基于改进随机森林的工业互联网安全态势评估方法

针对工业互联网安全态势评估存在数据特征提取困难和安全态势评估准确率低等难题,提出一种基于改进随机森林的工业互联网安全态势评估方法 .基于随机采样技术平衡原始数据集以减小不平衡数据集对实验的影响;利用梯度提升决策树确定工业互联网流量数据中不同特征的权重系数,结合递归特征消除法提取其关键特征;构建基于改进随机森林的工业互联网多分类攻击检测模型,识别网络受到的攻击类别,并结合安全态势量化指标确定其风险程度.实验结果表明,本文算法的检测准确率和F1值分别达到89.19%和89.68%,相较于传统随机森林算法、支持向量机和K最近邻算法,其准确率和F1值分别至少提高2.91%和1.7%,平均分别提高8.38%和9.33%.     

基于相空间重构和基频分析的单信道混合语音清浊音分类方法

本文提出了一种基于相空间重构(phase-space reconstruction)和基频分析的单信道混合语音清浊音分类新方法,引入基频分析对采用基于相空间重构的单信道混合语音清浊音分类算法的判定结果进行检验修正,有效的降低了将浊音/清音误判为浊音/浊音和将浊音/浊音误判为浊音/清音的比率.首先,采用基于相空间重构的清浊音分类算法将单信道混合语音初步分为清/清音,浊/清音,浊/浊音三类.其次,采用基于增强型综合自相关函数ESACF(enhanced summary autocorrelation function)的多基频分析和基于自相关法的单基频分析分别对浊/浊音帧和浊/清音帧进行修正.实验结果证明,基于相空间重构和基频分析的单信道混合语音清浊音分类方法性能优于基于相空间重构的单信道混合语音清浊音分类方法.     

基于混沌时间序列和神经网络的网络流量预测方法

网络流量时间序列具有复杂的非线性和不确定性特征,故提出以相空间重构理论与递归神经网络相结合的网络流量预测方法。以相空间重构理论确定最佳延迟时间和最小嵌入雏数,重构网络流量时间序列。将重构后的时间序列运用递归神经网络来训练,得到合适的模型,并用于网络节点中网络流量的预测。将该方法应用于实际数据预测,其结果与传统的时间序列预测方法结果相比较,提高了预测精度和稳定性,证明了该预测模型和方法在实际时间序列预测领域的有效性和实用性。     

基于特征增强的高血压视网膜病变分类方法研究

高血压视网膜病变是由高血压所引起的眼底疾病,传统分类方法主要是基于区域特征进行分析,识别依据较为单一,准确度不高。为提高分类准确度,本文提出了一种基于特征增强机制的高血压视网膜病变分类方法,设计了基于不同图像色彩空间的眼底图像特征增强方法,增强眼底照片中的病灶特征,提高模型的输入特征值,将处理后的图片输入改进的DenseNet模型中进行分类,从而提高高血压视网膜病变(HR)分类的准确度。采用公开数据集OIA-ODIR对本文提出的基于特征增强的高血压视网膜病变分类方法进行测试,其敏感性、特异性、准确率分别达到97.09%、98.79%、98.67%,与现有的HR分类方法进行分析对比,本文提出的分类方法效果更佳。     

基于相空间重构与最小二乘支持向量机的时延预测

针对网络控制系统的时延预测问题,提出一种基于相空间重构与最小二乘支持向量机的时延预测方法.首先利用0-1测试法确定时延序列具有混沌特性,引入相空间重构技术提高预测精度.对实际采集的时延序列进行Hurst指数分析,选择最小二乘支持向量机作为预测模型.然后利用C-C方法确定时延序列相空间重构参数,通过递归图确定时延序列的局部可预测性,利用遗传算法对最小二乘支持向量机的参数进行离线优化.最后通过优化后的最小二乘支持向量机并结合相空间重构对时延序列进行在线预测.与其它预测方法进行了仿真对比,结果表明本文方法具有更高的预测精度与更小的预测误差,同时并未降低预测算法的实时性.     

基于重要事件的文本分类方法研究

在分析了文本中重要事件识别和文本分类方法的基础之上,提出了一种基于重要事件的文本分类方法.重点研究了该方法涉及到的两个关键技术：以重要事件表示文本和获取文本类别的模板.在中文事件语料CEC上,使用本文介绍的文本分类方法得到的平均准确率达到80%,而使用传统的以词为特征的文本分类方法得到的平均准确率为72%.     

