基于动态模拟的危险与可操作性分析在精馏塔中的应用

危险与可操作性分析是化工领域中广泛应用的安全分析的有效方法,近年来其定量化研究已经成为一种趋势.为了实现定量化的危险与可操作性分析,本文提出了基于动态模拟的危险与可操作性分析的新型方法,即在传统的危险与可操作性分析的基础上引入了动态模拟模型,利用动态模拟的定量化弥补传统危险与可操作性分析定量化不足的缺陷.通过对动态模拟模型中操作参数进行不同程度的拉偏可以方便地模拟危险与可操作性分析中引导词与工艺参数组成的偏差,模拟的结果变化就是偏差对系统所造成的影响,以此实现危险与可操作性分析的定量化推理.本文利用对一个萃取精馏塔的冷凝能力缺失和安全阀失效问题阐述了基于动态模拟的危险与可操作性分析方法的新型研究方法.最后,根据案例分析总结了这种新型分析方法的优点,并且研究证明其为一种行之有效且非常有潜力的分析方法.     

基于危险模式的异常检测模型

阐述了危险模式的概况及运行机制,提出了一种基于危险模式的异常检测模型以及相关的算法。该模型通过分析实时系统调用序列中的危险信号,进而判断是否为入侵事件。实验结果表明,该方法具有较高的有效性和检测率。     

基于危险函数的缓冲区溢出检测方法的研究与实现

分析缓冲区溢出原因和现有检测技术,提出一种基于危险函数的缓冲区溢出检测流程。该流程首先对反汇编代码中的危险函数的普通形式和展开形式进行定位,然后对危险函数进行参数分析和动态检测,验证危险函数能否发生溢出,最后通过人工分析技术,进一步对参数分析和动态检测的结果进行验证。给出缓冲区溢出检测流程的具体实现。实验结果表明该检测流程是有效的。     

弹库某系统危险等级划分研究

利用弹库某系统FMECA分析,通过对严酷度类别、危险可能性等级以及故障影响概率等定性指标的量化研究,提出了一种复杂系统危险风险等级划分的定量方法,给出了弹库某系统危险风险等级划分的实例.     

结合静态分析与动态符号执行的软件漏洞检测方法

动态符号执行是近年来新兴的一种软件漏洞检测方法,它可以为目标程序的不同执行路径自动生成测试用例,从而获得较高的测试代码覆盖率。然而,程序的执行路径很多,且大部分路径都是漏洞无关的,通常那些包含危险函数调用的路径更有可能通向漏洞。提出一种基于静态分析的有导动态符号执行方法,并实现了一个工具原型SAGDSE。该方法通过静态分析识别目标程序中调用危险函数的指令地址,在动态符号执行过程中遇到这些指令地址时收集危险路径约束,再通过约束求解生成走危险路径的测试用例,这些测试用例将更可能触发程序漏洞。实验结果表明了该方法的有效性。     

一种基于危险理论的入侵检测算法

分析了危险理论的基本机制,针对当前基于传统免疫学的入侵检测技术存在的不足,提出了一种基于危险理论的入侵检测算法模型。在该算法模型中,系统只对“危险”进行响应,提高了系统的检测效率,同时将系统资源情况作为判断“危险”的一个因素,有效的降低了误报率和漏报率。     

软件脆弱性危险程度量化评估模型研究

软件脆弱性的危险程度是对软件脆弱性被利用来攻击系统的潜在危险的度量。在分析目前已知的相关评价方法及其局限性的基础上,提出了根据脆弱性影响的严重程度和脆弱性可利用性来评佑脆弱性危险程度的分析框架,并基于模糊理论,提出了软件脆弱性危险程度评估的量化模型,建立了模糊测评因素关联隶属关系的递阶层次结构,并重点分析了基于模糊集的指标量化、基于模糊关系矩阵的指标权重的确定和软件脆弱性危险程度的综合评价方法。最后,给出了模型的应用与实现。     

人工免疫系统中危险信号的云方法定义

对“危险”的定义是将危险理论用于人工免疫系统所需要解决的核心问题。云模型是一种定性与定量之间相互转换的有效工具。论文借鉴云模型的概念对计算机系统中系统变量的变化进行判定,从而给出危险信号的定义;综合多种危险信号,进而给出“危险”的定义。最后,提出了利用“危险”和nonself的识别共同激发免疫响应的协同识别模型框架。     

基于特征排序特征联合算法的疾病危险因素分析

针对疾病危险因素分析集中于危险因素单独作用的重要性评估,忽略危险因素联合作用的问题,为避免低估部分单独无用但与其他因素联合对疾病构成威胁的危险因素的有用性,提出一种基于特征选择的特征排序特征联合算法.第一阶段通过特征选择对危险因素进行单独作用重要性分析并排序;第二阶段设计特征联合算法分析危险因素联合作用,去除冗余危险因素并选出关键危险因素.仿真实验结果表明,特征排序特征联合算法可实现更高分类准确率并减少冗余,证明了该算法的有效性.     

