基于特征分析的流媒体数据包检测过滤方法

针对实时网络流媒体数据传输过程中安全性和可靠性的需求,提出一种基于特征分析的检测过滤方法。通过对流媒体传输协议和数据流特征的分析,以及对报文头部特征和呼叫信令内容的解析,采用基于专有规则集的智能模式匹配方法对流媒体数据包进行检测识别。实验结果表明,与五元组数据包检测过滤方法相比,该方法在误判率、漏判率等方面都具有较为明显的优势,能够更有效地实现网络流媒体数据包的安全性过滤。     

一种语音识别中的环境自适应方法

众所周知,训练和测试环境的不同严重影响了语音识别系统的性能。该文提出了一种新的测试环境自适应的方法,它能在测试进行过程中逐步地学得环境特征,而不需要事先获得测试环境的样本数据,从而改变了语音识别系统性能。     

基于时序活动逻辑的复杂系统多Agent动态协作模型

动态复杂问题求解是人工智能和复杂自适应系统理论与应用重要研究领域,多Agent动态协作是研究热点和难点之一,如何将问题与任务切分有待进一步地研究.借鉴组织学思想将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent系统组织,从时间和状态角度对复杂动态系统的行为进行描述,提出了基于时序活动逻辑的多Agent系统动态协作任务求解自适应机制和构造模型,建立了用于协作推理的语义规则、授权规则和行为规则,通过在中国科学院智能信息处理重点实验室开发的MAGE等平台上多方实验和仿真测试,验证了方法的可行性和有效性.     

飞参判据及其应用

在飞参数据的处理过程中,人工判读的方式工作量大,效率低,误判、漏判的概率大,制约了飞参数据在辅助地勤维护中的应用.为此,研究制定飞参判据的方法,对飞参数据进行自动判读,以提高飞参判读的效率,降低故障的漏检概率,更好地发挥在地勤维护中的应用.阐述飞参判据的概念,分析其制定的原则和方法,确立适合用户使用的飞参判据结构,并结...     

实时异构集成数据自适应模板解析算法

工业中实时监控系统的实时异构集成数据在解析存储时需要适应用户需求多样性和可变性的特点,因此集成数据的解析成为一个难点。以环境在线监控系统为应用背景,提出了针对实时异构集成数据的自适应模板数据解析思想。数据解析前,根据集成数据,以用户需求为基础设计的用户表以及定义的模板构建规则,构造描述集成数据与用户表映射关系的自适应模板。解析算法根据模板对集成数据进行解析分类。该算法只根据模板的描述对数据进行解释,具有良好的通用性以及可拓展性。通过实际数据进行测试,结果表明提出的自适应模板解析算法具有良好的性能,能够很好地适应用户需求多样性和可变性的特点。     

基于提交排序和预测模型的测试套件选择方法

为在持续集成（CI）环境下减少回归测试集、提升回归测试的效率,提出一种适用于CI环境的回归测试套件选择方法。首先,根据每个提交的测试套件历史失败率和执行率信息,进行提交排序;然后,采用机器学习方法,对提交涉及的测试套件进行失败率预测,并选择具有较高失败率的测试套件。该方法综合使用提交排序技术和测试套件选择技术,从而保证既提高故障检测率又能在一定程度上降低测试成本。在Google的开源数据集上进行的实验结果表明：与同样采用提交排序的方法和采用测试套件选择的方法相比,所提方法的开销感知平均故障检测率APFDc提高了1%~27%;在相同的测试时间成本下,所提方法的测试召回提高了33.33~38.16个百分点,变更召回提高了15.67~24.52个百分点,测试套件选择率降低了约6个百分点。     

基于改进AdaBoost算法的人脸检测

研究人脸识别实现自动化检测,针对实时定位准确识别人脸,采用传统AdaBoost算法构建人脸检测器时存在的过拟合现象和特征冗余缺欠,提出一种自适应样本权重更新规则和遗传算法的改进AdaBoost人脸检测方法.可把正负样本错分率引入样本权重更新过程,将分类效果反馈给分类器,实现对分类器结构的有效控制.用遗传算法进一步优化所选特征及其参数,达到使用较少的弱分类器实现高检出率和低误判率的双重要求.仿真结果表明,与传统AdaBoost算法相比,采用文中算法训练人脸检测器可有效避免样本权重扭曲现象,消除分类器冗余,在保证较高检出率的同时降低误检率,使人脸检测更加快速和精确.     