基于有记忆递归神经网络的脑电特征情感识别研究

为了提高脑电信号多分类的情感识别率,文中选用上海交通大学提供的SEED脑电信号数据集,对其进行分频带特征提取。将脑电数据的微分熵特征、微分不对称性特征和有理不对称性特征通过线性动力系统平滑特征后,与功率谱密度特征进行分类效果比较,再利用有记忆递归神经网络的方法进行分类,发现提取的微分熵特征经过分类的效果好。在对3种情感进行分类的过程中,采用长短时记忆神经网络分类相比于其他机器学习方法识别率有所提高,情感识别的平均准确率可达到95.045 9%。     

基于自编码器的飞机类型识别方法

针对人工监听识别飞机类型难度大的问题,提出了根据不同飞机发动机产生的不同噪声,通过特征提取,进而分类识别出飞机类型的一种方法。在梅尔倒谱系数(MFCC)算法特征提取的基础上,对提取的24维特征向量通过自编码器进行分类,对分类的准确率进行了仿真。实验结果表明,每一类声信号准确率均高于85%,且平均识别准确率为95.98%。针对单类别实际飞机声信号的分类准确率较其他类别准确率差的问题,提出了通过小波包分解-MFCC联合特征提取对自编码器进行优化。实验结果表明,每一类声信号准确率均高于90%,且平均准确率为97.74%。     

局部二维结构描述的HEp-2染色模式分类

Hep-2染色模式分类主要用于免疫疾病诊断,但已有方法受荧光成像环境,细胞图像自身的视觉特性的影响,分类准确率较低.本文提出一种新的适合于HEp-2染色模式分类的特征提取方法.在构建了不同尺度下的高斯平滑图像序列后,利用shape index实现图像二维结构的直观描述,进而通过多灰度阈值图像结构的空间分解,使其同时具备对微观二维图像结构和空间信息的描述能力.该方法在ICPR和SNP HEp-2数据集的两折交叉细胞级测试中,分别获得89.83%和87.49%的准确率,在ICPR的28折交叉细胞级和图像级测试分别达到60.5%和70.56%的准确率,明显优于LBP、CLBP等方法,和CoALBP特征相当.     

一种基于稀疏编码的多核学习图像分类方法

 本文提出一种基于稀疏编码的多核学习图像分类方法.传统稀疏编码方法对图像进行分类时,损失了空间信息,本文采用对图像进行空间金字塔多划分方式为特征加入空间信息限制.在利用非线性SVM方法进行图像分类时,空间金字塔的各层分别形成一个核矩阵,本文使用多核学习方法求解各个核矩阵的权重,通过核矩阵的线性组合来获取能够对整个分类集区分能力最强的核矩阵.实验结果表明了本文所提出图像分类方法的有效性和鲁棒性.对Scene Categories场景数据集可以达到83.10%的分类准确率,这是当前该数据集上能达到的最高分类准确率.     

基于Hilbert信号空间的未知干扰自适应识别方法

针对大样本下未知干扰类型的分类识别问题,该文提出一种基于信号特征空间的未知干扰自适应识别方法。首先,基于Hilbert信号空间理论对干扰信号进行处理,建立干扰信号特征空间,进而利用投影定理对未知干扰进行最佳逼近,提出基于信号特征空间的概率神经网络(PNN)分类算法,并设计了未知干扰分类识别器的处理流程。仿真结果表明,与两种传统方法相比,该方法在已知干扰的分类精度方面分别提高了12.2%和2.8%;满足条件的未知干扰最佳逼近效果随功率强度呈线性变化,设计的分类识别器在满足最佳逼近的各类干扰中总体识别率达到91.27%,处理干扰识别的速度明显改善;在信噪比达到4 dB时,对未知干扰识别准确率达到92%以上。     

