基于可疑行为识别的PE病毒检测方法

针对当前PE病毒难以防范及查杀的现象,对PE病毒关键技术进行分析,提取病毒典型特征的可疑行为,在此基础上提出一种Windows平台下的静态检测方法。该方法在对程序反编译处理的基础上,以指令序列与控制流图的分析为行为识别依据,完成基于可疑行为识别的病毒检测方法的设计。实验结果证明,该检测方法能有效检测混淆变换病毒。     

面向对象的流程工业系统有向无环图建模

提出流程工业系统中有向无环图的面向对象的建模方法。介绍使用面向对象的技术对流程工业系统模进行建模的关键要素的技巧,定义描述流程工业系统中有向无环图模型的建模机制,扩展流程工业系统模型所具有的特性。以流程工业系统出现异常时的诊断实例说明系统模型解决问题的有效性。     

基于分水岭变换和图割的彩色图像快速分割

基于图割理论的图像分割具有结合多种知识的统一图像分割框架,可获取全局最优解,但海量的像素级处理单元以及为达到一定分割精度而采用的迭代求解模式,导致算法分割效率不高。以GrabCut算法为基础,通过分水岭变换,将图像划分成区域内颜色相似的若干分块,以各个块内像素的RGB均值代表所在分块的全部像素点来估计高斯混合模型参数,使问题规模减小,算法效率得到提高。     

VLCC中的DAG并行算法

基于组件的密码学虚拟实验室（VLCC）采用有向无环图（DAG）的拓扑排序机制管理组件。在分析VLCC各组件之间的数据依赖和运行次序关系的基础上,提出一种新的基于Java多线程机制和“唤醒”机制的DAG并行算法。与拓扑排序算法相比,具有低算法时间复杂度的特点。实验结果表明,系统在新算法下较大地缩短了系统运行时间,提高资源使用效率和用户满意度,能更好地完善VLCC。     

基于高斯过程的多分类器

为改善一对多高斯过程分类器(one against all Gaussian process classifier,OAA-GPC)存在的不足,提出基于一对一方法的高斯过程多分类器(one against one Gaussian process classifier,OAO-GPC),以及在其基础上改进的基于有向无环图方法的高斯过程多分类器(directed acyclic graph Gaussian process classifier,DAG-GPC),这两种分类器在训练二分类器时仅需将其对应的两类训练样本作为输入,在不降低识别率的基础上减少算法的运行时间。在Oil、Segment、USPS这3个数据集上的实验结果表明,OAO-GPC和DAG-GPC的运行时间远低于OAA-GPC,且识别率与OAA-GPC近似相等,可迅速有效地解决样本的多分类问题。     

基于语义联想和视觉焦点的场景目标识别

为改进传统识别方法中各种分类器对目标区域分类错误的状况,在分类器中加入语义联想的机制,通过语义网的语法结构对分类出错的区域进行重新分类,直到将目标区域分类满足语法结构;为实现多目标的准确定位,引入视觉焦点吸引力的概念,通过分块操作提取最佳吸引力点来定位目标。实验结果表明,这两个改进将目标识别率提高了2%-8%,实现了对复杂场景中遮挡的多目标数目的确定和具体位置的定位。     

线性自抗扰控制系统的鲁棒稳定性

针对线性自抗扰控制系统,研究了模型参数不确定情况下的鲁棒稳定性问题.首先给出对象为非自治模型时该系统的H∞判据.然后针对线性误差模型的状态矩阵只在某一行存在不确定参数的情况,基于奇异值理论,得到H∞判据的一种新的等价描述,把H∞范数约束转化为对奈奎斯特图的约束.之后为了降低新判据在实际应用中的保守性,对不确定性矩阵的分解方式进行优化.在此基础之上提出了一种新的方法,用于计算时变参数不确定性的最大边界,为线性自抗扰控制器设计提供理论依据.数值实例表明该方法不仅保守性小,而且计算简单.     

面向服务组合的用户隐私需求规约与验证方法

用户向Web服务组合提供隐私数据时,不同用户有自身的隐私信息暴露需求,服务组合应支持用户隐私需求的可满足性验证.首先提出一种面向服务组合的用户隐私需求规约方法,用户能够定义隐私数据及不同使用情境的敏感度,采用敏感度-信誉度函数明确可以使用隐私数据的成员服务,简化隐私需求的同时,提高了隐私需求的通用性.为了验证服务组合是否满足用户隐私需求,首先通过隐私数据项依赖图（privacy data item dependency graph,简称PDIDG）描述组合中隐私数据项的依赖关系,然后采用隐私开放工作流网（privacy open workflow net,简称POWFN）构建隐私敏感的服务组合模型,通过需求验证算法验证服务组合是否满足用户隐私需求,从而能够有效防止用户隐私信息的非法直接暴露和间接暴露.最后,通过实例分析说明了该方法的有效性,并对算法性能进行了实验分析.     

基于二部图匹配的车载网络分布式存储机制

现有的车载网络中对数据存储机制的研究大多以移动车载节点作为数据载体,然而车载节点的快速移动、存储空间有限、存在安全风险等特性,限制了车载网络数据存储性能的进一步优化.针对部署有路边基础设施的车载网络场景,以路边单元作为存储节点,提出了基于二部图匹配的车载网络分布式存储机制（distributed storage scheme,简称DSS）.在车载网络中,以最大化数据响应率为目标,路边单元的数据存储问题是NP完全问题.首先,依据请求分割规则将原问题转化为二部图最大匹配问题,其中,二部图左顶点代表车载节点的请求,右顶点代表路边单元的存储单元;进而,利用Hungarian算法在多项式时间内求得最优解.由于问题转化可能造成不同路边单元存储相同数据的冗余问题,设计了冗余副本清理算法,依据不同副本的响应因子排序,检查并清理冗余副本.实验结果表明：DSS能够提高数据响应率,降低响应时延,并保持较小的网络资源开销.     

无线传感器网络拓扑三级分簇优化算法

针对大规模分布式传感器网络提出一种拓扑三级分簇结构优化算法. 通过引入传感器休眠模式, 并考虑到分簇数目较多的情况, 对多个簇头节点采用生成最小刚性图的方法进行拓扑优化, 以实现传感器网络整体能量均衡,使传感器网络具有较好的连通性和鲁棒性. 仿真实验表明, 与已有相关算法相比, 采用所提出的算法可使网络延缓出现节点死亡现象, 有利于实现网络负载均衡, 并且网络中节点整体存活时间较长, 从而延长网络的生命周期.