基于知识本体提纯的无人机故障数据采集仿真

无人机在飞行的过程中,采集的故障信号数据会随着飞行环境的随机性变化而改变,造成异常信号数据关联性降低.利用传统算法进行异常信号数据挖掘的过程中,建立的关联规则过于复杂,加入过多约束条件分析环境特征,导致挖掘过程耗时较长.为解决上述问题,提出基于知识本体提纯的无人机采集实时数据挖掘方法.针对无人机异常信号数据知识本体表示方法进行了详细阐述.利用贝叶斯概率方法计算当前状态信号属于某类别异常信号的最大概率,从而为异常信号的提纯提供了准确依据.针对相似度较高的两个异常信号进行提纯处理,在提纯过程中充分考虑到信号采集时间间隔和时延,从而保证了实时性要求.实验结果表明,利用改进算法进行无人机异常信号挖掘,能够提高异常信号挖掘的及时性和准确性.     

基于改进IAA算法的网络入侵数据挖掘仿真

采用目前方法挖掘网络入侵数据时未考虑数据之间的关联规则,导致网络入侵数据挖掘过程的检测时间长、检测效率低、误报效率高.提出基于改进Apriori算法的网络入侵数据挖掘方法,利用改进后的Apriori算法产生网络入侵数据之间的关联规则,依据产生的关联规则对网络入侵数据进行特征抽取,最后将抽取出的特征放人贝叶斯数据分类器中进行数据分类,实现网络入侵数据挖掘.实验表明,基于改进的Apriori算法在网络入侵数据挖掘过程中的挖掘时间短、检测效率高、误报效率低,具有一定的应用性.     

基于改进关联聚类算法的网络异常数据挖掘

为解决传统关联聚类算法挖掘网络异常数据时间复杂度高、精确度不理想等问题,提出Spark-MML聚类算法。为Apriori关联规则算法设计并行化频繁项集挖掘环境,使用兴趣度约束与支持度自适应策略挖掘网络数据特征量强关联规则;利用可变网格的局部离群点检测算法剔除K-means聚类离群点,基于最大最小距离确定聚类中心及数值K,将网络数据分为异常和非异常。测试结果表明,该方法避免聚类中心选取陷入局部最优,降低了异常数据挖掘的时间复杂度,有效节约算法运行空间,是一种可靠的网络异常数据挖掘方法。     

数据挖掘技术在水厂生产分析中的应用

本文在研究数据挖掘方法的基础上,探讨了基于时间序列数据挖掘技术和算法,并探索其在水厂生产分析及控制领域中的应用。在分析水厂工艺生产特点及生产数据的特征后,应用关联规则挖掘技术对离散化后的水厂生产数据进行数据挖掘。     

多最小支持度策略的关联规则挖掘方法

关联规则的数据挖掘是当今数据挖掘领域的重要内容之一 .国内现有的关联规则挖掘算法大多是在最小支持度的限定条件下 ,发现挖掘数据的各属性间的所有关联型知识 .而事实上由于基于不同数据属性的事件的发生频率是不同的 ,这样仅通过唯一的支持度限定的挖掘就无法正确反映挖掘对象本身的特征 .本文从客观事实的本质出发 ,在原有 Apriori算法的基础上 ,采用了一种多支持度的关联规则挖掘策略 .最后通过实验结果表明 ,这种挖掘方法能够更加准确和高效地进行知识挖掘 .     

基于时间的模糊关联规则挖掘

关联规则是数据挖掘研究中的一个重要的主题。一些算法都是假设数据中根本的关联基于时间是稳定的。然而,在现实世界领域,数据具有自己的特征,因此关联随着时间发生巨大的改变。现有的数据挖掘算法没有考虑关联的改变,这导致了严重的性能下降,特别是挖掘出的关联规则被用来分类和预测。尽管关联改变的挖掘是一个重要的问题,因为需要基于过去的历史数据来预测未来,现有的数据挖掘算法不符合这样的工作。文中引入模糊数据挖掘算法来发现基于时间的关联规则的改变。基于挖掘出的模糊规则,能预测关联规则在未来如何改变。实验表明了算法的有效性。     

基于中智模糊关联规则生成的大数据挖掘分析算法

关联规则挖掘作为一种大数据挖掘方法,被用于确定不同项目间存在的内在联系,并以大于某一阈值作为评判不同项间存在关联的依据。传统关联规则挖掘方法仅能建立不同项间的布尔型关联规则,存在硬化数据"尖锐边界"问题导致关联规则挖掘性能下降的缺点。为克服经典数据挖掘算法的这一缺陷,提出一种新型中智关联规则挖掘算法。基于专家知识对语言学术语进行量化预处理,得到不同指标的量化数据资料库;基于关联规则支持度定义计算不同指标项集合的支持度;通过考虑不同项间的隶属度、不确定度和非隶属度函数生成关联规则。将该中智挖掘算法与模糊挖掘算法进行对比,结果表明,该算法能够增加生成关联规则数量,有助于提高数据挖掘的准确性。     

基于空间分割的SWRL数据集关联规则挖掘

语义Web环境下的关联规则挖掘是数据挖掘领域新的研究热点.本文针对SWRL数据集的特征,建立新的数据挖掘形式背景,将FCA用于关系型关联规则的挖掘,提出了基于搜索空间分割的关联规则挖掘方法.采用FCA作为频繁模式的压缩表示方式,从生成的闭查询导出的关联规则,可有效控制冗余规则的产生.将搜索空间进行划分可减小问题的规模,充分利用已有的挖掘过程的中间结果所提供的信息,减少了计算量.由于采用了分而治之的策略,本文的方法易于扩展到对海量语义Web数据的并行处理.     

