储罐液位异常检测系统研究

目前,对于时序数据的异常检测方面有很多较为成熟的模型,但并没有一套基于储罐液位数据进行分析、预测以及异常检测的系统。油田上不同开采工程的数据大都来自测量仪表、液位仪、传感器,具有时序性的特点,为充分时序数据的价值,提出了一套基于油田储罐液位数据的异常检测系统,用于检测储罐液位数据。该系统以对油田储油罐液位的特征提取、异常检测、模式识别、预测分析建立框架,并可将其推广到油田钻井、测井、录井、井下作业等业务的异常检测。     

基于SPC的过程监控软件的实现

简要介绍了统计过程控制(SPC)的原理和基于SPC过程监控软件的结构设计和具体实现方法,以及用SPC监控过程的方法.并给出了相应的实例.开发了基于SPC的监控过程的软件系统,用软件可以实时分析生产过程情况,对异常情况提前预测,并给出合理化建议,从而控制生产过程的波动情况,使过程更稳定、直观、易控.     

炼钢电炉基于SPC的质量管理系统设计

统计过程控制（SPC）是生产过程质量控制的重要工具。基于SPC设计开发一种质量管理系统,并将此系统应用炼钢电炉中。该系统能够显著提高检测效率和数据准确率。它可以对电炉进行有效监管,消除质量隐患。     

基于时序关联智慧城市边缘数据异常检测算法

针对智慧城市边缘感知数据类型多、数据维度大和存在数据异常等问题,提出基于时序的边缘检测异常数据算法。对解决该问题的基于边缘计算的智慧城市物联网、大数据分析框架进行设计,同时设计边缘服务增强现实框架;对智慧城市边缘检测异常数据问题进行定义,设计检测流程和时序关联计算算法,提出基于时序关联的智慧城市边缘检测异常数据算法。对设计的算法,利用感知设备采集数据,进行大量实验与仿真对比分析,实验结果表明,该算法在解决时序关联多维数据异常检测的准确率和召回率方面,具有一定的优越性。     

基于FCM-ANN的化工储罐异常检测方法研究

如何准确地检测出储罐运行的异常状态是工业控制系统的核心问题,针对传统的有监督学习需要大量学习样本,而无监督学习准确率不足的问题,提出一种基于FCM-ANN的异常检测方法。该方法基于三层结构模型,FCM层不需要任何先验知识,对数据进行初步异常检测,ANN层对FCM层的每个类分别进行神经网络学习,最后通过ANN集成得到检测结果。对采集的储罐运行状态数据进行仿真后,结果表明该方法比ANN、FCM和Nave Bayes方法有更优的检测性能。     

一种基于一类支持向量机的时序异常检测算法

提出一种基于一类支持向量机的时序异常检测算法。该算法通过投影相空间重构法将时序数据转换为向量,构造数据依赖的核函数来优化SVM对多噪声非线性时序数据的处理,最后用一类支持向量机进行异常检测。     

基于标签传递的异常检测算法研究

异常检测旨在检测出观测数据中的非正常值,被广泛应用于反信用卡欺诈、网络入侵检测、医疗分析以及气象预报等领域。在异常检测中,正常数据通常具有异常数据所不具备的某种内蕴结构。因此,如何有效地利用正常数据与异常数据在数据结构上的差异性将有助于提高异常检测性能。为此,本文提出了一种新颖的基于标签传递的异常检测算法。该算法通过图模型刻画正常数据所具有的内蕴结构,并通过多重标签传递来构建未标记正例样本与待测试样本的标签置信度的差异。最后,基于正例样本的标签置信度的统计特性分析,实现对测试样本的异常性判决。在人工合成及真实数据集上的实验验证了本文算法的有效性。     

一种基于属性的异常点检测算法

异常数据检测是数据挖掘研究的热点之一。本文在对现有异常点检测算法分析的基础上,提出了一种基于属性的异常点检测算法。简要地介绍了异常检测的现状,对基于属性的异常检测算法进行了详细分析,包括算法设计基础、算法描述、复杂度分析等。并通过与基于距离的异常点检测算法进行实验比较,表明了算法的优越性。     

基于Voronoi图的异常检测算法

异常检测是数据挖掘的一个重要组成部分,其中基于密度的方法LOF是目前常用的主要方法。然而LOF方法进行检测时需要设定参数k和MinPts,检测结果对参数非常敏感,容易造成检测错误。该文提出了一种基于Voronoi图的异常检测算法VOD,采用Voronoi图来确定对象间的邻近关系,解决了基于密度方法存在的问题,算法的时间复杂性从O(N2)降低到O(NlogN)。     

基于量子聚类的异常入侵检测研究

研究提出了一种混合属性样本的量子聚类算法,并应用于入侵检测的研究。通过给出一种新的混合属性的相异性度量方式和挖掘样本中的结构信息,并用量子势能确定聚类中心,提出了一种新的距离量子聚类MDQC(Weighted Mahalanobis Distance_based Quantum Clustering)算法,该算法具有自学习能力。并基于该算法提出了一种新的异常检测方法。仿真实验表明,该检测方法是有效的,有一定的实用价值。     