网络潜在危险趋势估计的建模算法研究

为了提高网络潜在危险趋势估计的准确性,提出一种灰色关联分析和支持向量机的网络潜在危险趋势估计模型(Grey-SVM).选择初始网络潜在危险评估指标体系,采用灰色关联分析计算各指标权重,采用支持向量机对权重的数据进行学习,模型参数采用混沌粒子群进行优化,建立网络潜在危险趋势估计模型,并采用DARPA99数据集进行测试.测试结果表明,Grey-SVM可以对网络潜在危险趋势进行准确、客观评估,提高了网络系统的安全.     

3种安全评价方法的集成研究

选用合理有效的安全评价方法,在工艺危险分析和事故处理中至关重要.道化学火灾、爆炸指数法(F&EI)、危险与可操作性分析(HAZOP)和保护层分析法(LOPA)作为重要的安全评价方法,在化工安全评价中得到了广泛应用.针对HAZOP分析的耗费时间长、主观性强等不足,提出了将F&EI、LOPA与HAZOP相结合的安全评价策略--F&EI评价可以为HAZOP分析提供必要的数据支持,判断评价单元的本质安全性,对具有本质安全性的单元可以少进行或不进行HAZOP分析;对具有较高风险的事故场景进行半定量的LOPA分析,提高评价过程的客观性.从HAZOP、LOPA风险矩阵的角度,讨论了利用F&EI判断后果严重程度的两种方式.同时从HAZOP、LOPA的信息共享上,讨论了较复杂事故场景下,可以借助LOPA完善未完成的HAZOP分析,并丰富HAZOP案例库.最后以1984年印度博帕尔事故为例,说明通过3种安全评价方法的数据与信息共享,风险评价过程更加方便、高效,评价结果更加全面、细致.     

改进OR1200 CPU流水线的设计

流水线是制造高性能CPU的关键技术,目前被广泛研究的OR1200是一款带有四级流水线的免费开源CPU. 为了提高流水线的效率,针对OR1200没有设计访存流水段,流水线会暂停等待加载存储类指令这个问题,在LSU操作即访存操作模块,为OR1200增加了访存流水段,设计了冒险检测和旁路单元,因此CPU在访存阶段不需要暂停,从而使OR1200变为真正的五级流水线CPU;另一方面,当需要用加载指令加载数据的时候,会导致加载类数据冒险问题,为了解决此类冒险,设计了数据有效信号Tag,用来控制流水线暂停,对乘法计算、访存阶段以及其他不能在执行阶段得到结果的运算作流水线暂停判断,以等待数据的获取. 通过实验仿真证明,Tag信号暂停流水线一个时钟后会把数据反馈回去,成功解决了必须暂停数据相关问题的暂停判断问题.     

基于ICA和NFL分类的局部人脸识别方法

目前已存在很多基于统计的人脸整体识别方法，独立元分析方法就是一种基于信号高阶统计特性的方法。但由于人脸光照、姿态、信息缺损等外部不可避免因素会引起整个人脸灰度图像产生很大的变化，因而会对这类整体统计性方法的稳定性产生很大影响。为此提出了一种基于独立元分析和最近邻特征线的局部人脸识别方法。首先，通过对人眼的手工定位并依据人脸几何特征完成对人脸图像的截取和局部分块，从而移除发型等无用信息；然后对每个局部图像进行PCA／ICA特征提取；最后的识别阶段，通过最近邻特征线方法得到各自识别距离，并通过对各部分设置合理的权重来综合判定。实验结果表明，作为一种有效的识别方法，分块独立元方法在识别率、识别的稳定性、应用的灵活性等方面都优于传统的整体识别方法。     

集成电路中冒险的检测和消除

CMOS集成电路中的冒险现象会增大电路的功耗,所以对集成电路中冒险的检测和消除的研究十分重要。文章分别对集成电路中原始输入单跳变,和多跳变两种情况下产生的冒险现象进行了研究,提出了检测和消除冒险的方法。文章的方法可以在非常短的时间内检测出电路中可能产生冒险的点,对于单个原始输入跳变的情况可以通过增加很少的电路开销来消除一部分冒险点。     

