混合匹配规则的否定选择算法

针对目前基于免疫的检测器生成算法中,匹配规则单一造成的检测器质量低下的问题,提出一种基于混合匹配规则的否定选择算法,采用海明距离整体匹配的各段内R连续比特匹配的否定选择算法,即混合匹配否定选择算法,对算法的性能进行了分析．实验结果表明,该算法能够高效地产生所需要的检测器,提高了检测率,且降低了误报率．     

基于免疫机制的入侵检测研究现状与展望

对基于免疫机制的入侵检测技术中的关键模型和方法进行概述,通过对国内外研究现状(特别是近五年)的分析,总结目前出现的各种问题,并以物联网应用为例,对基于免疫机制的入侵检测未来发展方向及问题解决思路展开讨论,目的是拓展研究范围,促进研究成果到应用领域的实践,及人工免疫系统研究的深入发展.     

WSNs入侵检测中实值否定选择算法研究

针对无线传感器网络免疫入侵检测中否定选择算法采用r-连续位二进制串匹配度作为亲和力,检测率低且无法反映WSNs在一段时间内的动态特性这一现象,提出采用RNS-WSNs算法,该算法用一段时间内属性值的变化率构成向量作为抗原和抗体,通过计算向量间的曼哈顿距离作为亲和力。在NS3上模拟WSNs进行实验,结果显示在能量消耗相当且误报率相同的情况下,RNS-WSNs算法具有更高的检测率。     

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法.先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合.其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像.仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法.     

基于免疫的异常检测中实值自体集优化算法*

针对免疫异常检测一直被忽视的实值自体集多分区、样本重叠率高和噪声等现象,以及造成的检测器生成代价高和边界漏洞等问题,提出一种实值自体集优化算法。算法通过模糊聚类算法处理集合多分区问题,利用高斯理论对自体集中的噪声样本、高重叠率等问题进行处理。通过Iris数据集和网络数据验证,算法可以有效地解决以上问题,提高生成检测器的效率和系统检测率。     

900/100旋回破碎机排放口工艺的调整

900/100旋回破碎机排放口调整的原工艺是采用热胀冷缩原理进行的,该工艺原始、落后.现使用3台液压油缸,利用液压力替代人力,分解开缝螺帽和螺帽外套,调整排放口.新工艺经济、安全、方便.     

1500/300破碎机横梁裂纹修复工艺探讨

通过研究大型结构件的焊接技术,对大型结构件的焊接预处理方法的优缺点的比较,选择适合白云铁矿大型结构件的预处理方法;在结构件的焊接外观质量方面,针对现状,提出提高质量的技术方法;在焊接内部质量方面,焊接变形在处理过程中极易发生,危害性大。分析破碎机等大型结构件的结构特点,结合白云铁矿实际状况,研究地大型结构件的焊接适应性,提供解决思路。     

SIMM2013掠影

2013年3月28—31日,第14届深圳国际机械制造工业展览会（sIMM2013）在深圳会展中心举行。《模具工程》参加活动了这次展会（展位号8858）,记者也全程采访了这届展会。     

基于熵的实值免疫检测器降维优化算法

针对免疫机制的入侵检测系统中实值检测器的维数灾难问题,借鉴信息熵理论,提出一种基于熵的实值检测器降维优化算法,使检测器在保留足够信息量的前提下在低维空间中运行,有效提高检测效率.实验表明,降维后的检测器表现出更好的检测性能.     

基于样本关联感知的无监督深度异常检测模型

异常检测的目标是识别正常模式中的异常模式.如何充分利用数据的各种特征信息来识别异常是当前异常检测的研究热点之一.许多数据挖掘及机器学习等方面的智能算法都被用于异常检测规则训练以提高其检测性能.目前已有模型存在着对复杂数据处理困难、没有充分利用数据样本间关联特征等问题,从而造成异常检测效果不甚理想.基于此,本文提出一种基于样本关联感知的深度学习模型并用于异常检测.模型通过对样本的原始特征和样本间的关联关系进行深入分析,利用无向图结构来提取样本间的关联特征,然后基于由特征编码器和图编码器构成的双路自编码器实现对样本的原始特征和关联特征的融合,产生样本在低维特征空间中高质量数据嵌入,然后进行解码重构并计算重构误差和重构特征,最后设计基于高斯混合模型的估计网络,基于重构特征和高质量的数据嵌入估计样本的概率密度,通过给定阈值来进行异常检测.实验结果表明,本模型的异常检测各项性能指标均比其他基于机器学习和深度学习的异常检测方法提升了2％左右,参数、消融和噪声实验结果也较其他算法更稳定,可视化实验也能够突出本模型在数据特征提取和充分利用等方面的优势.