一种家用手持式红外偏振光治疗仪的设计与实现

红外偏振光治疗仪是一种将红外技术与电子技术应用到医学领域的康复理疗设备,主要用于软组织损伤和慢性疼痛的康复治疗,已在医院得到了推广使用。然而,现有医院使用的台式治疗仪由于体积大、售价高等特点,不方便居家使用。为了开发体积小、售价低、家庭可用的红外偏振光治疗仪,满足家用市场的潜在需求,本文提出了一种新的便携手持式红外偏振光治疗仪,并开发了该智能控制系统。本文首先介绍了一种新的家用手持式治疗仪应具备的特点和关键技术指标,在此基础上设计了手持式治疗仪的硬件总体方案和软件架构,简要介绍了该治疗仪的一些关键技术,最终实现了治疗仪样机的研制。为了验证该样机的性能,本文通过大量的测试,结果表明,研制的手持式红外偏振光治疗仪在关键参数指标上达到了医院同类产品的水平,能够很好地满足家用的需求,具有良好的市场前景。     

分布式阵列雷达基线位置和相位误差的卫星标校方法

在采用相位干涉测角的分布式阵列雷达系统中,系统阵面相位中心位置误差和相位误差对测角精度影响很大,且阵面相位中心位置与物理中心位置通常不一致,因此需要对其进行精细标准补偿。传统的雷达系统误差校正方法通常采用远场辐射源来对雷达进行校正,但是对于单元间距很大的分布式阵列空间目标监视雷达而言,要实现远场辐射校准往往很难。该文提出一种利用多弧段的精轨卫星精密星历对阵面相位中心位置误差引起的相位误差进行白化,然后搜索相位中心坐标和相位差使匹配方差最小的校正方法,无需使用特定仪器测量,且能很好地标定误差;计算机仿真以及实测数据验证了使用该文校正方法后,测角精度得到了显著提升。     

Signal-to-noise enhancement in TSSI–GC–IMS: Development of two dimensional sensor for detection of chemicals

Over the years, Ion Mobility Spectrometry (IMS) which refers to the techniques and cutting-edge instruments for characterizing of analytes by their gas phase mobility has been gaining popularity and validity among scientific researchers for detecting chemicals. This novel gas sensor with its high analytical speed, low detection limits, ease of use and ruggedness during transport has also become the dominant commercial technology in different industries. In spite of these paramount advantages, this detector has difficulty identifying matrix compounds. To overcome this problem a Gas Chromatograph (GC) can be used to introduce individual components of mixture into an IMS. The output signal of the hyphenated GC–IMS method is an extraordinary small, time-dependent current produced by mobile ions in atmospheric pressure. To exploit the qualitative and quantitative information hidden in this sensitive noisy signal, various signal processing methods have been nominated for spectrum filtration and improving signal-to-noise ratio (SNR). In the present paper an attempt is made to design and construct a GC–IMS instrument coupled with a Thermal Solid Sample Introduction (TSSI) module for injection of solid samples to capillary GC column. Moreover, various spectrum filtration methods for removing noise from GC–IMS signal would be investigated. The GC–IMS instrument used in this research was designed and constructed in Institute of Materials and Energy, Isfahan, Detector group and can be used as a chemical sensor for rapid detection of a broad range of chemical mixtures in many operational environments including on-board Volatile Organic Analyzer Sensor (VOAS) in space missions. The capability of constructed sensor for detection of complex mixtures has been proved by analyzing a mixture of three pesticides as test materials. Our proposed method for removing noise from the real-time TSSI–GC–IMS signal will be presented and its efficacy will be proved by offering real experiments.     

基于贝叶斯框架的空间群目标跟踪技术

对大量密集的空间群目标进行有效跟踪、编目已成为空间监测的迫切需求。地基雷达作为近地轨道空间监测的主要手段,在对高密度的空间小碎片云进行跟踪时,通常会由于分辨能力有限,造成对个体目标检测、观测信息严重缺失,使得传统的多目标跟踪技术难以奏效。为此,该文基于群跟踪的概念,在贝叶斯框架下以群目标的整体运动趋势为跟踪对象,同时兼顾个体的运动目标轨迹跟踪,通过建立群目标的中心和观测量之间的相互作用约束模型,可以提升在漏警概率较高情况下的目标数目估计的稳健性以及单个目标的跟踪精度。贝叶斯积分的求解过程通过MCMC-Particle 算法具体实现。通过对空间群目标跟踪的仿真实验验证了群跟踪技术的有效性。      

