量子GA-PLS特征选择算法及其应用

为进一步提高遗传算法-偏最小二乘法的计算速度和计算效率,将量子算法融合到遗传算法-偏最小二乘法中,提出一种新的特征选择方法—量子遗传算法-偏最小二乘法（Quantum Genetic Algorithm-Partial Square Least,QGA-PLS）算法。该方法利用量子态和叠加态原理对染色体进行编码,采用量子旋转门进行遗传操作,以实现参数的更新和增强种群多样性,同时,用量子计算重新构建了偏最小二乘法回归模型来计算个体适应度,以充分发挥快速收敛和全局优化能力。将方法应用于函数极值优化和Iris数据集的特征选择,实验结果表明,QGA-PLS在特征选择、运算时间和分类准确率方面优于QGA和GA-PLS,从而验证了QGA-PLS算法的有效性。     

飞参数据综合滤波算法

根据功率相等的原则提出了飞参数据中的野值滤波方法.运用神经网络和最小二乘法加权的方法对缺损数据进行填充,并分别与最小二乘法和神经网络的处理结果进行比较.仿真结果表明,运用该方法进行数据处理,可以在保证数据完整准确的情况下,有效地弥补飞参记录数据的缺陷,提高了数据的准确性和可信度.     

基于拉曼光谱全谱数据的无损快速胆维丁含量定量检测方法

提出了利用拉曼光谱全谱数据结合偏最小二乘法实现胆维丁含量快速无损定量检测方法。 采用实验室自主研发的便携式拉曼光谱仪采集了39组不同含量胆维丁样品的拉 曼光谱,26组作为训练集建立偏最小二乘预测模型,13组作为测试集验证模型。测试集预测的 含量和实际含量的线性相关系数为0.999。研 究结果表明拉曼光谱全谱分析结合偏最小二乘法可以用于胆维丁含量的快速定量检测。     

三维荧光光谱的多维偏最小二乘建模方法

将偏最小二乘方法（PLS）推广到高维的多维偏最小二乘方法（N-PLS）由于同时考虑自变量矩阵和应变量矩阵的信息,可以有效解决高维数据的建模问题,并具有较好的模型预测和推广能力。本文研究了三维荧光光谱的多维偏最小二乘建模方法,根据样本序列、激发光谱、发射光谱构造出三维立体数据,并应用N-PLS建立校正模型。对水中的有机污染物浓度综合指标COD、TOC的建模实验,表明了在建模精度方面N-PLS方法优越于常规PLS和平行因子法。     

半径约束最小二乘圆拟合方法及其误差分析

针对基于线结构光视觉检测类圆工件三维测量中的光条圆弧特征数据所占整圆比例偏小，提出了基于半径约束最小二乘圆拟合方法。详细地分析了样本特征数据噪声对圆心定位精度的影响，并进行了仿真实验。实验结果表明，在光条圆弧特征数据所占整圆比例偏小的条件下，半径约束最小二乘圆拟合方法可以有效地提高圆中心定位精度。     

楔顶双孔受感器试验数据处理方法研究

楔顶双孔压力受感器可以用来获取三维动态流场数据.本文分别采用三次样条插值、最小二乘法拟合和线性插值等三种方法,对基于楔顶双孔高频压力受感器试验数据进行了分析研究,结果表明线性插值法较样条插值、最小二乘法具有更高的精度.     

基于样条偏最小二乘法的中药量效关系研究

中药量效之间呈现多成分、多靶点的非线性关系,偏最小二乘回归是一种线性回归方法,不能充分表达中药量效之间的非线性关系。基于此,文章建立基于样条偏最小二乘的中药量效关系模型,该模型先对自变量进行三次B样条变化,再进行偏最小二乘回归建模。分别在6组UCI数据集、2组中药数据上展开实验,结果表明,基于样条偏最小二乘回归模型能够很好地拟合非线性数据,并且对中药量效关系研究可行有效。     

