基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

一种面向行星探测的多轮机器人协调控制方法

面向星球表面探测应用,在研究基于曲柄滑块的多主动轮驱动结构的基础上,对机器人多轮协调控制 问题进行研究．对机器人在平坦以及崎岖地面行驶时驱动力矩的变化进行了详细分析．提出了一种基于驱动力矩变 化的多主动轮协调控制方法,并在多轮移动机器人平台上得到了实现．实车试验表明,该方法可以减少因各轮运动 不协调所产生的纵向滑移现象,提高了码盘定位精度,有效地降低了能耗．     

基于T—S模糊模型的LQR控制器设计

基于T-S模糊模型的平行分配补偿控制器设计方法,结合线性二次型最优控制方法,设计了一个倒立摆系统状态反馈控制器.控制方法有效地将线性系统理论与模糊控制理论结合起来,可处理某些复杂的非线性自不稳定系统控制问题.针对倒立摆是一个非线性、不稳定、强耦合系统,利用MATLAB对其进行仿真实验,结果表明上述方法能够控制倒立摆稳定.TS-LQR控制器结合了模糊控制和LQR方法的优点,具有结构简单、易于实现以及稳定范围大、鲁棒性好的优点,可获得较好的动态性能和稳态性能.