基于混合高斯模型的异常检测算法改进

针对视频监控系统中分离出合适的运动目标是进行目标识别的关键步骤,并且需要在分离目标时对光线的连续变化有相应的自适应能力并保持检测目标的准确性。为适应应用环境对背景构建和前景的获取与释放控制,对所使用的自适应混合高斯背景模型进行了相应的优化。背景构建和前景控制算法为:构建一个静态背景图像,然后让一个包含场景中移动对象和静态背景图像的视频序列对背景模型进行初始化。对前景消融时间的调整引入前景消融时间控制机制和独立的模型学习效率。通过多次的实验证实了该算法有很好的鲁棒性和准确性。     

一种基于核PCA的网络流量异常检测算法

对各种网络数据流量的异常检测引起了人们的兴趣。网络数据流异常的检测和定位对于保障网络的稳定安全运行极为重要。基于主成份分析PCA(Principal component analysis)的网络异常检测算法虽然具有较好的检测性能,但是基于PCA的网络异常检测算法前提是假设网络流量数据满足高斯分布,且对网络数据的非线性结构表示无能为力。为了解决该问题,引入核函数空间,提出一种基于核主成分分析的在线网络流量异常检测算法。该算法以矩阵分解的方式构建正常子空间和异常子空间,并实现网络流量异常的检测。仿真实验分析表明,该算法取得了很好的检测性能。     

基于独立流量平稳模型的异常检测算法研究

当链路流量由不同流复合而成时,不同流的短时变化(增大或降低)可以相互中和,使链路上的所有流趋于平稳。当流之间相互独立,链路流量趋于平稳状态。但是,当链路中出现相关流时,该平稳状态将被打破。研究证明许多异常流量发生时会违反流的独立性。基于此,提出了独立流量平稳模型i TSM(independent Traffic Stationary Model),并设计了一种异常流量检测算法。实验证明:针对单链路异常检测,该算法显著优于其他算法的检测效果。     

遗传聚类算法在基于网络异常入侵检测中的应用

传统的入侵检测方法在面对多变的网络结构时缺乏可扩展性,而且在未知的攻击类型面前也缺乏适应性。因此,提出一种新的检测方法——基于遗传聚类的网络异常检测（NAIDGC）算法。对聚类中心采用二进制编码,把每一个点到它们各自的聚类中心的欧几里得距离的总和作为相似度量,通过遗传算法寻找聚类中心。计算机仿真结果显示了此算法对入侵检测是有效的。     

基于自适应形态学边缘检测的时频检测算法

针对通信对抗中跳频信号的检测问题,提出一种基于自适应形态学边缘检测的时频检测算法。该算法把跳频信号的时频谱图SP(Spectrogram)视作一幅图像,首先利用多尺度结构元素对其滤波,再根据图像边缘方向自动选择相应方向的结构元素进行边缘检测,最后通过与设定的阈值比较判决跳频信号是否存在。仿真结果表明,此算法可以有效去除噪声和干扰信号,增强跳频检测系统鲁棒性、提高检测效率。     

基于运动目标轨迹的高速公路异常事件检测算法研究

针对人工观看高速公路视频录像判断异常事件劳动强度大、工作效率低等缺点,提出基于车辆运动轨迹的异常事件检测算法。采用背景差法提取运动目标前景;对存在阴影的运动目标,使用改进的基于边缘检测和HSV颜色空间相结合的算法去除阴影;对获得的无阴影的运动目标前景通过kalman滤波算法获得车辆的运动轨迹;通过分析车辆的行驶状态建立异常事件模型,使用实际高速公路视频来验证异常事件检测模型的正确性。实验结果表明,本文提出的新的阴影去除算法能够有效地消除阴影,异常事件检测模型能够有效地检测逆行、停车车辆,准确性高、实用性好。     

一种基于形态学的边缘检测算法

在对含有噪声图像进行边缘识别时,为了提高识别精度,提出一种基于形态学的边缘检测算法。准备两种不同尺度的形态学结构元素,并对图像进行形态学降噪处理;用不同类型的形态学结构元素对处理后的图像进行边缘检测,获得不同结构元素下的边缘图像;根据每张边缘图像的信息熵来确定权值,并将这些边缘图像按照比例进行合成。这样,即使在有噪声干扰的条件下也能获得较为理想的图像边缘。实验结果展示了该算法相对于其他边缘检测算法的优势,突出其在保持图像边缘清晰的同时还具有较强的噪声去除能力,有力地说明了该算法的有效性和实用性。     

基于相关检测的信息隐藏算法

针对公用网络上传输的重要信息面临诸多的安全威胁,提出了一种基于相关检测的信息隐藏算法,利用与已知模板的正、负相关来对待隐藏信息比特位进行扩频调制,再根据调制后的序列,调整载体信号的小波变换域细节分量的系数以嵌入信息.考虑到隐藏信息的长度是变化的,算法中定义了隐藏信息检测的结束标志,提高了算法的效率;同时该算法隐藏文本信息时仍具一定的抗噪声干扰能力,降低了信息提取时的误码率,且算法隐藏的信息容量较高,能够实现公用网上通过多媒体载体进行重要信息隐蔽高效传输的目的.