基于改进的偏最小二乘法的LIBS钢液成分定量分析

为了研究激光诱导击穿光谱技术基体效应对其测量精确度的影响,采用改进的偏最小二乘法进行数据预测,以有效降低基体效应对待测元素的影响。通过与单变量定标和偏最小二乘模型定标进行对比研究可知,待测元素Mn和Si的定标曲线的拟合度分别从0.991和0.993提高到了0.996和0.997,对于验证样品的预测相对误差也分别从6.231%,6.912%下降到了5.510%和6.125%。结果表明,采用改进的偏最小二乘法可以有效减小基体效应,定标精度有较明显提高,对分析性能有了较大的提高。     

圆柱度误差快速最优化评定方法

使用迭代重加权最小二乘算法(IRLS)进行圆柱度误差评定。经过实际计算将所得到的误差评定值与其他方法相比较,在测量数据点集满足"小误差、小偏差"两点假设的条件下,迭代重加权最小二乘法可以得到精确的最小区域解,但是在运算时间上由于受迭代次数的影响,对不同的误差限运算时间会相差很大。总体来说,迭代重加权最小二乘法实现简便,有较高的使用价值。     

基于抗差估计的激光测高数据处理

激光测高仪是一种空间对地探测装置,在众多领域中有重要的应用前景.由于大气传输介质以及系统噪声的影响,需要对测得的数据做精确化处理.采用了抗差估计(IGGⅢ方案)来处理激光测高的数据,与最小二乘法相比,抗差估计既能减小模型偏差又能抗拒异常观测值干扰.     

Multi-step attack detection method based on network communication anomaly recognition

In view of the characteristics of internal fixed business logic,inbound and outbound network access behavior,two classes and four kinds of abnormal behaviors were defined firstly,and then a multi-step attack detection method was proposed based on network communication anomaly recognition.For abnormal sub-graphs and abnormal communication edges detection,graph-based anomaly analysis and wavelet analysis method were respectively proposed to identify abnormal behaviors in network communication,and detect multi-step attacks through anomaly correlation analysis.Experiments are carried out on the DARPA 2000 data set and LANL data set to verify the results.The experimental results show that the proposed method can effectively detect and reconstruct multi-step attack scenarios.The proposed method can effectively monitor multi-step attacks including unknown feature types.It provides a feasible idea for detecting complex multi-step attack patterns such as APT.And the network communication graph greatly reduces the data size,it is suitable for large-scale enterprise network environments.     

基于协峭度张量的高光谱图像异常检测

高光谱图像中的异常像元往往具有在图像中出现的概率低和游离于背景数据云团之外的特点,如何“自动”确定这些异常像元是高光谱遥感图像处理中的一个重要研究方向。经典的高光谱异常检测方法一般从图像的统计特性入手,广泛应用的RXD异常检测算法通过计算图像的2阶统计特征,可以直接给出异常点的分布情况,算法复杂度低,但缺点是没有考虑到图像的高阶统计信息。基于独立成分分析的异常检测算法虽然考虑了高阶统计量对异常点的敏感性,但需要反复迭代提取异常成分后,再对提取后的成分进行异常检测。该文提出一种基于协峭度张量的异常检测算法,该算法不需要事先提取异常成分,可以直接对观测像元进行逐一检测,从而给出异常点的分布情况。基于模拟数据和真实数据的实验结果表明,该方法能够在检测出异常像元的同时更好地压制背景信息、减小虚警率,从而提高异常检测精度。     

基于兴趣图谱的用户兴趣分布分析及专家发现

尽管用户可自主生成个性化数据以更全面描述个人偏好,但由于用户创建数据不严谨、不可控,导致生成的庞大数据集大多存在质量低、噪声严重的缺陷.因此管理复杂网络信息时,不能仅使用写入性知识,必须重视具有大量领域知识的专家,因为其可为系统提供高质量的信息.本文通过构建和分析用户兴趣分布曲线以发现兴趣领域专家,并提出甄别状态不正常的伪专家算法.由于网络中权威专家数量较少,所以所提供的信息是有限的.因此本文定义的领域专家不仅包含权威专家,而且包含普通用户中对某领域有极高关注的兴趣领域专家.实验证明算法的正确性和高效性,并且较低的复杂度使其可处理海量用户节点信息.     