基于时间的模糊关联规则挖掘

关联规则是数据挖掘研究中的一个重要的主题。一些算法都是假设数据中根本的关联基于时间是稳定的。然而，在现实世界领域，数据具有自己的特征，因此关联随着时间发生巨大的改变。现有的数据挖掘算法没有考虑关联的改变，这导致了严重的性能下降，特别是挖掘出的关联规则被用来分类和预测。尽管关联改变的挖掘是一个重要的问题，因为需要基于过去的历史数据来预测未来，现有的数据挖掘算法不符合这样的工作。文中引入模糊数据挖掘算法来发现基于时间的关联规则的改变。基于挖掘出的模糊规则，能预测关联规则在未来如何改变。实验表明了算法的有效性。     

基于周期规律的加权时态关联规则挖掘算法

数据挖掘过程中只考虑数据项权重或者只考虑时态语义会导致挖掘结果不全面。针对该问题,对加权关联规则、时态关联规则和时态数据周期规律进行研究,将权值、K-支持期望和周期等概念引入到时态关联规则中,提出一种基于周期规律的加权时态关联规则挖掘算法。以某管理系统审计数据为例进行实验验证,结果表明该算法能够准确地挖掘出数据库中的加权时态关联规则,与加权关联规则算法相比,在时间复杂度相同的情况下能使关联规则的挖掘结果更加全面。     

基于多源信息融合的气象无人机平台可靠性评估研究

针对气象无人机平台可靠性评估中现场试验数据样本小的特点,提出了将气象无人机平台各个分系统的试验数据折合为系统试验数据,然后融合可靠性历史数据以及可靠性仿真数据,对气象无人机平台的可靠性进行评估的方法.结果表明,该方法具有可行性,能够达到在不降低置信度的前提下减少定型试验次数、节省经费的目的.     

MACSPMD:基于恶意API调用序列模式挖掘的恶意代码检测

基于动态分析的恶意代码检测方法由于能有效对抗恶意代码的多态和代码混淆技术,而且可以检测新的未知恶意代码等,因此得到了研究者的青睐。在这种情况下,恶意代码的编写者通过在恶意代码中嵌入大量反检测功能来逃避现有恶意代码动态检测方法的检测。针对该问题,提出了基于恶意API调用序列模式挖掘的恶意代码检测方法MACSPMD。首先,使用真机模拟恶意代码的实际运行环境来获取文件的动态API调用序列;其次,引入面向目标关联挖掘的概念,以挖掘出能够代表潜在恶意行为模式的恶意API调用序列模式;最后,将挖掘到的恶意API调用序列模式作为异常行为特征进行恶意代码的检测。基于真实数据集的实验结果表明,MACSPMD对未知和逃避型恶意代码进行检测的准确率分别达到了94.55%和97.73%,比其他基于API调用数据的恶意代码检测方法 的准确率分别提高了2.47%和2.66%,且挖掘过程消耗的时间更少。因此,MACSPMD能有效检测包括逃避型在内的已知和未知恶意代码。     

基于最小化Snap方法的无人机多项式轨迹优化

在港口环境中无人机对岸桥进行自主检测时,由于无人机的运动特性,飞行轨迹与检测点之间的直线路径往往存在较大的偏离。为了解决这个问题,首先通过构建等腰三角形对生成的检测路径点进行预处理,然后在最小化snap方法的基础上,把走廊约束作为不等式约束添加到优化的目标函数中,同时建立偏离评估函数对偏离距离进行评估。在含有一台岸桥简化模型的仿真环境中进行实验,实验数据证明提出的方法不仅在生成轨迹的长度上有了一定的优化,同时在平均偏离距离上比改进前减少了88.7%,同时通过分析得到生成的轨迹可以很好地被无人机跟踪。由此可得,在仿真环境中,提出的方法可以为无人机在轨迹优化过程中生成一条质量更高的轨迹。     

改进关联规则数据挖掘在网络入侵检测中的应用

随着网络技术的广泛应用,网络系统的安全变得至关重要。入侵检测是保护网络系统安全的关键技术和重要手段,但现行的入侵检测达不到实际应用的需求。关联规则挖掘可以从海量数据中发现正常和异常的行为模式,有效地检测入侵。因此,研究关联规则的数据挖掘对于提高入侵检测的准确性和时效性具有非常重要的意义。     