基于复值深度神经网络的目标检测方法

针对雷达在检测概率要求严苛的多旁瓣干扰复杂场景下使用传统目标检测方法无法满足需求,性能有待进一步提升的问题,本文提出了一种基于多通道复值深度神经网络的雷达目标检测方法。传统脉冲体制阵列雷达的恒虚警率目标检测通常在和通道进行,在对回波信号进行空域相参预处理过程中获得了相参积累的同时丢失了阵元间的相位信息,而实际上目标回波在阵元间存在着一定的相位关系。本文利用神经网络强大的拟合能力和分类能力,将目标检测视为二元分类问题,设计复值深度神经网络深入挖掘目标与背景在不同阵元间的幅度及相位信息差异,从而在传统目标检测和通道-距离-多普勒空间的更前端更好地区分目标与背景的差异,提升了雷达目标检测性能。实验结果显示,所提方法在存在大量旁瓣干扰的场景下,相较传统方法具有更好的检测性能表现和抗干扰能力,且在杂波环境中也有良好的表现。     

基于广义旁瓣相消的机载雷达抗密集转发式干扰方法

密集转发式干扰不仅会引起雷达虚警,而且会抬高其附近单元的恒虚警率检测门限进而导致目标检测性能下降。另外,它还会污染空时自适应处理的训练样本,导致杂波抑制性能下降。针对这些问题,该文提出一种机载雷达抗密集转发式干扰算法。该算法首先估计干扰方向,然后用广义旁瓣相消技术在空域滤除干扰。广义旁瓣相消中的辅助通道为指向干扰方向的和波束,而其协方差矩阵则利用清晰区中挑选的干扰样本估计得到。该算法可以有效抑制密集转发式干扰,减少由其引起的虚警,改善雷达目标检测性能,同时该算法还具有结构简单,易于实现的优点。实验结果验证了该算法的有效性。     

A novel technique for optical dense comb filters using sampled fiber Bragg gratings

The optical dense comb filters are indispensable components for dense wavelength multiplexing systems. In this paper, a novel and basic method is proposed to realize optical dense comb filters. The reflection spectrum of sampled fiber Bragg grating is analyzed after applying a phase shifting technique that varies the phase of the grating. The spectral densification and shifting effects of periodic phase shifts are investigated and it is shown that desired amount of channel multiplying can be provided by using appropriate value of densification factor. Moreover, a quantization technique is proposed in order to reduce the phase shifting series which complicated by the increase of densification factor.     

基于区域非均匀空间采样特征的图像分类方法

大量实验证明抽取图像中稠密局部特征能够大大提高图像分类性能,目前的常用策略是基于空间均匀密集采样来实现稠密局部特征的抽取。该文提出一种新的基于区域非均匀空间采样的局部特征抽取方法。首先,用过分割技术对原始图像进行分割,从而得到图像的分割区域,并采用显著性检测技术估计每个过分割区域的重要性。然后,在保证不增加采样数的情况下,对重要的显著性区域的边界实行密集均匀采样,对区域内部根据区域大小和重要性实行随机采样。最后,采用词袋表示模型来实现图像分类。在两个广泛应用的数据库,8类体育运动(UIUC Sports)和256类自然图像(Caltech-256)数据库进行实验。实验结果证明,该文提出的采样策略进一步提高了基于稠密局部特征的图像分类性能。     

一种空间微动目标宽带雷达干涉三维成像方法

空间微动目标3维成像在目标特征信息感知方面具有优势,对于实施空间目标成像、分类、识别等任务具有重要现实意义。据此,该文针对L型天线阵列成像系统,提出一种基于改进的粒子群优化的空间微动目标宽带雷达干涉式3维成像方法。首先,分析了目标回波信号的微多普勒特性,建立参数化表征模型。其次,基于所提优化算法重构各天线回波信号的微多普勒相位项,通过对各回波信号相位项的干涉处理,获得干涉相位差,并推导干涉相位差与目标空间坐标的关系,从而重构真实3维坐标,获得微动目标3维图像。相较于已有方法,所提方法基于干涉式成像思想,在无遮挡和有遮挡效应的条件下,均可重构微动目标真实空间坐标和3维图像,并且具有较好的鲁棒性。最后,仿真计算验证了该方法的有效性。