一类非线性抛物方程解的大时间性态

讨论N（N≥3）维全空间上一类非线性抛物方程解的大时间性态，利用经典的Fourier分解方法，证明了其解在L^2范数下的衰减速率为（1＋t）^-N/4，达到了和线性热传导方程解衰减率的一致性，因此在此意义下本文的结果是最优的。     

基于张量距离算法预测空调系统的室内温度及供水温度

以维持室内温度舒适和提供运行策略、节约能源为目的,设计了张量距离模型用于挖掘不断增长的历史数据中的有效信息解决空调供暖问题.考虑到空调运维数据的时空特性及各参数的多维特性,将历史数据确定日类型、划分时间段、扩充室外温度后,构造历史温度特征张量,爬虫建筑物所在地的未来室外温度插值后按同样方法扩充数据为未来温度特征张量作为输入,衡量历史时间段与预测时间段中各输入参数的张量距离,找到最小值的索引及对应的纤维,逐小时输出预测时间段空调系统的室内温度及其供水温度.连续7日的预测数据表明:基于张量距离模型预测的室内温度与实际的温度差为0.46℃,比基于支持向量回归(SVR)模型预测的温度差(0.75℃)小,更接近实际温度;基于张量距离模型预测的供水温度与实际的温度差为2.08℃,可用作供水策略.     

基于模糊推理的模糊原型网络

针对真实数据具有的模糊性和不确定性会严重影响小样本学习分类结果这一问题,改进并优化了传统的小样本学习原型网络,提出了基于模糊推理的模糊原型网络（FPN）。首先,从卷积神经网络（CNN）和模糊神经网络两个方向分别获取图像特征信息;然后,对获得的两部分信息进行线性知识融合,得到最终的图像特征;最后,度量各个类别原型到查询集的欧氏距离,得到最终的分类效果。在小样本学习分类的主流数据集Omniglot和miniImageNet上进行一系列实验。实验结果显示：在miniImageNet数据集上,所提模型在5类1样本的实验设置下精度达到49.38%,在5类5样本的实验设置下精度达到67.84%,在30类1样本的实验设置下精度达到51.40%;在Omniglot数据集上该模型的精度相较于传统的原型网络同样有较大提升。     

基于改进小波分析的DDoS攻击检测方法

为准确及时检测DDoS攻击,在研究小波分析法检测DDoS攻击的基础上,提出一种基于主成分分析法和小波分析法的自适应DDoS检测方法,设计采用该方法检测DDoS攻击的模型及算法,分析其增大正常网络流量与异常网络流量之间Hurst参数差值的原因。实验结果表明,该方法减弱了检测结果对门限值的依赖性,提高检测率,防止漏报、误报情况的发生,且由于网络数据维数的降低,该方法大幅提高了检测速度。     

网络安全可视化研究综述

网络安全可视化是近年来网络安全研究的热点。首先说明网络安全可视化的必要性,并给出网络安全可视化的概念、研究步骤及分类,深入分析了多种网络安全可视化方法的优缺点。最后,讨论了该领域当前存在的问题及今后的研究方向。     

多源多汇网络的极限范围与运行边界

研究并得到多源多汇网络的极限范围与运行边界.首先,定义临界流,现有研究的最大流和堵塞流是临界流的一部分;其次,得到多源多汇网络的所有临界流,并绘制成临界流曲线,完整刻画网络传输流量能力的极限范围,最大流流量位于曲线最高点、最小流流量位于曲线最低点;再次,利用临界流确定网络流的运行边界,边界内部和边界上均为可行流,边界外均为不可行流,同时提出多源多汇网络临界流、临界流曲线和运行边界的数学定义及求解方法;最后,给出临界流曲线和运行边界在规划和运行领域中的用途,多源多汇网络模型更接近于实际网络,其临界流曲线和运行边界的发现能帮助人们更深入了解实际网络运行的极限范围.     

对称矩阵反问题的总体最小二乘解

最小二乘法是近年来求解对称矩阵反问题的一种常用方法,但因系数矩阵常常存在误差,方法本身具有很大的局限性.鉴于此,本文提出并讨论了对称矩阵反问题的总体最小二乘解,给出了解的一般表达式;证明了最佳逼近问题解的存在唯一性,给出了其具体表达式及数值算法,并将数值结果应用于求解对称矩阵反问题.     

耦合图像间的数据融合算法

耦合数据的融合算法主要通过利用其中一个数据集的信息提高对其他耦合数据集的估计精度和完善对相关潜变量的解释。针对现实中存在的大量耦合图像,基于耦合数据融合中的耦合矩阵和张量分解优化（CMTF-OPT）算法,提出一种针对耦合图像的耦合图像分解优化（CIF-OPT）算法。相应的理论分析及实验结果表明,不同噪声影响下用CIF-OPT算法进行耦合图像融合后的效果均具有鲁棒性,且融合效果优于其他耦合算法（如：CMTF-OPT算法）。特别地,针对其中缺失数据元素的图像,CIF-OPT算法可以利用与其耦合的图像,对缺失数据元素的图像进行精确的数据恢复。     

一种基于感兴趣区域提取的新型SVD图像压缩算法

提出了一种基于感兴趣区域提取的新型奇异值分解（SVD）图像编码算法（SODSVD）。根据图像的区域复杂度、视觉注意等指标运用感兴趣区域提取技术将图像自适应分块,而对每一小块,根据其复杂度进行不同秩的奇异值分解算法,从而达到图像压缩的目的。同时还提出了一种简单的基于感兴趣区域的图像划分策略。实验结果表明,在PSNR和bpp等评价指标上,新方法有明显优势。