基于观测点机制的异常点检测算法

异常点检测是数据挖掘领域的一个重要研究方向,传统的基于近邻和局部异常因子的异常点检测算法存在计算复杂度高和误检率高的缺陷．为解决该缺陷,提出一种基于观测点机制的异常点检测（observation-point mechanism-based outlier detection,OPOD）算法．首先在原始样本空间中随机放置若干观测点,然后计算观测点与样本点之间的距离,将原始数据转换为与观测点相对应的距离数据,再估计距离数据的概率密度函数,进而计算距离数据出现的概率值,最后通过对多个观测点距离数据概率值的融合最终确定原始样本点中的异常点．基于PyCharm平台,采用sklearn. datasets的make＿blobs函数生成仿真数据集,分别测试不同规模和不同维度数据集对OPOD算法性能的影响,并对比了OPOD算法、基于局部异常因子的异常点检测（local outlier factor-based outlier detection,LOFOD）算法和基于近邻的异常点检测（nearest neighbor-based outlier detection,NNOD）算法的运行时间、异常点召回...     

基于距离的不确定数据异常点检测研究

针对实际数据存在不确定性的问题,提出了新的异常点检测方法。首先,定义了基于距离的不确定数据异常点检测概念;其次,设计了相应的不确定数据的异常点检测算法;再次,为降低算法时间复杂度,设计了剪枝策略;最后,实验分析说明了算法对不确定异常点检测的可行性与效率。     

基于特征符号表示的网络异常流量检测算法

为了准确检测网络中的流量异常情况,确保网络正常运行,提出基于特征符号表示的网络异常流量检测算法（NAAD-FD）. NAAD-FD算法利用趋势转折点将网络流量数据按照基于趋势特征的符号表示方法进行转化,按照表示结果将原始数据转化为包含7项特征值的子序列,将7项特征值运用到提出的距离计算方法中;结合基于密度的算法,按照时间序列的网络异常流量定义执行异常检测. 通过对算法参数、仿真数据和真实网络流量数据的实验与分析可知,该算法具有较强的鲁棒性,验证了该算法的有效性和稳定性. 该算法通过降维简化表示,显著降低了算法的时间复杂度,有效加速异常检测过程约40%.     

基于Markov链蒙特卡洛的因子图均衡算法

针对基于因子图模型的非线性失真信道的迭代均衡计算复杂度高的问题,提出了3种不同的接收信息后验概率的有效算法以及并行实现方法。在基于因子图的均衡算法中,均衡器和译码器以迭代处理的方式联合工作,提高了系统的整体性能,但计算复杂度随信道记忆长度呈指数增加,通过Markov链蒙特卡洛算法实现多维积分的计算,并通过因子图分割实现并行Gibbs采样,降低了计算复杂度,仿真表明,该算法有效克服宽带高阶调制的卫星信道非线性失真,有利于硬件或多核并行实现。     

基于近邻搜索空间提取的LOF算法

针对局部异常因子(local outlier factor,LOF)异常检测算法时间空间复杂度高、对交叉异常及低密度簇周围异常点不敏感等局限,提出了基于近邻搜索空间提取的LOF异常检测算法（isolation-based data extracting LOF,iDELOF）,将基于隔离思想的近邻搜索空间提取(isolation-based KNN search space extraction,iKSSE)前置于LOF算法,以高效剪切掉大量无用以及干扰数据,获得更加精准的搜索空间。基于此完成了理论以及4组实验分析,每组实验分别进行iDELOF算法与LOF、iForest、iNNE等多种典型算法的对比分析。结果表明:iDELOF算法通过拉大正异常点局部离群因子的差距,增强了对交叉异常以及低密度簇周围异常点的识别能力,提升了LOF的检测效果;iDELOF算法在识别轴平行异常方面与LOF同样具有明显优越性;iDELOF算法通过iKSSE所获数据子集显著小于原数据集,多数子集数据量小于原数据集的1%,因此iDELOF的时间空间复杂度显著降低,且原数据集数据量越大,优越性越明显,当数据量足够大时,iDELOF算法的运行时间将低于IF算法。     

基于相关域的机载雷达双迭代空时自适应处理方法

针对全维空时自适应处理需要大量采样数据和庞大计算复杂度这一问题,提出了一种基于相关域的双迭代空时自适应杂波抑制方法(BI-STAP),先分别对采样空时数据矩阵进行行堆栈和列堆栈处理,将高维权向量分解为2个低维权向量的Ktonecker积的形式,然后使用双迭代算法利用相关域信息求解出2个低维权向量.最后,基于实测数据的实验验证了算法的有效性.理论分析和实验仿真结果表明,所提算法具有良好的收敛性能,能够有效的降低的计算复杂度和样本要求,并且对阵元随机幅相误差具有很好的容差能力.     

