传感网的网络层以及主机层的两个入侵检测系统的准确率都达到了99%以上，误报率在1%左右，达到了工业需求，这两个系统可以全面有效地保护无线传感网安全。