抗好词攻击的中文垃圾邮件过滤模型

针对当前中文垃圾邮件过滤领域面临的好词攻击威胁,提出了一种鲁棒的中文垃圾邮件过滤模型。该模型基于多示例学习机制,并结合中文分词和特征选择方法,将一封邮件转化为若干示例的组合,然后应用多示例逻辑回归模型进行学习和分类。对多示例学习而言,当一封邮件中至少有一个示例为垃圾信息时,该邮件为垃圾邮件,否则为正常邮件。分别对训练数据集和测试数据集进行好词攻击,在多个大规模中文垃圾邮件过滤公开数据库上进行了测试。实验结果表明,在中文邮件过滤领域对抗好词攻击,分类器使用多示例反击策略较之于单示例反击策略有更强的鲁棒性。     

基于深度包检测技术的邮件过滤研究

伴随着互联网的飞速发展,垃圾邮件现象愈来愈严重,如何更高效地过滤垃圾邮件成了国内外研究学者的重点关注问题。传统的垃圾邮件过滤技术都是在客户端上实现的,将垃圾邮件过滤技术引入到具有深度包检测技术的DPI设备中,提出了基于深度包检测的实时黑名单技术与贝叶斯过滤技术相结合的综合型电子邮件过滤方式。实验结果表明,基于DPI的邮件过滤可以实现邮件的在线检测与删除功能,释放了被垃圾邮件占用的网络带宽,节省了网络资源,提高了网络有效负荷利用率。     

基于Javamail企业邮件安全管理系统的设计与实现

基于Bayrsian算法,运用Javamail技术设计了一款针对企业的电子邮件安全管理系统.设计中,在反垃圾邮件系统框架中增加了多个过滤层,提高了垃圾邮件的拦截率,并降低了误拦率.某企业使用该邮件安全管理系统进行邮件审计和垃圾邮件过滤检测后发现,该系统具有良好的个性化管理和垃圾邮件过滤功能,可以为企业用户提供良好的邮件安全管理服务.     

基于全局的即时垃圾邮件过滤模型的研究

基于贝叶斯模型,提出了一种更为灵活的、有效的、基于全局的即时分类模型的垃圾邮件分类模型,pValue优先邮件过滤模型。该分类模型着眼于全局的实例,在所有邮件中选取最需要得到评估的实例进行计算,反复进行该过程并在需要的时候中断进程,最终得到实例的全局最优化。我们使用UCI提供的邮件样本进行验证。实验结果验证了该分类模型比FCFS即时分类模型的性能更优。在即时分类的早期较好的改善分类效果降低分类的0-1损失错误率和RMSE错误率,并伴随着计算资源的增加得到更好的分类准确率。     

基于动态贝叶斯 LS-SVM 的水下节点移动预测定位算法

针对水下无线传感器网络环境的复杂性和节点的动态性所导致的节点定位精度低的问题,提出了一种基于动态贝叶斯 LS-SVM 的水下无线传感器网络节点移动预测定位算法;该算法以信标节点到通信半径内所有信标节点的距离和跳数矩阵作 为训练集;利用贝叶斯证据框架构建贝叶斯 LS-SVM 模型,将未知节点与信标节点之间的跳数向量作为测试集;将测试集代入 到训练好的贝叶斯 LS-SVM 模型中来确定节点之间的距离,进而建立节点与信标节点距离矩阵的方程并利用最大似然估计法 对未知节点坐标进行估算;最后,通过循环迭代的方式对所有未知节点进行定位的同时使用自适应增减算法动态调整模型参数 和预测模型,以适应数据的动态变化;实验结果表明,该算法相同的节点密度下相较于 SLMP 算法、RTLC 算法、NDSMP 算法以 及 MPL 算法的平均定位误差分别降低了 24. 77%、22. 25%、3. 1%、6. 5%,有效地实现了水下未知节点的动态定位。     

基于用户的邮件过滤在防火墙中的实现

邮件的内容过滤是防火墙的一项重要功能,介绍了一个基于用户过滤的实现方法,实现了基于用户规则的、灵活的邮件过滤,还支持对于邮件附件的解压缩、文档格式转换等深层次过滤,在基于LINUX内核的防火墙上实现了原型。     

邮件敏感字过滤系统研究与实现

文中研究一套能够识别关键字,并在用户发送数据时,能够自动阻断邮件的关键字过滤系统。该系统基于C/S模式的分层框架结构进行架构设计,采用多层逻辑处理层体系结构,能在对用户透明的情况下,自动阻断含有敏感关键字的邮件。实验结果表明该系统能够有效阻止含有敏感关键字的邮件。     

