排序方式: 共有18条查询结果,搜索用时 26 毫秒
1.
针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题,提出一种优化支持向量机和K-means++算法结合的入侵检测模型。首先利用主成分分析法(PCA)对原始数据集进行预处理,消除其相关性;其次在粒子群优化(PSO)算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解;然后利用自适应变异粒子群优化(AMPSO)算法优化支持向量机的核函数和惩罚参数;最后利用密度中心法改进K-means算法与优化后的支持向量机组合成入侵检测模型,从而实现工业控制系统的异常检测。实验结果表明,所提方法在检测速度和对各类攻击的检测率上得到明显提升。 相似文献
2.
3.
4.
5.
针对无线传感器网络中移动节点定位问题,提出一种移动未知节点的混合定位算法。该算法在预测和过滤阶段均作了改进。在预测阶段,根据未知节点在t时刻接收到的锚节点信息个数区分四种情况进行讨论,选择最适合的方法来缩小采样区域;在过滤阶段,针对预测阶段四种不同的可能情况判断是否需要过滤。仿真结果表明,该算法在显著地缩小了采样区域的同时,提高了采样成功率和定位精度;减少了采样次数和计算量,降低了能耗,延长了网络的生存周期。 相似文献
6.
通过对现有文献的分析可知传统APIT算法存在着定位误差大和覆盖率低的问题。针对上述问题,提出一种APIT的改进算法。引入缩小定位区域的思想,通过多次运用PIT算法求定位区域质心,将原APIT算法的一轮定位扩展为多轮定位,逐步减小定位区域,将较小定位区域的质心坐标作为未知节点的坐标,减小定位误差;同时,改进算法充分运用可移动的信标节点,逐步增加定位覆盖率。在MATLAB环境的各场景下对改进算法进行仿真,并将其与原有算法进行对比。仿真结果表明,改进算法能够在减小节点定位误差的同时提高定位覆盖率。 相似文献
7.
针对无线传感器网络中移动节点定位问题,提出一种适用于未知节点移动而信标节点固定的改进蒙特卡罗定位算法,充分利用信标节点与未知节点间的测距误差来缩小采样区域,提高采样效率。仿真结果表明,改进算法在信标节点密度、连通度和节点最大运动速度等不同情况下均能提高定位精度,减少采样次数和计算量,延长网络的生存周期。 相似文献
8.
针对传统基于轮廓的步态识别方法受限于输入特征及模型特征提取的能力,从而导致识别准确率不高的问题,提出一种融合轮廓增强和注意力机制的改进GaitSet步态识别方法。首先通过预处理获取行人的轮廓图,求得其均值,合成步态GEI能量图,将其作为神经网络模型的输入特征,增强了人体外观的表示。其次在提取特征的过程中引入注意力机制,增强模型的特征提取能力,从而提高步态识别的精度。最后在CASIA-B和OU-MVLP数据集上进行实验,所提方法的平均Rank-1准确率分别为87.7%和88.1%。特别是在最复杂的穿大衣行走条件下,相较于GaitSetv2算法,准确率提升了6.7%,表明所提出方法具有更强的准确性。此外,所提方法几乎没有增加额外的参数量、计算复杂度和推理时间,说明其各模块的快速性。 相似文献
9.
10.