基于Python的实时嵌入式软件测试脚本

基于Python语言设计一种实时测试脚本,开发扩展模块,实现测试脚本与嵌入式软件仿真测试环境（ESSTE）的接口。该测试脚本使用简便,实时性高、描述能力强、具有良好的可复用性,目前已成功应用到ESSTE中。对多个实时嵌入式软件进行测试,结果验证了该测试脚本的正确性和实时性。     

一个基于Agent和数据挖掘技术的实时入侵检测系统模型设计

探讨了在实时环境下设计基于Agent，数据挖掘技术的入侵检测系统模型，针对传统入侵检测系统的局限性，在处理大量数据提高实时监控的能力和自适应能力上提出了分别采用了基于异常检测模式．多点检测集中决策的方法和有自适应能力基于滑动窗口的关联规则递增算法SWF。这种设计方案在一定程度上有助于提升入侵检测系统的准确率。减少误报率和漏警率。     

工作流管理系统中自适应机制的研究

针对传统工作流管理系统存在灵活性不足、自适应能力缺乏等问题,对自适应机制进行了研究。首先提出了一种基于ECA规则和活动组合的自适应工作流模型,并在此基础上提出了一种自适应机制。设计了基于Agent的自适应工作流管理系统。该系统动态地分派流程中的任务,自主地调整流程执行来适应执行环境的变化。     

说话人识别中基于Fisher比的特征组合方法

为了提高说话人识别的准确率,可以同时采用多个特征参数,针对综合特征参数中各维分量对识别结果的影响可能不一样,同等对待并不一定是最优的方案这个问题,提出基于Fisher准则的梅尔频率倒谱系数(MFCC)、线性预测梅尔倒谱系数(LPMFCC)、Teager能量算子倒谱参数(TEOCC)相混合的特征参数提取方法。首先,提取语音信号的MFCC、LPMFCC和TEOCC三种参数;然后,计算MFCC和LPMFCC参数中各维分量的Fisher比,分别选出六个Fisher比高的分量与TEOCC参数组合成混合特征参数;最后,采用TIMIT语音库和NOISEX-92噪声库进行说话人识别实验。仿真实验表明,所提方法与MFCC、LPMFCC、MFCC+LPMFCC、基于Fisher比的梅尔倒谱系数混合特征提取方法以及基于主成分分析(PCA)的特征抽取方法相比,在采用高斯混合模型(GMM)和BP神经网络的平均识别率在纯净语音环境下分别提高了21.65个百分点、18.39个百分点、15.61个百分点、15.01个百分点与22.70个百分点;在30 dB噪声环境下,则分别提升了15.15个百分点、10.81个百分点、8.69个百分点、7.64个百分点与17.76个百分点。实验结果表明,该混合特征参数能够有效提高说话人识别率,且具有更好的鲁棒性。     

基于规则与卡尔曼滤波的人眼跟踪

本文提出一种基于YCbCr空间、规则和卡尔曼滤波的人眼跟踪方法。该方法首先利用肤色在YCbCr空间的特性建立肤色模型分割出肤色,然后通过设定的规则得到人眼区域,最后利用卡尔曼滤波的方法实时跟踪人眼。实验表明,该方法能达到实时效果且跟踪正确率较高。     

改进的Cascade RCNN行人检测算法研究

在复杂路况下的行人检测中,行人尺寸变化大,导致小尺寸行人漏检率高,增加了行人检测的难度.为了降低行人检测漏检率,提高行人检测精度,在级联区域卷积神经网络(cascade regional convolutional neural network,Cascade RCNN)的基础上,将浅层特征与深层特征融合,进行深层特征...     