基于数据筛选的无人机测绘数据异常检测

为降低无人机测绘数据异常检测的误检率、漏检率,缩短检测时间,文章提出一种基于数据筛选的无人机测绘数据异常检测方法。采用支持向量机对无人机测绘数据进行数据流分块、竖向规范化处理及时间切片处理等预处理;基于卷积神经网络分析数据确定数据潜在规律;采用无监督聚类算法对数据进行聚类,利用滑动窗口处理得到数据流簇心因子并进行聚类;根据判断标准对异常数据分块处理,确定是否存在异常因子;采用重叠累加值计算方法对异常数据点进行筛选,完成无人机测绘数据异常检测。实验结果表明:与传统卷积神经网络方法相比,采用该方法对异常数据检测,其误检率降低了约11%、漏检率降低约8.1%,并且检测时间缩短了11.3 min。     

基于快速自适应聚类算法的网络异常检测方法

随着Internet遍布到世界的各个角落,计算机暴露在互联网的各种恶意攻击前。我们需要行之有效的入侵检测系统来保护计算机免受这些恶意攻击的侵扰。现有基于信号的检测方法十分依赖加标识的训练数据,而对于新型的攻击束手无策。尽管基于聚类的检测方法可以克服这个缺陷,但是聚类方法的时间开销太大,从而导致网络管理员的反应延迟。本文介绍了一种新型的快速自适应聚类算法(FACA,FastAdaptive C lusterA lgorithm)该算法的时间复杂度为O(mn),n为数据点的数量,m为采样的次数,m的值远小于n,然而传统聚类方法的时间复杂度为O(n2),采用KDD CUP99的实验数据对该方法进行了评估,结果表明,相对于传统聚类方法,FACA显著的提高了检测效率。     

采用压缩感知的阵列失效单元诊断方法

针对现有阵列单元故障诊断方法随阵元数目增多而存在的采样数量大、诊断时间长、计算复杂度高等缺陷,提出了一种采用压缩感知理论的故障诊断方法．该方法基于故障单元数目固有的稀疏性,利用完好阵列和实际阵列激励的差值构造稀疏信号．根据目标方位信息设计测量矩阵的网格划分准则,并通过测量矩阵以随机欠采样方式获取少量测量数据．结合平行坐标下降算法对该稀疏信号进行精确重构,从而实现故障单元的准确诊断．理论分析和仿真实验表明,文中提出的方法不仅明显减少了采样数量,有效缩短了诊断时间,大幅降低了计算复杂度,而且进一步提高了故障信息的重构精度．     

基于压缩感知的电能质量扰动信号分析

电能质量扰动信号是衡量电能质量的一个重要指标,因此对电能质量扰动信号进行准确检测是提高电能质量的前提。针对传统采样方法中采样数据量大、采样时间较长以及压缩复杂度高的问题,本文基于压缩感知理论对电能质量扰动信号进行重构,首先证明电能质量扰动信号的稀疏性满足压缩感知的必备条件;采用自适应测量矩阵对电能质量扰动信号数据进行压缩采样,同时,采用谱投影梯度实现了对电能质量扰动信号的精确重构。仿真结果表明,本文采用的压缩感知恢复算法不但可以降低采样数据量和压缩复杂度,其重构误差小,压缩性能指标比较好。     

第三代移动通信系统部分关键技术及仿真结果

依据2001年3月ITU发布的最新版本Release4,论述了我国提出的3G标准－TD－SCDMA的体系结构，系统优势，技术特点和发展前景等，重点研究了在TD－SCDMA系统中联合优化使用智能天线和多用户联合检测技术的原理和方法，并在3GPP规定的环境下对其进行了仿真，结果表明所研究的算法满足系统性能要求，并具有良好的工程可实现性。     

中远程空空导弹允许攻击区的快速模拟算法

允许攻击区是衡量空空导弹瞬时最大攻击能力的一个重要指标。本文以某型中远程复合制导空空导弹为例,提出一种快速模拟算法来计算导弹的允许攻击区。仿真结果表明：本文提出的快速模拟攻击区算法在满足机载计算机实时性要求的前提下,有较高的精度。     

基于任意阵列结构的欠采样频率估计

针对电子战接收机对宽带信号频率的无模糊估计要求,提出基于任意阵列结构的欠采样频率估计算法。采用两个工作时间步长不等的控制开关,将各阵元接收信号依次接入两个独立的接收通道,并以小于Nyqist采样频率的速率对送入的信号进行采样,通过接收通道的时间相关运算及相应的频率解模糊算法实现频率的无模糊估计,最后给出了正确解模糊的条件。由于各信号的估计可以并行实现,该方法在一维搜索量小的优势下实现了同时多信号的频率估计,计算机仿真结果表明此方法测量精度较高,对噪声影响具有一定稳健性。     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

