数据挖掘技术在网络型误用入侵检测系统中的应用

重点描述了数据挖掘技术在网络型误用入侵检测中的应用，实现了从网络审计数据中挖掘关联规则和序列模式，选择和构建临时统计特征，最后使用RIPPER分类器建立了误用检测模型。     

数据挖掘技术在入侵检测分类中的应用

数据挖掘技术可以从多个角度应用于入侵检测系统，通过合理地分类对比，可找出基于数据挖掘技术的优势，发现存在的问题，提出新思路，完善和发展入侵检测系统；首先介绍了应用于入侵检测的数据挖掘算法；然后提出了基于数据挖掘的入侵检测系统的分类，并分别对每种分类方法的实现进行了描述；最后提出了基于日志挖掘的入侵检测系统，并对可行性进行了简单论证。     

CrMnFeCoNi高熵合金拉伸断裂的晶体塑性有限元模拟

CrMnFeCoNi高熵合金的优异力学性能使其具有广阔的工程应用前景。材料力学行为的本构描述对其工程服役行为的安全评估至关重要,但是描述CrMnFeCoNi高熵合金拉伸断裂行为的本构模型少见报道。基于晶体塑性本构模型,利用Cohesive单元在多晶代表性体积单元内部植入含损伤破坏机制的晶界,模拟了CrMnFeCoNi高熵合金在单轴拉伸下的晶间断裂过程。模拟结果与试验所得的应力-应变曲线吻合较好,且能准确描述断裂发生时的应力下降过程,说明采用晶体塑性本构模型与Cohesive本构模型可以有效描述材料的宏观响应行为和断裂失效行为。进一步分析表明：裂纹从应力集中处开始萌生;随着应变的持续增加,裂纹沿着晶界扩展,最终造成断裂;晶粒随机取向对裂纹萌生位置与扩展路径有显著影响,但对宏观拉伸应力-应变曲线几乎没有影响。     

配电网线路防结冰涂层构筑及其性能评价

随着我国电力系统的发展,配电网线路已经完成了多地域全覆盖,这其中必须承受广域多环境的不利影响,其中覆冰问题带来的负面影响尤为严重。使用疏水性涂层可以有效地预防配电网线路产生覆冰,与传统的机械、热力除冰法相比更节约人力和物力。因此,适用于线路的疏水涂层是现阶段改善配电网覆冰问题的研究重点。通过引入聚二甲基硅氧烷(PDMS)和SiO_2成分到环氧树脂中,成功制备了接触角大于145°的涂层,不仅显著优化了环氧涂层疏水性能,而且适用于铝绞线表面涂装。通过模拟低温和滴水自然覆冰条件,对比分析了涂覆不同疏水性能导线样品的表面覆冰质量、厚度及形貌等数据。结果表明,在-5℃时,涂覆添加有PDMS和SiO_2的环氧树脂涂层导线覆冰质量与原始导线相比降低了66.8%;如此的疏水涂层能够改变导线结冰的形貌,使总覆冰中冰挂质量的比例提升4%～6%,集中在导线下侧的冰挂更有利于配合机械法和热力融冰法进行清除。     

基于序列模式挖掘的误用入侵检测系统框架研究

本文提出一种基于序列模式挖掘的误用入侵检测系统框架,克服了Wenke Lee在网络层使用频繁片断算法对入侵行为进行统计分析的局限性。该系统针对应用层攻击,能够识别攻击行为的先后次序,是一种在协议分析基础上的行为分析技术。实验表明,该系统能更准确地描述攻击,可以检测出只包含一次特征的攻击。     

一种基于大项集重用的序列模式挖掘算法

在重新定义序列模式的长度、增加了序列模式的挖掘粒度的基础上,提出一种基于大项集重用的序列模式挖掘算法HVSM．该算法采用垂直位图法表示数据库,先横向扩展项集,将挖掘出的所有大项集组成一大序列项集,再纵向扩展序列,将每个一大序列项集作为“集成块”,在挖掘k大序列时重用大项集．并以兄弟节点为种子生成候选大序列,利用1st—TID对支持度进行计数．实验表明,对于大规模事务数据库,该算法有效地提高了挖掘效率．     

高压绝缘子检测机器人模糊RBF神经网络控制算法研究

高压绝缘子检测机器人是国家电网实现自动化的必要技术之一,针对高压绝缘子检测机器人的变速攀爬的问题进行改进型研究,建立高压绝缘子检测机器人攀爬时的数学模型,研究高压绝缘子检测机器人的变速攀爬的运动规律和攀爬电机的扭矩变化规律。为了解决高压绝缘子检测机器人爬升时的周期性振动问题,利用模糊控制和神经网络各自的优点,设计高压绝缘子检测机器人匀速攀爬的模糊RBF神经网络控制算法,并用MATLB进行仿真,仿真结果表明运用模糊RBF神经网络控制高压绝缘子检测机器人能够实现匀速攀爬。     

基于统计学习的卫星接收资源预规划方法

针对卫星观测任务需求受理之前的数据接收资源预分配问题,设计了基于统计学习的卫星数据接收资源预规划方法,通过统计分析历史资源使用计划,自学习获取资源使用概率模型,基于资源使用概率模型进行接收资源预分配.实现了无任务情况下的顶层资源统筹预分配,解决了多星接收资源冲突消解与多星解耦问题,是底层单星分布式任务规划的基础,提升了...     

常规测井方法在煤层气解释中的应用

煤层气是煤岩在成煤和演化过程中生成的以甲烷为主,现今仍以游离、吸附、固容状态存于煤层中的一部分气体。常规测井方法能有效识别煤层,计算出的煤层气含量为评估煤层气藏储量提供科学依据。     

基于优化Q-learning算法的机器人路径规划

针对传统Q-learning算法在路径规划中存在收敛速度慢、难以平衡探索与利用的关系等问题,采用改进后的势场对Q-learning算法的Q表初值进行优化,引入多步长策略减少算法的迭代次数和路径中的拐点个数,加入动态调节贪婪因子平衡探索与利用的关系。仿真结果证明,与Q-learnig算法相比,改进后的IMD-Q-learnig算法可将最优路径长度缩短79.09%,拐点个数减少46.67%,算法效率提升88.40%。