基于二级聚类的家宽异常数据分析与应用

为充分挖掘家宽异常数据信息、直观了解家宽异常情况,针对用户端反馈家宽异常事件相关指标的具体数据,提出了一种基于异常主导因素和严重程度的综合评价体制,在此基础上分别利用余弦相关性和曼哈顿距离对归一化后的常见异常数据进行二级聚类,最终对常见家宽异常数据进行类别划分。现网数据实践表明,该方法可将大量无规则家宽异常数据划分为特点各异的若干类,并提取出需重点整改信息,并可建立一个预测准确率较高的KNN分类模型。     

消息和指令分析相结合的网络协议异常行为分析

关注协议的异常行为,将协议传递的原始消息和实现协议的程序二进制代码均作为分析对象,采用动态污点分析和静态分析相结合的方法,先在自行设计的虚拟分析平台Abnormal Disc原型系统上监控和分析协议程序解析消息的过程,记录协议的公开行为,再利用提出的异常行为感知和挖掘算法,静态分析协议的异常行为触发条件和异常行为指令序列,最后根据异常行为触发条件生成带有敏感信息的协议新消息,动态触发异常行为的执行。Abnormal Disc原型系统可以感知并触发协议的异常行为,根据统计分析的结果,提出了协议运行安全性的评估方法。实验结果表明,利用所提供的方法可以比较准确地挖掘协议的异常行为,并能够对协议运行的安全性进行评估。     

一种基于模板匹配与隶属度解析的时序异常快速检测方法

传统的数据检测技术在处理大规模医疗数据时,耗时较高且抗干扰能力较弱。针对这些问题,文中应用模板匹配与隶属度解析技术,给出了一种时序数据异常状态的快速检测与分析方法。该方法采用TSTKS算法与滑动窗口理论实现时序数据多突变点快速检测,提取连续多窗口波动特征,构建时序数据的归一化波动向量,对大规模病变信号进行异常状态检测与分析。仿真数据与脑电病变信号分析等实验表明,此方法是一种较为快速、准确的大数据分析与检测方法。     

基于堆叠降噪自编码器的配电数据清洗方法

准确高效的异常数据识别与缺失数据恢复是电力网络稳定运行的基础。提出了一种配网网络状态监测异常数据清洗方法。首先,利用堆叠降噪自编码器(SDAE)学习正常数据和异常数据特征,去除噪声后获取损失函数曲线。然后,采用Bootstrap方法估计置信区间,设置异常数据识别门限,通过多分类支持向量机完成异常类型识别。最后,针对缺失数据,设计了Pearson相关系数进行插补恢复。实验结果表明,该方法能够有效识别配电网络异常数据类型,且缺失数据恢复性能优于现有方法。     

一种航标定位的GPS异常点快速判别及剔除方法

介绍了一种采用古典概率与莱以特判别法相结合的GPS异常点快速判别方法,通过Visual C 以及Matlab工具进行模拟和仿真。实验结果表明:该方法具有处理速度快、效率高的优点,能快速判别并剔除GPS异常数据。将该方法应用在航标定位数据异常点的处理中,提高了航标终端对GPS异常数据的抗干扰能力,应用效果证明方法的可行性和高效性。     

抗差卡尔曼滤波在惯组外场自标定中的应用

针对惯组在外场自标定受到环境的振动干扰会降低标定精度的问题,分析了粗差对卡尔曼滤波估计值的影响,提出将基于抗差估计的卡尔曼滤波算法应用于惯性测量组合(IMU)外场自标定数据处理中。该算法通过等价权函数对异常数据进行连续降权,减弱粗差对惯组输出的污染,兼具了卡尔曼滤波的实时性和等价权函数的抗差性,具有实际应用价值。实验结果表明,与Sage-Husa自适应卡尔曼滤波和抗野值卡尔曼滤波相比,抗差卡尔曼滤波具有更强的抗差性,滤波收敛速度更快,单次通电精度提高了至少1个数量级,能有效抑制异常数据对标定精度的影响。     

基于深度学习的域名查询行为向量空间嵌入

提出一种新的分析DNS查询行为的方法,用深度学习机制将被查询域名和请求查询的主机分别映射到向量空间,域名或主机的关联分析转化成向量的运算。通过对2组真实的校园网DNS日志数据集的处理,发现该方法很好地保持了关联特性,使用降维处理以及聚类分析,不仅可以让人直观地发现隐含的关联关系,还有助于发现网络中的异常问题如botnet等。