隐马尔柯夫模型的一种面向对象的程序实现框架

在以Ｃ＋ ＋ 语言作为程序设计语言的基础上,提出了一种用面向对象的程序设计方法来实现隐马尔柯夫模型的基本框架。按照这一框架实现的隐马尔柯夫模型能够很好地保护它自己不受未知的外部事件的影响,从而使它的数据和功能免遭破坏;而且对模型的改进以及程序实现上的变化也不会影响使用它的外部应用程序。此外,用这一方法编制的隐马尔柯夫模型程序具有很好的重用性和继承性。     

皮纳卫星遥测数据异常检测聚类分析方法

为满足皮纳卫星高维遥测数据的实时、自动化、抗概念漂移等处理要求,提出一种基于聚类的遥测数据异常检测方法,包括子空间搜索和两阶段遥测数据聚类处理两部分.子空间搜索,通过熵值实现所有遥测数据低维子空间划分,降低计算复杂度,避免"维度灾难"的发生;两阶段遥测数据聚类处理,在线阶段通过网格索引实时发现单点异常,离线阶段通过聚类挖掘数据的集体异常及其特征,满足快速异常检测和复杂异常检测两种需求,并通过正常状态数据的迭代更新和算法的自适应修改,抵抗概念漂移.ZDPS-1A卫星历史遥测数据的分析结果表明,皮纳卫星遥测数据异常检测聚类方法在线阶段能实时处理10 kHz的流量数据,发现95%的单点异常,满足皮纳卫星实时遥测数据异常检测的一般需求;算法自适应了卫星快速转动导致的数据漂移,维持了稳定的单簇形态;同时相比原边界检查系统早一个月检测出姿态确定与控制系统中程序跑飞引起的太阳敏感器数据紊乱故障.所提出的算法针对性解决了高维、存在概念漂移的遥测数据异常检测问题,能实时检测单点异常,具有集体异常挖掘能力,适用于皮纳卫星星座组网的地面监控系统.     

Self-Recovery of Localization Loss for Indoor Mobile Robot

室内移动机器人在定位丢失时的自恢复研究

蒋林¹,王翰¹, 雷斌^1*, 朱建阳¹, 刘怀广¹, 赵慧²

（1.武汉科技大学 冶金装备及控制教育部重点实验室,武汉,430081;

2.武汉科技大学 机器人与智能系统研究院,武汉 430081）

创新点说明：

针对机器人“绑架”问题,本文具体分析机器人离实际位置点较近和较远的“绑架”类型,以及不同绑架类型所对应机器人的状态和造成这种状态的原因。为判断机器人是否处于“绑架”状态,本文提出改进蒙特卡洛定位算法(IMCL),该算法通过检测粒子均权重的突变进行判断,并针对机器人处于不同的状态采用不同的重采样策略来改进粒子集,进而帮助机器人重新找到自己的真实位置。

关键词：室内移动机器人;自恢复;定位丢失;改进蒙特卡洛定位算法

     

复杂静态背景下多移动目标实时检测系统的FPGA实现

设计了一个基于FPGA的复杂静态背景下多移动目标实时检测系统。系统采用背景差分算法进行移动目标检测;采用中值滤波、像素漂移、腐蚀膨胀、Sobel边缘检测算法对差分结果进行处理。实验结果表明,在复杂静态背景下,系统可以精确地检测到视野内的移动目标,能够提取清晰的目标轮廓,并及时报警;通过多重去噪技术,基本将噪声滤除干净;系统处理速度快,能够满足智能视频监控系统实时性的要求。     

基于短信文本信息流的多热点事件挖掘

短信文本信息流携带了丰富的信息资源,为了在其中挖掘出多热点事件,给出了短信文本信息流在线分检算法,该方法采用特征词共现频度定义了特征词相关度,综合前导信息集合及信息产生频率定义了短信文本相似度。并且每聚类到一个时间段后,就对已聚类的短信文本进行周期分类。该算法对大数量短文本信息流的多热点事件检索效率较高,同时减少了信息的误检和漏检的可能性。在真实数据集上与Single Pass算法进行比较实验,其结果表明了各项指标都有不同程度的提高。     

基于短信文本信息流的多热点事件挖掘

短信文本信息流携带了丰富的信息资源,为了在其中挖掘出多热点事件,给出了短信文本信息流在线分检算法,该方法采用特征词共现频度定义了特征词相关度,综合前导信息集合及信息产生频率定义了短信文本相似度。并且每聚类到一个时间段后,就对已聚类的短信文本进行周期分类。该算法对大数量短文本信息流的多热点事件检索效率较高,同时减少了信息的误检和漏检的可能性。在真实数据集上与Single-Pass算法进行比较实验,其结果表明了各项指标都有不同程度的提高。