机械臂自调整因子模糊PD迭代学习控制研究

大部分模糊控制器不具有适应控制对象变化的能力,基于此设计一种自调整因子模糊控制器,并针对机械臂长时间重复操作导致运动精确度下降这一类问题,结合迭代学习控制方法,提出一种自调整因子模糊PD迭代学习控制方法;以双关节机械臂为研究对象,利用Fuzzy工具箱编写模糊控制规则,通过系统产生的误差以及误差的变化率作为模糊控制器的输入量调整模糊系统中的量化因子和比例因子,实现模糊规则的更新和对迭代学习控制中的PD参数的实时调整,系统的自适应性得到提高,并在Simulink中进行机械臂的运动控制实验,仿真结果表明,所提控制方法最终产生的误差可以精确到0.0001 rad,同时在进行第2次迭代时关节角度和角速度误差收敛基本趋于零,整体的控制效果较好。     

噪声环境下的语音识别性能研究

在变强噪音的情况下,语音识别的正确率会迅速下降;当噪声较强并且强度不断发生变化的时候,端点检测是一个难题;提出了两种方法保证噪声较强而且强度不断发生改变情况下的语音识别率：基于LPC距离的端点检测算法和白适应的抗噪语音特征参数提取算法;经过实验证明,采用了这两种不同于传统算法的新方法后,变强噪音情况下的语音识别率得到了明显的改善。     

用于研究专家系统的另一神模型──判别树及其寄生树

本文提出的判别树是一种既系统又直观地描述判别思路的模型,寄生树是一种用来判定判别树中结点的子特征的判别树。在专家系统的研究中,应用本模型有三个优点：①可有条理地描述、整理复杂的分类判别知识;②易于转换出相应的产生式规则或框架形式的知识库;③能清晰直观地指导设计高效的判别推理机。     

指纹快速匹配算法研究

设计了指纹快速匹配算法。算法以分类时获取的奇异点为参考点对指纹进行定位,利用奇异点特殊邻近结构缩小细节点匹配规模,在可变界限盒的基础上设计合理匹配策略。该方法不仅可以提高计算速度,也能够适应指纹非线性形变的特点,增加算法鲁棒性。在FVC2000数据库上的测试结果显示,该算法在保证自动指纹识别系统识别准确性的同时,还使得指纹辨识速度有了显著的提高。     

Timed Wp-method: testing real-time systems

Real-time systems interact with their environment using time constrained input/output signals. Examples of real-time systems include patient monitoring systems, air traffic control systems, and telecommunication systems. For such systems, a functional misbehavior or a deviation from the specified time constraints may have catastrophic consequences. Therefore, ensuring the correctness of real-time systems becomes necessary. Two different techniques are usually used to cope with the correctness of a software system prior to its deployment, namely, verification and testing. In this paper, we address the issue of testing real-time software systems specified as a timed input output automaton (TIOA). TIOA is a variant of timed automaton. We introduce the syntax and semantics of TIOA. We present the potential faults that can be encountered in a timed system implementation. We study these different faults based on TIOA model and look at their effects on the execution of the system using the region graph. We present a method for generating timed test cases. This method is based on a state characterization technique and consists of the following three steps: First, we sample the region graph using a suitable granularity, in order to construct a subautomaton easily testable, called grid automaton. Then, we transform the grid automaton into a nondeterministic timed finite state machine (NTFSM). Finally, we adapt the generalized Wp-method to generate timed test cases from NTFSM. We assess the fault coverage of our test cases generation method and prove its ability to detect all the possible faults. Throughout the paper, we use examples to illustrate the various concepts and techniques used in our approach.     

基于改进变精度粗糙集的漏洞威胁评估

变精度粗糙集理论能有效处理带噪声的数据,但其移植性较弱。针对这种情况,引入阈值参数α,提出了一种改进的变精度粗糙集漏洞威胁评估模型。首先,根据漏洞特征属性建立评估决策表;然后,使用k均值算法对连续属性进行离散化处理;接下来,通过多次计算,调整参数β和α的值,进行属性约简并提取概率决策规则,构造决策规则库;最后,将测试数据与规则库进行匹配,得到漏洞威胁评估结果。仿真实验表明,所提方法的评估正确率比改进前提高了19.66个百分点,并且移植性有所增强。