A scalable supervised algorithm for dimensionality reduction on streaming data

Algorithms on streaming data have attracted increasing attention in the past decade. Among them, dimensionality reduction algorithms are greatly interesting due to the desirability of real tasks. Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) are two of the most widely used dimensionality reduction approaches. However, PCA is not optimal for general classification problems because it is unsupervised and ignores valuable label information for classification. On the other hand, the performance of LDA is degraded when encountering limited available low-dimensional spaces and singularity problem. Recently, Maximum Margin Criterion (MMC) was proposed to overcome the shortcomings of PCA and LDA. Nevertheless, the original MMC algorithm could not satisfy the streaming data model to handle large-scale high-dimensional data set. Thus an effective, efficient and scalable approach is needed. In this paper, we propose a supervised incremental dimensionality reduction algorithm and its extension to infer adaptive low-dimensional spaces by optimizing the maximum margin criterion. Experimental results on a synthetic dataset and real datasets demonstrate the superior performance of our proposed algorithm on streaming data.     

一种循环平移的Contourlet变换去噪新方法

与小波变换相比,Contourlet变换等多尺度几何分析方法,可以更好地逼近含线奇异的高维函数。针对Contourlet变换缺乏平移不变性的缺陷,提出了一种基于Contourlet变换以及循环平移的图像去噪方法,即MCT方法。由于阈值去噪会在重构的图像中产生虚假成分（视觉魇像）,尤其是在奇异点附近交替出现较大的上下幅值振动。而循环平移的目的就是在给定范围内寻求最佳平移量（或平均平移量）,通过改变图像的排列次序,从而改变奇异点在整个图像中的位置来达到减小或消除振荡幅度,进而改善由于伪Gibbs现象所导致的蚊状噪声。实验表明,与抽样小波去噪相比,该方法明显可以更好地保持图像边缘;同时也一定程度上改进了传统Contourlet变换去嗓方法所带来的视觉魇像的缺点,较好的保留了图像的细节部分,且峰值信噪比（PSNR）也较高。     

基于核化原理的非线性典型相关判别分析

典型相关判别分析是将传统的典型相关分析应用于判别问题，它是一类重要的特征提取算法，但其本质上只能提取数据的线性特征，应用统计学习理论中的核化原理可以将这样的线性特征提取算法推广至非线性特征提取算法，该文研究了如何将这一原理应用于典型相关判别分析，提出了基于核化原理的非线性典型相关判别分析，并且给出了求解该问题的一个自适应学习算法．数值实验表明，基于核化原理所导出的非线性典型相关判别分析比传统的典型相关判别分析更有效，另外，该文从理论上证明，所提出的新方法与Fisher核判别分析等价。     

一种融合KPCA和KDA的人脸识别新方法

核判别分析（KDA）和核主成分分析（KPCA）分别是线性判别分析（LDA）和主成分分析（PCA）在核空间中的非线性推广,提出了一种融合KDA和KPCA的特征提取方法并应用于人脸识别中,该方法综合利用KDA和KPCA 的优点来提高人脸识别的性能。此外,还提出了一种广义最近特征线(GNFL)方法来构造有效的分类器。实验结果证明：提出的方法获得了更好的识别结果。     

基于SDG的HAZOP单元建模方法

SDG(Signed Directed Graph)是一种重要的定性建模技术，特别是在安全评价和故障诊断领域。对于过程系统，危险与可操作性分析(Hazard and Operability Study，HAZOP)，是一种应用最为广泛的评价方法。HAZOP方法与SDG方法有着天然的联系。在人工HAZOP方法的基础上，提出利用SDG模型及基于网论的推理方法，进行计算机自动HAZOP分析。该文介绍了一种新的基于SDG推理的HAZOP方法，以替代人工HAZOP。通过建立工业过程中典型的设备单元的评价模型，来组建模型库，用于搭建大型工业系统模型。不但通用性强，而且具有良好的继承性，并节省大量的人力、物力等。     

Six Sigma for Software Application of Hypothesis Tests to Software Data

The article discusses statistical analysis on Release data from a mature Global Software Group (GSG) with three business domains with an aim to ascertain if any correlation can be established between the data collected after release and the benefits to the centre from the outcome of the analysis. Thus re-evaluating the process involved in creating and delivering software products to our customers. This article will strive to explain some of the Six Sigma methodologies and tools used in comparing groups (ANOVA method) and categorical data analysis techniques on software data. The paper will also discuss in detail normal distribution, tests for normality and comparative methods along with Contingency Table Analysis (Mosaic plots) and Correspondence Analysis. The application of statistics for SOFTWARE process improvement is increasing in the industry; we present how these techniques can be applied in practice.