基于Hadoop集群的DDoS攻击分布式检测架构设计

针对当前存在“傀儡机”利用DDoS攻击发送虚假信息,从而占用用户带宽并进行分布式拒绝服务攻击的问题,该文设计了基于Hadoop集群的分布式入侵检测系统架构。该系统对传统检测进行改进,可精简并融合大量多源数据,随后通过自适应调整阈值实现统一分析与管理的目标。结果表明,该系统具有较强的扩展性与分布性,可以通过扩展集群规模以及调大HDFS的“块”信息来提升检测性能。与传统检测相比,该系统能够从海量数据中快速挖掘高价值信息,还可以有效提高DDoS攻击的检测率。     

CoFeNiMn(TixC100-x)0.25高熵合金的微观组织与力学性能

为改善CoFeNiMn高熵合金的力学性能,文中采用电弧熔炼和铜模喷铸法制备了不同Ti、C含量的CoFeNiMn(Ti_xC_100-x)_0.25 (x分别为20,30,40,60,70,80)高熵合金。利用X射线衍射仪(XRD)、扫描电镜(SEM)、万能试验机等检测并分析了CoFeNiMn(Ti_xC_100-x)_0.25合金的显微组织与力学性能。研究结果表明：当x=20时,合金组织呈典型的树枝状,未发现TiC颗粒存在;当x≥30后,合金结构由FCC和TiC两相所组成,TiC颗粒均匀的分布于合金内部;添加Ti、C元素后,CoFeNiMn(Ti_xC_100-x)_0.25合金仍然保持良好的塑性,随合金中x值的增加,合金的屈服强度在x=20时为302 MPa,x=30时增加至370 MPa, x=80时则减小至204 MP;而合金的硬度则先减小后增加,x=20时硬度为297 HV_0.3...     

基于AHP-熵权法的电信大数据应用项目风险评估

为了提升电信行业大数据应用类项目的 风险管理水平,将层次分析法和熵权法结合,提出了针对此类项目的 风险组合评估模型.以某电信运营商大数据应用平台项目为例,构建项目风险指标体系,并通过组合评估模型实现了项目风险的重要度评估.     

基于多重降噪的滚动轴承声信号故障特征提取

针对滚动轴承故障诊断中声信号信噪比较低、特征提取困难的问题,提出多重降噪轴承故障特征提取方法.该方法首先用最小熵解卷积对故障轴承声信号进行预处理来提高信噪比,然后利用局部特征尺度分解将处理后的信号分解为多个内禀尺度分量,进一步利用相关系数-峭度值原则,筛选出最佳内禀尺度分量进行重构,最后通过1.5维Teager能量谱提...     

基于粒子熵的参数自适应变异PSO算法研究

为了避免普通粒子群算法（PSO）可能出现的局部收敛及精度不高现象,围绕影响PSO算法性能的两个重要参数[w]和[pgd],提出了一种面向全局优化的参数自适应变异PSO改进算法。算法定义了粒子熵集概念,可以精确反映粒子群数据的全局聚集特性,由粒子群各维数据的熵值大小决定是否对各维数据的惯性权重[w]进行回归变异,对全局变量[pgd]进行随机变异,并采取引入变异次数因子等方法来避免寻优发散。仿真研究表明该算法比常用算法在寻优精度、摆脱局部陷阱、稳定性等方面均有明显提高,在求解复杂多峰问题上有着良好的表现。     

脑电信号的多尺度熵分析

给出了多尺度熵的算法步骤,对生理信号中两种常见噪声白噪声和1/f噪声的多尺度熵进行了研究,分析表明1/f噪声有比白噪声更为复杂的结构,探讨了混沌信号logistic映射的多尺度熵特征,在此基础上对不同睡眠时期脑电信号的多尺度熵进行了比较,结果显示脑电信号具有复杂结构,醒期熵值最高,睡眠Ⅳ期熵值最低;睡眠Ⅰ期、睡眠Ⅱ期和醒期复杂度较高,变化趋势接近;睡眠Ⅲ期、睡眠Ⅳ期和快速眼动期变化趋势基本一致,2尺度后复杂度基本保持不变。     

基于最大熵原理的Web服务QoS概率分布获取

为了进行服务风险管理,需要了解服务质量（QoS）的随机特性,而描述QoS随机特性的一种有效手段是获得其准确的概率分布。为此,提出了一种基于最大熵原理在小样本情况下获取Web服务QoS概率分布的方法。方法采用最大熵原理将小样本情况下QoS概率分布获取的问题规约为一个由已知QoS数据确定约束条件的最优化问题进行求解,获得QoS概率密度函数的解析式,然后设计了对该概率密度函数解析式参数进行估计的算法。最后,以实际的Web服务QoS数据为基础,通过实验验证了该方法对不同QoS分布获取时的有效性和合理性,并验证了分布获取算法的效率和终止性。     

基于扰动功率小波奇异熵的电压暂降源定位

针对现行的电压暂降源定位方法在含有变压器以及复杂电网结构场景下准确度较低的问题,提出一种基于扰动功率小波奇异熵的电压暂降源定位法。首先,基于电能质量监测仪采集到电压电流波形数据计算得到瞬时有功和无功功率,获得加权瞬时扰动有功功率和无功功率;然后,通过小波变换,奇异值分解,结合信息熵原理得到扰动功率的小波奇异熵值,由小波奇异熵值的大小来确定电压暂降扰动源的相对位置;最后,仿真和实例分析证明了所提方法的有效性和准确性。     

一种基于深度学习的银屑病智能诊断方法

提出一种基于深度残差网络的银屑病分类诊断模型。首先采用数据增强、银屑病图片大小调整和TFRecord编码等技术对网络的输入进行预处理,然后设计了一个34层的深度残差网络(ResNet-34)来对银屑病的特征进行提取。此外,采用交叉熵作为ResNet-34的损失函数来衡量模型的准确性,并利用Adam算法作为优化器来对ResNet-34进行训练,最终得到一个优化的ResNet-34模型用于银屑病诊断。基于K折交叉验证的实验结果表明,所提模型在召回率和ROC曲线方面的性能优于其他诊断方法,可以为银屑病数据分析、疾病预防提供技术支持。