基于NSST-SR的GIL局部放电光电图谱融合算法

为解决气体绝缘输电线路局部放电光电联合检测过程中因信号缺失对模式识别造成干扰的问题，提出一种基于非下采样剪切波变换(non-subsampled shearlet transform,NSST)和稀疏表示(sparse representation,SR)的光电图谱融合算法，将光学局放相位分布(phase-resolved partial discharge,PRPD)图谱和特高频局部放电PRPD图谱通过NSST分解为低频和高频子带图，基于最大绝对值和SR进行子带图融合，然后经过NSST逆变换得到融合图谱。最后，提取图谱特征并降维，代入K近邻、支持向量机、朴素贝叶斯和决策树分类器进行模式识别，并与其他融合算法效果进行对比。实验结果表明：不论样本总体数量大小、样本训练集与测试集相对数量比例大小，该文提出的算法均能较完整地融合两种源图谱的信息，局放模式识别准确率高于单一NSST算法或SR算法。在小样本(150)情况下，准确率可达89.2%，样本足够大时，准确率最高可达98.5%；当训练集样本数小于测试集样本数时，准确率依旧在70.0%以上，最高达88.0%。该文提出的融合算法可为提高气体绝...     

基于贝叶斯信息准则的非侵入式负荷事件检测算法

用户负荷数据监测是实现需求侧管理的基础,非侵入式负荷监测技术是负荷监测的重要发展方向,而事件检测是非侵入式负荷监测中的一个关键环节。对适用于模型选取问题的贝叶斯信息准则进行建模,将贝叶斯信息准则首次运用到事件检测当中,利用快速事件检测算法降低贝叶斯信息准则检测算法的误检率,并能解决CUSUM算法中产生的漏检问题。最后采用真实数据集进行测试。实验结果表明,相比于CUSUM算法,基于贝叶斯信息准则的事件检测算法能达到更好的检测准确性,并且能明显提高计算运行的速度。     

基于交互式主动探测的电力综合数据网故障定位算法

针对电力综合数据网对故障定位的准确性和时效性要求,提出一种交互式故障诊断机制,并重点解决该机制中故障定位集的选取问题,提出一种基于交互式主动探测的故障定位集选择算法(IPCA)。建立电力综合数据网与候选定位集的贝叶斯模型,借助贝叶斯网络条件独立性将候选定位集划分为若干子集,并引入探测价值衡量探测的诊断能力,利用探测价值交互更新过程的子模性降低故障定位集选取的时间复杂度。仿真结果显示,IPCA在确保故障定位准确性的同时平均可缩短20%左右的定位时间。     

Multiple visual targets tracking via probability hypothesis density filter and feature measurement

The probability hypothesis density (PHD) filter is a practical alternative to the optimal Bayesian multiple‐targets filter based on random finite sets (RFS). It propagates the posterior intensity of the random sets of targets. In this paper, we apply the PHD filter to track a random number of moving targets in visual sequences. The PHD filter is implemented using a Gaussian mixture. Obtaining the PHD only for one visual frame at a time remains a challenge. To meet this challenge, we propose a method to approximate the posterior intensity using feature measurement. To improve the representability of tracking target, we adopt an adaptive weight to fuse the color and local binary pattern (LBP) features which are extracted by the Monte Carlo method. Experimental results demonstrate the effectiveness of our method. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

一种实时电能质量扰动分类方法

针对电能质量扰动实时分类的需求,提出了一种基于强跟踪滤波器和极限学习机的电能质量扰动分类方法。强跟踪滤波器通过引入渐消因子矩阵克服了扩展卡尔曼滤波器的易发散的问题。强跟踪滤波器不仅可以检测扰动幅值而且还可以提供渐消因子作为特征量,以此识别暂态扰动和谐波。该方法提出使用基波幅值最大值、最小值、波动次数和渐消因子频度均值四个特征量组成特征向量作为极限学习机分类模型的训练样本;最后将分类器用于电能质量扰动识别。为了提高极限学习机分类精度,提出了对少量边界错分样本的类别进行校正的规则校正法。仿真表明改进后的方法能够识别包括两种复合扰动在内的10种电能质量扰动信号,并具有良好抗噪性。与随机梯度下降反向传播方法、最小二乘支持向量机和序贯极限学习机相比,该方法训练和分类速度快,分类准确率高,适合于在线应用。     