旋翼无人机大气探测设备布局仿真优化设计

为了提高多旋翼无人机气象探测的准确度,基于CFD方法对偶数桨旋翼无人机的流场进行分析,比较了不同旋翼数和不同旋翼间距离的无人机的流场,分析了流场的特点。同时,结合大气探测设备对温湿度、气体浓度及颗粒物浓度测量的基本原理,分析了多旋翼无人机扰流场对探测设备测量精度的影响及其原因。由此确定了进行大气探测的多旋翼无人机尽量根据情况选择旋翼数较多、翼间距较大的机型,探测设备安装位置应当靠近无人机中心轴靠近旋翼旋转平面处的相对静风区,经实验对比,通过优化可以有效减小测量的误差。并提出可利用多旋翼无人机流场特点设计多旋翼无人机专用探测设备的构想。     

EasiTOD:一种降低传感器网络时效障碍物干扰的检测调节机制

时效障碍物是一类由于传感器网络周围环境因素的改变所造成无线链路通信质量下降的障碍物.针对周期性时效障碍物对传感器网络所产生的影响提出了EasiTOD(EasiNet timeliness obstacle detection)检测调节机制,该机制利用时效障碍物对传感器网络链路产生周期性干扰的特点,将链路质量的周期划分为链路稳定时期与链路波动时期,并针对不同时期的链路状态采取相应的检测调节方法.通过实测验证,无线链路采用EasiTOD机制可以有效地检测并降低周期性时效障碍物对无线网络通信的干扰,同时在保证无线链路通信可靠性的前提下尽可能地降低网络能耗,从而提高传感器网络的整体性能.     

酒曲房温湿度检测系统

在一个酒曲房内,设计出无线温湿度检测系统,实现了不同区域温湿度的监控。详细介绍了主机和从机的硬件电路的实现、通信协议的设计方法、自组网的设计思想;利用C#语言编写上位机程序,控制温湿度系统,达到协调运行的目的。该系统解决了实际环境中因不方便布线造成的数据传输问题,具有低成本、低功耗、可靠性强、实时性强等优点。     

概念漂移数据流挖掘算法综述

数据流是一种新型的数据模型,具有动态、无限、高维、有序、高速和变化等特性。在真实的数据流环境中,一些数据分布是随着时间改变的,即具有概念漂移特征,称为可变数据流或概念漂移数据流。因此处理数据流模型的方法需要处理时空约束和自适应调整概念变化。对概念漂移问题和概念漂移数据流分类、聚类和模式挖掘等内容进行综述。首先介绍概念漂移的类型和常用概念改变检测方法。为了解决概念漂移问题,数据流挖掘中常使用滑动窗口模型对新近事务进行处理。数据流分类常用的模型包括单分类模型和集成分类模型,常用的方法包括决策树、分类关联规则等。数据流聚类方式通常包括基于k- means的和非基于k- means的。模式挖掘可以为分类、聚类和关联规则等提供有用信息。概念漂移数据流中的模式包括频繁模式、序列模式、episode、模式树、模式图和高效用模式等。最后详细介绍其中的频繁模式挖掘算法和高效用模式挖掘算法。     

无人机DEM测点插值算法的矿区沉陷测绘技术

为实现对矿区沉陷深度的精准测量,完善测绘技术的具体实施方案,针对无人机DEM测点插值算法的矿区沉陷测绘技术展开研究;根据DEM测点获取结果,实施分维值测定处理,再以此为基础,确定插值拐点所处区域,实现对无人机DEM测点插值算法应用流程的完善;联合像控点布设原则,定义空中三角区域,并通过推导径向插值基函数的方式,建立矿区沉陷区域的地理模型;在空间坐标系转换条件的基础上,确定矢量数据叠加的处理结果,再结合像片倾角与旋偏角的实际取值,求解测量精度评价指标,完成无人机DEM测点插值算法的矿区沉陷测绘技术实施方法的设计;实验结果表明,上述测绘技术方法作用下,沉陷深度测量结果与矿区真实沉陷深度之间的差值不超过1 m,符合精准测量的应用需求,对于测绘实施方案的完善可以起到一定的促进性影响作用。     

RabbitMQ在气象通信系统中的应用研究

随着现代气象自动观测技术的迅速发展,气象资料的数量及类型都大大增加。重要的气象观测资料产生的频次已经提升到了分钟级,传输的时效也要求提高到秒级。目前的气象通信系统1.0版本是基于传统的TCP/IP协议的FTP文件传输方式,已无法满足大数量、高频次、多种类的观测数据高时效传输。为满足现有业务的需求,设计了基于RabbitMQ消息通信传输模式的气象通信系统2.0版。着重研究RabbitMQ消息队列技术在气象通信系统中的应用,包含消息中间件技术、消息传输架构设计、观测数据消息封装、高时效高可靠设计、交换控制策略设计等。应用结果表明,基于RabbitMQ技术开发的气象通信系统运行稳定,96%的气象观测数据能够在2秒内完成从台站到国家级的传输,并且在10秒内完成全部数据的传输,通过交换控制策略将数据及时转发给业务单位使用,大幅提升了气象数据的传输时效性和服务能力。