基于密度的离群点挖掘在入侵检测中的应用

给出一种基于密度的局部离群点挖掘方法。采用KDD99数据集进行实验,对数据集中的41个属性提取特征,利用基于密度的聚类对统计处理过的数据集实行剪枝操作,剪除数据集中大部分密集的数据对象,保留未被剪除的候选离群对象集。采用局部离群挖掘方法计算离群候选对象的离群因子,检测出异常攻击。实验结果表明,该方法能保证较高的检测率和较低的误报率。     

基于LS-BSVR的旅游地理经济预测应用

基于改进的LS-BSVR(least squares B support vector regression)算法对旅游地理经济进行分析预测。提出了时政指数、景区景点分布指数概念,设计了时政指数、景区景点分布指数,并应用于旅游地理经济进行分析预测。设计了用于分析预测的数据模式。数值实验和预测平台结果表明,改进的LS-BSVR算法和设计的旅游地理经济数据指标以及数据模式是有效的。     

用可分负载理论分析无线传感器网络任务调度

针对无线传感器网络的任务如何在最短时间内完成且充分利用网络资源的问题,提出了一种基于可分负载理论的无线传感器网络任务调度算法（WDTA）.该算法根据网络中各个节点的处理能力和节点间的通信能力,将总任务从SINK节点下发至网络中.通过去除节点间的通信干扰来提高资源利用率和减少总任务完成时间.算法在两种分群结构的异构网络环境下进行了分析,得到了在各个节点上最合理的任务分配方案,以及最短的任务完成所需时间.理论分析了基于可分负载理论的无线传感器网络任务调度的极限情况.实验结果表明WDTA算法能够通过合理分配任务,而减少任务完成时间及节点能耗.该方案可以作为设计大规模无线传感器网络的原则.     

基于模型设计的处理器在回路联合仿真系统

运用基于模型设计方法开展处理器在回路联合仿真系统的设计研究.针对该方法在模型定点化重构及参数定标过程中存在的参数收敛不一致及工作量大等问题,提出一种迭代参数定标方法,设计了定标比较模块和迭代参数调整模块.建立了基于Matlab/Simulink联合仿真系统模型,以TMS320C6416为核心处理器建立联合仿真目标板平台...     

一种新型板载式IGBT驱动器设计

设计了一个基于2SC0108T的新型板载式IGBT驱动器.该驱动器具有直接模式和半桥模式、工作模式可选、驱动信号硬件互锁、硬件死区时间可调、IGBT过流及直通短路保护、驱动电源过欠压监控、IGBT模块温度监测和易于安装的特点.设计了相应的前级驱动电路、后级功率驱动电路、温度调理电路和故障报警电路等,进行了相关参数的计算...     

基于DSP的矿井电机车调速系统的设计

针对传统电机车串联电阻调速时消耗能量大、效率低的缺点,设计了以DSP为控制核心的直流电机车的调速系统.该系统主电路采用三相桥式逆变器和整流电路,利用SVPWM控制技术和反馈跟踪控制策略,实现了转速和电流的双闭环控制.实验表明,该系统具有调速范围宽、抗干扰性强等特点,能够较好地解决传统电机车效率低的问题.     

一种基于数据热点的MongoDB负载均衡策略

MongoDB作为一种新兴的NoSQL数据库,以其模式自由、文档式存储、故障自动恢复、良好的水平扩展、自动负载均衡等特点深受国内外市场的青睐.MongoDB自带的负载均衡策略能使各个节点数据量达到平衡.但是在实际的生产环境中,节点之间数据访问热度不同也会导致负载失衡,特别是出现节点过热的情况.针对这一问题,引入Markov随机过程,提出一种基于Markov预测模型的负载均衡策略,根据Markov模型的稳态概率向量预测各个分片的负载并进行数据迁移.通过实验,验证了当各个分片间出现节点过热时,所提出的负载均衡策略能够很好地使分片间的负载达到基于访问热点的均衡.     

支持向量机决策树在隐患预警模型中的应用

危化企业的安全监控数据具有社会价值,对安全隐患进行实时精确的预测是预警研究的热点,本文从人、设备、环境和管理四个维度出发,对安全生产隐患预警的相关指标进行分析,构建隐患预警指标体系,在此基础上,构建了自底向上的基于支持向量机的决策树多分类预警模型,实现对安全等级的的准确分类并用于预警未来的安全生产状态,通过与自顶向下的多分类模型比较,证实本文所采用的预警模型具有较好的实时性和精确度,满足对预警模型的基本要求.     

浅谈AB-RSLogix5000系列PLC抗干扰的问题

河南中美铝业有限公司煤气车间生产工艺过程中使用的是AB-Logix5000系列的PLC,在运行期间经常跳停,不能够保障生产的连续进行。针对跳停现象结合有关自动控制系统方面的技术人员进行分析判断,造成最终停机的原因为网络布局不合理导致PLC抗干扰能力差,在解决了干扰因素后至今运行良好。     

基于神经网络控制的LMS算法及其仿真

提出了一种新的基于神经网络控制的自适应变步长LMS算法(BP-LMS).通过BP模型构建输入向量之间的非线性关系、偏差、学习步骤及自适应过程来确定学习的步骤.为了扩展BP神经网络的应用范围,同时也提出了如何确定输入信号是否类似的方法.仿真实验表明,BP-LMS算法确实可以有效减少收敛时间并达到满意的效果.