基于CFA的六阶切比雪夫有源低通滤波器设计与仿真

结合工程应用中对滤波器的需求,对基于CFA的有源低通滤波器的设计方法进行研究。选用一种典型的电流反馈型运算放大器,在对VCVS滤波电路传递函数分析的基础上,设计了基于CFA的六阶切比雪夫有源低通滤波器,并阐述了根据滤波器性能参数及截止频率确定电路参数的方法。软件仿真结果表明,该有源低通滤波器截止频率约为15 MHz,通带增益为39.796 dB,通带起伏为3.18 dB,过渡带衰减速率为-47.992 dB/倍频,滤波器性能指标与理论一致。该数据表明设计方法有效可行,可为其他有源滤波器的设计提供参考价值。     

一种基于QBC不一致性的恶意加密流量识别方法

当前基于机器学习的恶意加密流量识别主要采用有监督学习,依赖大量标注样本,但在真实环境中恶意流量不仅稀缺而且标注依赖专家经验,标注成本较高,而主动学习通过迭代训练选择困难样本(hardsample)进行训练,一定程度上减少了训练样本量,但当前基于委员会投票的hardsample选择策略粒度较粗,所选样本质量不佳。针对该问题,提出一种改进委员会投票(Query by Committee, QBC)的恶意加密流量识别方法CBU(Committee-based Uncertainty, CBU),设计了委员会对样本不一致性的计算方法,并结合已标注与未标注样本相似性分析,有效度量样本不确定性,从而选择高质量hardsample,以减少样本标记和训练量。实验使用业界标准数据集CTU以及真实恶意数据集进行测试,结果表明,相比传统委员会投票策略,CBU样本标记量减少一倍,只采用15%数据的情况下识别准确率达到96%,有效减少样本标注和训练量,具有较强实用性。     

柔性制造实训教学系统的研制

设计了基于RV-3SD机械手的柔性加工制造实训教学系统,由多台数控机床、PLC控制系统、传感器检测单元、上料机构、立体仓库等组合成自动化生产线,为高职教学与科研服务,构建了先进的技术平台,探索了高职院校工程技术中心教科研的新模式。     

基于支持向量回归机的谐波分析

传统谐波分析方法中,窄带滤波器选频法对元件参数十分敏感,受外界环境影响较大,且精度难以保证;快速傅里叶分解法会产生频谱泄漏误差,不同频率谐波之间也有干扰;神经网络分析方法检测精度高,但其基于大样本的学习方法,受样本及训练初始值影响较大,有时会导致训练不成功。为减小外界环境影响,提高检测精度和降低噪声影响,提出基于支持向量回归机的谐波分析方法,它是基于统计学习理论,以结构风险最小化为原则的机器学习,通过引入松弛变量和损失函数提高算法泛化能力和减小误差,该算法最终转化为标准二次规划问题,有全局最优解。通过算例分析,并与傅里叶检测方法相比较,可知该算法具有稳定性好、检测精度高、对噪声不敏感等优点。     

基于Matlab／Simulink电容与电抗混联无源滤波器设计

为了避免供电电源中存在的谐波影响电力设备型式试验结果,建立了基-T-Matlab／Simulink软件的滤波仿真模型,并利用其计算得出滤波装置各元器件的参数。在此基础上,利用三相电容器和多组单相电抗器设计出1台容抗混联的简易无源滤波器,滤除电源侧主要高次谐波电压。将该滤波器应用于1台永磁电机的试验,结果表明该装置能够有效滤除供电电源中的主要高次谐波。     

机器视觉在玫瑰鲜切花花形分类中的研究

玫瑰鲜切花的分级检测对其销售有着重要意义，目前玫瑰鲜切花的分级检测主要采用人工的方式。为减少人工分级过程中造成玫瑰鲜切花的损失，基于机器视觉方法运用HALCON软件搭建了一套玫瑰鲜切花分级检测系统。首先，设计了试验平台，建立了玫瑰鲜切花分级标准。随后，加入了图像增强和数据增强技术，使图像效果得到改善，并增加了样本的数量，利用中值滤波法让图片噪声得到消除，保证了分类结果的准确性。最后，将训练样本加入5个模型中进行训练，比较每个模型的训练结果，选用Mobilenet＿v2模型加入图像分类系统对鲜切花俯视图分类，并建立一维测量系统测量花茎的长度；建立评判准则模型，完成对玫瑰鲜切花的分级。经测试，得到俯视图分类系统的分类准确率为94%,经一维测量的花茎长度都在误差允许范围内。