基于融合特征的双通道CNN滚动轴承故障识别

针对传统的滚动轴承故障识别方法效果较差,对专家经验依赖较高的问题,提出一种基于融合特征的双通道CNN滚动轴承故障识别方法.该方法首先将原始信号采用小波分解方法生成时频图,再将时频图和原始故障信号融合输入到Lenet-５网络中,进一步对故障特征进行准确提取,在输出层对数据进行融合,使用Softmax分类器对轴承故障进行分类.实验结果表明,该方法对不同种类的滚动轴承故障的识别均能做出准确的判断,识别准确率高.     

基于改进人工鱼群优化算法的超声信号稀疏分解

根据非稳态超声信号的特点,提出一种改进的新型人工鱼群智能优化的稀疏分解算法,构造了人工鱼群搜索稀疏分解最佳原子的优化模型;利用人工鱼群方法并行寻优、全局收敛性好的特点,搜索最优原子,降低了稀疏分解匹配追踪算法的复杂度,减少了传统匹配追踪中超完备字典对存储空间的占用:针对鱼群搜索特点,对初始鱼群分布及鱼群行为进行改进,解决了原始算法鱼群初始覆盖空间的不确定性,改进后的聚群和追尾行为有效地提高了鱼群算法的收敛速度且算法稳定;实验结果表明,将改进后的算法用于超声缺陷信号的提取时,与小波方法相比较,信号的质量和性能指标均有显著改善.     

基于空间脉冲响应的超声换能器声场研究

以空间脉冲响应为理论基础,建立了换能器空间声压模型,通过求任意时刻相交弧长对应圆心角的方法,计算了圆形和矩形换能器的脉冲响应函数,并仿真了其声轴线平面、横截面和声轴线的声压分布,通过与理论声压对比,仿真结果可以准确地反映换能器在空间辐射的声场。该方法对优化换能器设计参数和无损检测工艺、提高超声检测分辨率和可靠性有重要意义,也适用于其他形状换能器声场的计算。     

Web服务安全中XML加密技术的研究

随着Web服务技术与应用的发展,Web服务安全问题日益突出.本文结合密码学和信息安全领域的基本理论,重点探讨了XML加密的密钥交换方法、基本实现模式及基于XML加(解)密在Web应用中的意义.并研究了XML加密粒度问题的解决途径.     

煤矿安全网中基于已知样本的快速聚类入侵检测算法

针对煤矿安全生产信息系统中出现的网络入侵问题,在网络入侵异常检测技术中提出一种基于已知样本的快速聚类入侵检测算法.该算法通过对已知样本训练来准确获得初始聚类中心,同时运用对象分离的方法计算聚类中心和非相似度,解决了由于传统聚类算法随机选取初始聚类中心和只能计算单一连续属性或离散属性带来的网络异常检测中误报率高而检测率低的问题.实例验证表明:该算法比传统聚类算法的检测率提高了30%,误报率降低了25%,并且能获得对新型攻击的检测.     

Web服务安全中XML签名技术的研究

XML作为一种与平台无关的描述性语言,以其高度的可扩展性而被广泛的应用.本文对XML数字签名与传统数字签名技术进行了对比研究,探讨了XML签名在Web服务安全中的应用,以及如何利用XML对文档进行数字签名和对签名进行验证,最后给出了基于Java和C#的XML数字签名的具体实现.     

基于小波变换的焊接缺陷超声信号处理

本文针对焊接缺陷超声检测信号的特点,研究了基于小波变换的超声信号噪声消除方法,并运用小波变换方法对实测信号进行了具体的处理,实验结果表明,该方法不仅具有很好的去除噪声效果,而且重构的缺陷回波的波形失真度小,缺陷定位准确,有利于进一步作定量检测.     

基于中层细微特征提取与多尺度特征融合细粒度图像识别

在细粒度视觉识别领域,由于高度近似的类别之间差异细微,图像细微特征的精确提取对识别的准确率有着至关重要的影响。现有的相关热点研究算法中使用注意力机制提取类别特征已经成为一种趋势,然而这些算法忽略了不明显但可区分的细微部分特征,并且孤立了对象不同判别性区域之间的特征关系。针对这些问题,提出了基于中层细微特征提取与多尺度特征融合的图像细粒度识别算法。首先,利用通道与位置信息融合中层特征的权重方差度量提取图像显著特征,之后通过通道平均池化获得掩码矩阵抑制显著特征,并增强其他判别性区域细微特征的提取;然后,通过通道权重信息与像素互补信息获得通道与像素多尺度融合特征,以增强不同判别性区域特征的多样性与丰富性。实验结果表明,所提算法在数据集CUB-200-2011上达到89.52%的Top-1准确率、98.46%的Top-5准确率;在Stanford Cars数据集上达到94.64%的Top-1准确率、98.62%的Top-5准确率;在飞行器细粒度分类（FGVCAircraft）数据集上达到93.20%的Top-1准确率、97.98%的Top-5准确率。与循环协同注意力特征学习网络PCA-Net(...     

基于时间分段的贝叶斯网络异常检测方法

论文提出一种将时间分段函数与贝叶斯统计模型相结合的方法来进行网络异常检测,该方法通过使用加入时间函数的贝叶斯统计模型来发现和判定网络中的异常,利用贝叶斯理论在解决不确定问题方面的优点与网络环境中流量随时间变化的函数相结合,来发现大量事件之间的联系,对系统行为进行分类,建立起异常入侵检测模型,通过这个模型能够分析判断网络异常行为的发生。通过将该方法加入到西安交大捷普的入侵检测系统中可以发现,该方法能有效提高检测网络异常的检测率。     

遗传优化的稀疏分解算法在超声缺陷提取中的应用

针对超声检测缺陷信号带有的干扰噪声严重影响信号提取和缺陷定位准确性的问题,利用基于遗传优化和稀疏分解相结合的算法提取超声缺陷信号。该算法利用遗传算法来寻优匹配追踪算法中的多参数;并采用与超声信号最优匹配的Gabor原子库,达到自适应的匹配超声回波信号,从而大大降低了稀疏分解算法的复杂度。分别对仿真和实际超声缺陷信号进行试验,并与小波去噪方法进行比较。结果表明,该方法能够在噪声背景下更有效地提取缺陷信号。